DFS解决floodfill算法

2024-09-02 04:28
文章标签 算法 解决 dfs floodfill

本文主要是介绍DFS解决floodfill算法,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!

文章目录

  • 1. 图像渲染
  • 2. 岛屿数量
  • 3. 岛屿的最大面积
  • 4. 被围绕的区域
  • 5. 太平洋大西洋水流问题
  • 6. 扫雷游戏
  • 7. 机器人的运动范围

1. 图像渲染

在这里插入图片描述

算法原理:
在这里插入图片描述

这题不需要创建visit数组去记录使用过的节点,因为我每次dfs都尝试修改image数组的值,当下一次遍历到当前节点时target != image[x][y],这也就间接的帮我们记录了使用过的节点。

class Solution {
public:int dx[4] = {-1, 1, 0, 0};int dy[4] = {0, 0, -1, 1};int m, n, target;void dfs(vector<vector<int>>& image, int sr, int sc, int color){image[sr][sc] = color; // 染色for(int k = 0; k < 4; k++){int x = sr + dx[k];int y = sc + dy[k];if(x >= 0 && x < m&& y >= 0 && y < n&& target == image[x][y]){dfs(image, x, y, color);}}}vector<vector<int>> floodFill(vector<vector<int>>& image, int sr, int sc, int color) {if(image[sr][sc] == color) return image;m = image.size(), n = image[0].size();target = image[sr][sc];dfs(image, sr, sc, color);return image;}
};

2. 岛屿数量

在这里插入图片描述

算法原理:
dfs负责将陆地1周围的连通区域(上下左右是1的区域)标记为true,当周围遇到了海洋0,dfs终止。此时,在函数外侧则去统计岛屿的数目(区域是1,并且区域未被标记)。

class Solution {
public:int dx[4] = {-1, 1, 0, 0};int dy[4] = {0, 0, -1, 1};bool vis[301][301];int m, n;int ret;// dfs只是负责将与1的连通区域标记一下, 方便找陆地的时候只记录一次void dfs(vector<vector<char>>& grid, int i, int j) {vis[i][j] = true;for(int k = 0; k < 4; k++){int x = i + dx[k], y = j + dy[k];if(x >= 0 && x < m && y >= 0 && y < n&& grid[x][y] == '1' && vis[x][y] == false){dfs(grid, x, y);}}}int numIslands(vector<vector<char>>& grid) {m = grid.size(), n = grid[0].size();// 找有多少块岛屿for(int i = 0; i < m; i++)for(int j = 0; j < n; j++)// 找到陆地, 且当前位置未被标记过if(grid[i][j] == '1' && vis[i][j] == false){ret++;dfs(grid, i, j);}return ret;}
};

3. 岛屿的最大面积

在这里插入图片描述理解了上一题怎么写之后,这题仍然是一样的原理。只不过统计的不是岛屿的数量,而是岛屿中的最大面积。

class Solution {
public:int dx[4] = {-1, 1, 0, 0};int dy[4] = {0, 0, -1, 1};bool vis[301][301];int m, n;int MaxArea, area;// dfs只是负责将与1的连通区域标记一下, 方便找陆地的时候只记录一次void dfs(vector<vector<int>>& grid, int i, int j) {vis[i][j] = true, area++;for(int k = 0; k < 4; k++){int x = i + dx[k], y = j + dy[k];if(x >= 0 && x < m && y >= 0 && y < n&& grid[x][y] == 1 && vis[x][y] == false){dfs(grid, x, y);}}}int maxAreaOfIsland(vector<vector<int>>& grid) {   m = grid.size(), n = grid[0].size();// 找有多少块岛屿for(int i = 0; i < m; i++)for(int j = 0; j < n; j++)// 找到了下一块岛屿if(grid[i][j] == 1 && vis[i][j] == false){dfs(grid, i, j);MaxArea = max(MaxArea, area);area = 0;}return MaxArea;}
};

4. 被围绕的区域

在这里插入图片描述

算法原理:
方法一:直接法
这道题的难点是如何处理边界区域的'o'不被替换为 'X',而被 'X'包围的区域则被替换。
如果只是将'o'替换为 'X',那很简单,直接进行深度优先遍历即可;如果我们想处理边界区域不被替换,我们也可以进行深度优先遍历,只不过遇到了非法区域我们就采用回溯还原原先的状态。但是实现起来较为复杂,下面介绍第二种方法。
方法二:间接法
先处理外围区域,遍历外围区域,当遇到'o'时,我们采用dfs,将所有的'o'替换为'.',这样就将边界区域的情况给处理了。再遍历整个区域,遇到'.'则替换回'o';遇到'o'将所有的'o'替换为'X',这样就自然而然的将边界区域和内部区域分开处理了。
在这里插入图片描述

class Solution {
public:int dx[4] = {-1, 1, 0, 0};int dy[4] = {0, 0, -1, 1};int m, n;void dfs(vector<vector<char>>& board, int i, int j){board[i][j] = '.';for(int k = 0; k < 4; k++){int x = i + dx[k], y = j + dy[k];if(x >= 0 && x < m && y >= 0 && y < n&& board[x][y] == 'O'){dfs(board, x, y);}}}void solve(vector<vector<char>>& board) {m = board.size(), n = board[0].size();// step1: 先遍历外围区域, 将边界的 'O' 全部修改成 '.'for(int i = 0; i < n; i++){if(board[0][i] == 'O') dfs(board, 0, i);if(board[m-1][i] == 'O') dfs(board, m-1, i);}for(int i = 1; i < m - 1; i++){if(board[i][0] == 'O') dfs(board, i, 0);if(board[i][n-1] == 'O') dfs(board, i, n-1);}// step2: 再遍历整个区域for(int i = 0; i < m; i++)for(int j = 0; j < n; j++)if(board[i][j] == 'O') board[i][j] = 'X';else if(board[i][j] == '.') board[i][j] = 'O';}
};

5. 太平洋大西洋水流问题

理解题意:
这道题的意思就是,水流只能往节点值比当前值小或者等于的方向流动。我要找到一个下标,使得这个水流既能流往大西洋,又能流往太平洋。

解法一:直接法
算法原理:
对整个二维数组的每一个元素进行判断,判断其是否能汇入太平洋和大西洋。以一个元素为例,如图元素5的dfs过程中:用一个vis数组记录使用过的节点,并且dfs只能往节点值较低的或者相等的去搜。整个递归结束后,对vis数组进行判别,从而确定该节点是否为所需求的节点。
在这里插入图片描述

缺点是部分测试用例会超时。原因在于,1.每个节点的搜索存在着重复的搜索
在这里插入图片描述

class Solution {
public:int dx[4] = {-1, 1, 0, 0};int dy[4] = {0, 0, -1, 1};int m, n;void dfs(vector<vector<int>>& heights, int i, int j, vector<vector<bool>>& vis){vis[i][j] = true; // 标记海水遍历过的地方for(int k = 0; k < 4; k++){int x = i + dx[k], y = j + dy[k];if(x >= 0 && x < m && y >= 0 && y < n&& heights[x][y] <= heights[i][j] // 水往低处流, 所以是小于等于&& vis[x][y] == false){dfs(heights, x, y, vis);}}}// 判断遍历得到的vis数组bool checkvis(vector<vector<bool>>& vis){// 保证vis的左边界或者上边界有true && vis的右边界或者下边界有true// flag1表示是否能流入太平洋bool flag1 = false;for(int j = 0; j < n; j++) {if(vis[0][j] == true) {flag1 = true;break;}}for(int i = 0; i < m; i++){if(vis[i][0] == true) {flag1 = true;break;}}// flag2表示是否能流入大西洋bool flag2 = false;for(int j = 0; j < n; j++){if(vis[m-1][j] == true) {flag2 = true;break;}}for(int i = 0; i < m; i++){if(vis[i][n-1] == true) {flag2 = true;break;}}// 将vis数组的所有值清0, 方便对下一个节点进行dfsfor(int i = 0; i < m; i++)for(int j = 0; j < n; j++)vis[i][j] = false;return flag1 && flag2;}vector<vector<int>> pacificAtlantic(vector<vector<int>>& heights) {m = heights.size(), n = heights[0].size();vector<vector<bool>> vis(m, vector<bool>(n));vector<vector<int>> result;for(int i = 0; i < m; i++)for(int j = 0; j < n; j++){dfs(heights, i, j, vis);if(checkvis(vis)) result.push_back({i, j});}return result;}
};

解法二:间接法
算法原理:逆向思维
从二维数组的边界开始搜索,当后面的节点的值 >= 当前节点的值就往后面搜索。创建两个vis数组,第一个vis数组负责从太平洋海岸(二维数组左边界和上边界)开始搜索;第二个vis数组负责从大西洋海岸(二维数组右边界和下边界)开始搜索。搜索完之后两个vis数组都有从边界搜索到达的最远位置被标记,找到两个vis数组公共位置都被标记为true的即为既可流向太平洋也可流向大西洋 。
如下图以边界的两个数为例子,得到(3, 1)和(2, 2)为两个vis数组公共位置,它们既可以流入太平洋也可以流入大西洋。
在这里插入图片描述

class Solution {
public:int dx[4] = {-1, 1, 0, 0};int dy[4] = {0, 0, -1, 1};int m, n;void dfs(vector<vector<int>>& heights, int i, int j, vector<vector<bool>>& vis){vis[i][j] = true; // 标记海水遍历过的地方for(int k = 0; k < 4; k++){int x = i + dx[k], y = j + dy[k];if(x >= 0 && x < m && y >= 0 && y < n&& heights[x][y] >= heights[i][j]&& vis[x][y] == false){dfs(heights, x, y, vis);}}}vector<vector<int>> pacificAtlantic(vector<vector<int>>& heights) {m = heights.size(), n = heights[0].size();// 0. 创建两个vis数组vector<vector<bool>> Pac(m, vector<bool>(n));vector<vector<bool>> Atl(m, vector<bool>(n));// 1. 先处理太平洋for(int j = 0; j < n; j++) dfs(heights, 0, j, Pac); // 第0行for(int i = 0; i < m; i++) dfs(heights, i, 0, Pac); // 第0列// 2. 再处理大西洋for(int j = 0; j < n; j++) dfs(heights, m-1, j, Atl); // 第m-1行for(int i = 0; i < m; i++) dfs(heights, i, n-1, Atl); // 第n-1列// 3. 判断两个xis数组是否有重复的部分vector<vector<int>> result;for(int i = 0; i < m; i++)for(int j = 0; j < n; j++)if(Pac[i][j] == Atl[i][j] && Atl[i][j] == true) result.push_back({i, j});return result;}
};

6. 扫雷游戏

在这里插入图片描述在这里插入图片描述**算法原理:**模拟

在这里插入图片描述每到一个节点,就去判断一下周围有无地雷,有地雷就将该节点改为地雷的总数,并回溯;如果周围没有地雷就在当前节点填入B,继续往周围8个节点dfs。

class Solution {
public:int dx[8] = {-1, 1, 0, 0, -1, 1, -1, 1}; // 上,下,左,右,斜方向int dy[8] = {0, 0, -1, 1, -1, -1, 1, 1};int m, n;void dfs(vector<vector<char>>& board, int i, int j){// 统计周围地雷的个数int count = 0;for (int k = 0; k < 8; k++) {int x = i + dx[k], y = j + dy[k];if (x >= 0 && x < m && y >= 0 && y < n && board[x][y] == 'M') {count++;}}// 如果周围有地雷, 将当前格子修改成周围地雷的总数, 再回溯if (count) {board[i][j] = count + '0';return;} else // 周围没有地雷{board[i][j] = 'B';for (int k = 0; k < 8; k++) {int x = i + dx[k], y = j + dy[k];if (x >= 0 && x < m && y >= 0 && y < n && board[x][y] == 'E') {dfs(board, x, y);}}}}vector<vector<char>> updateBoard(vector<vector<char>>& board, vector<int>& click) {m = board.size(), n = board[0].size();int x = click[0], y = click[1];if (board[x][y] == 'M') // 刚开始直接点到地雷{board[x][y] = 'X';return board;}dfs(board, x, y);return board;}
};

7. 机器人的运动范围

在这里插入图片描述算法原理:
还是深搜,遇到符合题目要求(行纵坐标的数位之和<=threshold)的节点,就给结果ret增加1;注意细节问题:应避免dfs往回搜,用vis数组标记使用过的节点。

class Solution {
public:int dx[4] = {-1, 1, 0, 0};int dy[4] = {0, 0, -1, 1};bool vis[101][101];int m, n;int ret;bool CanIn(int threshold, int x, int y){int sum = 0;while(x){sum += x % 10;x /= 10;}while(y){sum += y % 10;y /= 10;}if(sum > threshold) return false;return true;}void dfs(int threshold, int i, int j){vis[i][j] = true;ret++;for(int k = 0; k < 4; k++){int x = i + dx[k], y = j + dy[k];if(x >= 0 && x < m && y >= 0 && y < n&& CanIn(threshold, x, y)&& vis[x][y] == false){dfs(threshold, x, y);}}}int movingCount(int threshold, int rows, int cols) {m = rows, n = cols;dfs(threshold, 0, 0);return ret;}
};

这篇关于DFS解决floodfill算法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!



http://www.chinasem.cn/article/1128991

相关文章

Spring事务中@Transactional注解不生效的原因分析与解决

《Spring事务中@Transactional注解不生效的原因分析与解决》在Spring框架中,@Transactional注解是管理数据库事务的核心方式,本文将深入分析事务自调用的底层原理,解释为... 目录1. 引言2. 事务自调用问题重现2.1 示例代码2.2 问题现象3. 为什么事务自调用会失效3

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.

mysql出现ERROR 2003 (HY000): Can‘t connect to MySQL server on ‘localhost‘ (10061)的解决方法

《mysql出现ERROR2003(HY000):Can‘tconnecttoMySQLserveron‘localhost‘(10061)的解决方法》本文主要介绍了mysql出现... 目录前言:第一步:第二步:第三步:总结:前言:当你想通过命令窗口想打开mysql时候发现提http://www.cpp

SpringBoot启动报错的11个高频问题排查与解决终极指南

《SpringBoot启动报错的11个高频问题排查与解决终极指南》这篇文章主要为大家详细介绍了SpringBoot启动报错的11个高频问题的排查与解决,文中的示例代码讲解详细,感兴趣的小伙伴可以了解一... 目录1. 依赖冲突:NoSuchMethodError 的终极解法2. Bean注入失败:No qu

springboot报错Invalid bound statement (not found)的解决

《springboot报错Invalidboundstatement(notfound)的解决》本文主要介绍了springboot报错Invalidboundstatement(not... 目录一. 问题描述二.解决问题三. 添加配置项 四.其他的解决方案4.1 Mapper 接口与 XML 文件不匹配

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

Python中ModuleNotFoundError: No module named ‘timm’的错误解决

《Python中ModuleNotFoundError:Nomodulenamed‘timm’的错误解决》本文主要介绍了Python中ModuleNotFoundError:Nomodulen... 目录一、引言二、错误原因分析三、解决办法1.安装timm模块2. 检查python环境3. 解决安装路径问题

如何解决mysql出现Incorrect string value for column ‘表项‘ at row 1错误问题

《如何解决mysql出现Incorrectstringvalueforcolumn‘表项‘atrow1错误问题》:本文主要介绍如何解决mysql出现Incorrectstringv... 目录mysql出现Incorrect string value for column ‘表项‘ at row 1错误报错

如何解决Spring MVC中响应乱码问题

《如何解决SpringMVC中响应乱码问题》:本文主要介绍如何解决SpringMVC中响应乱码问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录Spring MVC最新响应中乱码解决方式以前的解决办法这是比较通用的一种方法总结Spring MVC最新响应中乱码解

Java报NoClassDefFoundError异常的原因及解决

《Java报NoClassDefFoundError异常的原因及解决》在Java开发过程中,java.lang.NoClassDefFoundError是一个令人头疼的运行时错误,本文将深入探讨这一问... 目录一、问题分析二、报错原因三、解决思路四、常见场景及原因五、深入解决思路六、预http://www