算法工程师第四十四天(99. 岛屿数量 深搜 99. 岛屿数量 广搜 100.岛屿的最大面积 )

2024-08-22 21:36

本文主要是介绍算法工程师第四十四天(99. 岛屿数量 深搜 99. 岛屿数量 广搜 100.岛屿的最大面积 ),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

参考文献 代码随想录

一、岛屿数量

题目描述

给定一个由 1(陆地)和 0(水)组成的矩阵,你需要计算岛屿的数量。岛屿由水平方向或垂直方向上相邻的陆地连接而成,并且四周都是水域。你可以假设矩阵外均被水包围。

输入描述

第一行包含两个整数 N, M,表示矩阵的行数和列数。

后续 N 行,每行包含 M 个数字,数字为 1 或者 0。

输出描述

输出一个整数,表示岛屿的数量。如果不存在岛屿,则输出 0。

输入示例
4 5
1 1 0 0 0
1 1 0 0 0
0 0 1 0 0
0 0 0 1 1
输出示例
3
提示信息

根据测试案例中所展示,岛屿数量共有 3 个,所以输出 3。

数据范围:

1 <= N, M <= 50

思路分析:遇到一个没有遍历过的节点陆地,计数器就加一,然后把该节点陆地所能遍历到的陆地都标记上。再遇到标记过的陆地节点和海洋节点的时候直接跳过。 这样计数器就是最终岛屿的数量。那么如果把节点陆地所能遍历到的陆地都标记上呢,就可以使用 DFS,BFS或者并查集。

深搜版本:

n, m = map(int, input().split())
grid = []
for i in range(n):grid.append(list(map(int, input().split())))visited = [[False] * m for _ in range(n)]  # 标记哪些已经走过的
direction = [[0, 1], [1, 0], [0, -1], [-1, 0]]  # 四个方向:上、右、下、左  def dfs(x, y):for i, j in direction:  # 从开始的这个点往周围搜x_nex = x +  iy_nex=  y + jif x_nex < 0 or x_nex >= len(grid) or y_nex < 0 or y_nex >= len(grid[0]):  # 一旦x,或者说是y发现超出范围,则不需要往下走,continueif not visited[x_nex][y_nex] and grid[x_nex][y_nex] == 1:  # 如果当前的路并没有走过,那么就从当前点出发,并对对应的标记为truevisited[x_nex][y_nex] = Truedfs(x_nex, y_nex)
res = 0
for i in range(n):for j in range(m):if grid[i][j] == 1 and not visited[i][j]:  # 如果为陆地,并且没有被访问过,那么就要调用深搜模版去寻当前节点周围的陆地res += 1  # 一旦发现新的路段,那么结果就要加1visited[i][j] = True  同时把当前的坐标开始搜索并标记为已经走过dfs(i, j)
print(res)

广搜:

n, m = map(int, input().split())
grid = []
for i in range(n):grid.append(list(map(int, input().split())))visited = [[False] * m for _ in range(n)]
direction = [[0, 1], [1, 0], [0, -1], [-1, 0]]  # 四个方向:上、右、下、左def bfs(x, y):from collections import dequequeen = deque()queen.append([x, y])visited[x][y] = Truewhile queen:cur_x, cur_y = queen.popleft() for i, j in direction:x_nex = cur_x +  iy_nex=  cur_y + jif x_nex < 0 or x_nex >= len(grid) or y_nex < 0 or y_nex >= len(grid[0]):continueif not visited[x_nex][y_nex] and grid[x_nex][y_nex] == 1:queen.append([x_nex, y_nex])visited[x_nex][y_nex] = Trueres = 0
for i in range(n):for j in range(m):if grid[i][j] == 1 and not visited[i][j]:res += 1bfs(i, j)
print(res)

二、岛屿的最大面积

题目描述

给定一个由 1(陆地)和 0(水)组成的矩阵,计算岛屿的最大面积。岛屿面积的计算方式为组成岛屿的陆地的总数。岛屿由水平方向或垂直方向上相邻的陆地连接而成,并且四周都是水域。你可以假设矩阵外均被水包围。

输入描述

第一行包含两个整数 N, M,表示矩阵的行数和列数。后续 N 行,每行包含 M 个数字,数字为 1 或者 0,表示岛屿的单元格。

输出描述

输出一个整数,表示岛屿的最大面积。如果不存在岛屿,则输出 0。

输入示例
4 5
1 1 0 0 0
1 1 0 0 0
0 0 1 0 0
0 0 0 1 1
输出示例
4
提示信息

样例输入中,岛屿的最大面积为 4。

数据范围:

1 <= M, N <= 50。

深搜:

n, m = map(int, input().split())
grid = []
for i in range(n):grid.append(list(map(int, input().split())))visited = [[False] * m for _ in range(n)]
directions = [[0,-1], [0, 1],[-1,0],[1,0]]  # 每个点的方向
res = 0
count = 0
def dfs(x, y):global count # 定义全句变量for i, j in directions:  # 从当前点遍历到走位的陆地nex_x = x + i  nex_y = y + jif nex_y < 0 or nex_x < 0 or nex_x >= len(grid) or nex_y >= len(grid[0]):continue  # 越界了if grid[nex_x][nex_y] == 1 and not visited[nex_x][nex_y]:  # 当前是陆地并且没有被方访问过visited[nex_x][nex_y] = Truecount += 1dfs(nex_x, nex_y)
for i in range(n):for j in range(m):if not visited[i][j] and grid[i][j] == 1:visited[i][j] = True  # count = 1dfs(i, j)res = max(res, count)print(res)

广搜:

n, m = map(int, input().split())
grid = []
for i in range(n):grid.append(list(map(int, input().split())))visited = [[False] * m for _ in range(n)]
directions = [[0,-1], [0, 1],[-1,0],[1,0]]  # 每个点的方向
res = 0
count = 0
def bfs(x, y):from  collections import dequequeen = deque()queen.append([x, y])global count # 定义全句变量while queen:cur_x, cur_y = queen.popleft()for i, j in directions:  # 从当前点遍历到走位的陆地nex_x = cur_x + i  nex_y = cur_y + jif nex_y < 0 or nex_x < 0 or nex_x >= len(grid) or nex_y >= len(grid[0]):continue  # 越界了if grid[nex_x][nex_y] == 1 and not visited[nex_x][nex_y]:  # 当前是陆地并且没有被方访问过visited[nex_x][nex_y] = Truecount += 1queen.append([nex_x, nex_y])
for i in range(n):for j in range(m):if not visited[i][j] and grid[i][j] == 1:visited[i][j] = True  # count = 1bfs(i, j)res = max(res, count)print(res)

这篇关于算法工程师第四十四天(99. 岛屿数量 深搜 99. 岛屿数量 广搜 100.岛屿的最大面积 )的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!


原文地址:
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.chinasem.cn/article/1097461

相关文章

SpringBoot实现MD5加盐算法的示例代码

《SpringBoot实现MD5加盐算法的示例代码》加盐算法是一种用于增强密码安全性的技术,本文主要介绍了SpringBoot实现MD5加盐算法的示例代码,文中通过示例代码介绍的非常详细,对大家的学习... 目录一、什么是加盐算法二、如何实现加盐算法2.1 加盐算法代码实现2.2 注册页面中进行密码加盐2.

Java时间轮调度算法的代码实现

《Java时间轮调度算法的代码实现》时间轮是一种高效的定时调度算法,主要用于管理延时任务或周期性任务,它通过一个环形数组(时间轮)和指针来实现,将大量定时任务分摊到固定的时间槽中,极大地降低了时间复杂... 目录1、简述2、时间轮的原理3. 时间轮的实现步骤3.1 定义时间槽3.2 定义时间轮3.3 使用时

如何通过Golang的container/list实现LRU缓存算法

《如何通过Golang的container/list实现LRU缓存算法》文章介绍了Go语言中container/list包实现的双向链表,并探讨了如何使用链表实现LRU缓存,LRU缓存通过维护一个双向... 目录力扣:146. LRU 缓存主要结构 List 和 Element常用方法1. 初始化链表2.

golang字符串匹配算法解读

《golang字符串匹配算法解读》文章介绍了字符串匹配算法的原理,特别是Knuth-Morris-Pratt(KMP)算法,该算法通过构建模式串的前缀表来减少匹配时的不必要的字符比较,从而提高效率,在... 目录简介KMP实现代码总结简介字符串匹配算法主要用于在一个较长的文本串中查找一个较短的字符串(称为

通俗易懂的Java常见限流算法具体实现

《通俗易懂的Java常见限流算法具体实现》:本文主要介绍Java常见限流算法具体实现的相关资料,包括漏桶算法、令牌桶算法、Nginx限流和Redis+Lua限流的实现原理和具体步骤,并比较了它们的... 目录一、漏桶算法1.漏桶算法的思想和原理2.具体实现二、令牌桶算法1.令牌桶算法流程:2.具体实现2.1

Python中的随机森林算法与实战

《Python中的随机森林算法与实战》本文详细介绍了随机森林算法,包括其原理、实现步骤、分类和回归案例,并讨论了其优点和缺点,通过面向对象编程实现了一个简单的随机森林模型,并应用于鸢尾花分类和波士顿房... 目录1、随机森林算法概述2、随机森林的原理3、实现步骤4、分类案例:使用随机森林预测鸢尾花品种4.1

如何提高Redis服务器的最大打开文件数限制

《如何提高Redis服务器的最大打开文件数限制》文章讨论了如何提高Redis服务器的最大打开文件数限制,以支持高并发服务,本文给大家介绍的非常详细,感兴趣的朋友跟随小编一起看看吧... 目录如何提高Redis服务器的最大打开文件数限制问题诊断解决步骤1. 修改系统级别的限制2. 为Redis进程特别设置限制

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个