dfs 解决 部分矩阵洪流/floodfill算法题(水流问题、扫雷游戏、衣橱整理、C++)

本文主要是介绍dfs 解决 部分矩阵洪流/floodfill算法题(水流问题、扫雷游戏、衣橱整理、C++),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

  • 前言
    • 1. 什么是FloodFill问题
    • 2. 用什么方法解决FloodFill问题
  • 算法题
    • 417.太平洋大西洋水流问题
    • 529.扫雷游戏
    • LCR130.衣橱整理

前言

1. 什么是FloodFill问题

一般floodfill问题可以描述为:给定一个二维矩阵,其中每个元素代表一个像素点,并给定一个起始点、目标颜色和填充颜色。问题要求将以起始点为中心,与其相邻且具有相同颜色的所有区域都填充为目标颜色。

在这里插入图片描述


2. 用什么方法解决FloodFill问题

我们通常使用下面两种方法解决FloodFill算法问题:

DFS(深搜) 算法通常使用递归实现,在处理当前像素点的相邻像素点时,递归调用 DFS 函数,不断深入直到无法找到相邻像素为止。

BFS (宽搜)算法通常使用队列实现,将起始像素点加入队列中,并不断扩展队列中的像素点,直到队列为空为止。

在解决Floodfill问题时,暴力搜索(也称为递归法或深度优先搜索)是一种直接且简单的方法。具体步骤如下:

  1. 选择起始点: 从指定的起始单元格开始,通常这是填充区域的起点。

  2. 检查相邻单元格: 递归地检查当前单元格的所有相邻单元格(上、下、左、右)。如果相邻单元格与起始单元格的颜色相同,则继续填充。

  3. 填充颜色: 将当前单元格的颜色更改为目标颜色。

  4. 递归调用: 对所有相邻单元格递归执行步骤2和3。

  5. 停止条件: 如果单元格已被填充或不符合条件,则停止递归。


算法题

417.太平洋大西洋水流问题

在这里插入图片描述

思路

  1. 初始化

    • 定义矩阵的大小 mn
    • 使用两个布尔矩阵 pacatl,分别表示从太平洋和大西洋可以到达的格子。
  2. 深度优先搜索 (DFS)

    • 从太平洋边界(第一行和第一列)和大西洋边界(最后一行和最后一列)开始 DFS,标记每个可以到达的格子。
    • dfs 函数会向四个方向探索,只在相邻格子的高度不低于当前格子的情况下继续探索。
  3. 结果合并

    • 遍历整个矩阵,收集同时在 pacatl 中为 true 的格子,即能同时流向太平洋和大西洋的格子。

代码

class Solution {
public:int m, n;int dx[4] = {0, 0, -1, 1};int dy[4] = {-1, 1, 0, 0};vector<vector<int>> pacificAtlantic(vector<vector<int>>& heights) {m = heights.size();n = heights[0].size();vector<vector<bool>> pac(m, vector<bool>(n));vector<vector<bool>> atl(m, vector<bool>(n)); // 分别用于表示大西洋与太平洋的流向情况// 从外向内:// 太平洋 - 第一行与第一列的元素向内dfsfor(int j = 0; j < n; ++j) dfs(heights, 0, j, pac); // 第一行for(int i = 0; i < m; ++i) dfs(heights, i, 0, pac); // 第一列// 大西洋 - 最后一行与最后一列for(int j = 0; j < n; ++j) dfs(heights, m - 1, j, atl); // 最后一行for(int i = 0; i < m; ++i) dfs(heights, i, n - 1, atl); // 最后一列vector<vector<int>> ret;for(int i = 0; i < m; ++i) // 遍历数组,找对于某位置,表示两大洋的数组均为true的for(int j = 0; j < n; ++j){if(atl[i][j] && pac[i][j])ret.push_back({i, j});}return ret;}void dfs(vector<vector<int>>& heights, int x, int y, vector<vector<bool>>& visited){visited[x][y] = true;for(int k = 0; k < 4; ++k){int _x = x + dx[k], _y = y + dy[k];if(_x >= 0 && _y >= 0 && _x < m && _y < n && !visited[_x][_y] && heights[_x][_y] >= heights[x][y]){dfs(heights, _x, _y, visited);}}}
};

529.扫雷游戏

思路

  1. 初始化

    • mn 分别表示棋盘的行数和列数。
    • dxdy 数组用于表示八个方向的偏移量,以便遍历当前位置周围的方块。具体方向是:左、右、上、下、右下、右上、左下、左上。
  2. 更新棋盘 (updateBoard 函数):

    • 获取点击位置 ij
    • 如果点击的位置是地雷('M'),则将其标记为 'X',并返回更新后的棋盘。
    • 如果点击的位置不是地雷,调用 dfs 函数来递归揭示相关区域。
  3. 递归揭示 (dfs 函数):

    • 统计当前位置周围8个方向的地雷数量 count
    • 如果周围有地雷 (count > 0),将当前位置标记为对应的数字(地雷的数量),并返回。
    • 如果周围没有地雷 (count == 0),将当前位置标记为 'B',并继续递归处理周围未揭示的方块(即 'E')。

代码

class Solution {
public:int m, n;// 左上 上 右上 左 右 左下 下 右下// int dirs[8][2] = {{-1, -1}, {-1, 0}, {-1, 1}, {0, -1}, {0, 1}, {1, -1}, {1, 0}, {1, 1}};int dx[8] = {0, 0, -1, 1, 1, 1, -1, -1};int dy[8] = {-1, 1, 0, 0, 1, -1, 1, -1};vector<vector<char>> updateBoard(vector<vector<char>>& board, vector<int>& click) {int i = click[0], j = click[1];m = board.size(), n = board[0].size();if(board[i][j] == 'M'){board[i][j] = 'X';return board;}dfs(board, i, j);return board;}void dfs(vector<vector<char>>& board, int i, int j){int count = 0;// 统计当前位置周围的雷数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;}}if(count) // 附近有雷{board[i][j] = count + '0';return;}   else    // 附近无雷{board[i][j] = 'B';for(int k = 0; k < 8; ++k) // 找周围未挖出方块,继续递归{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);}}}   }
};

LCR130.衣橱整理

在这里插入图片描述

思路

  1. 初始化

    • visited 是一个布尔矩阵,用于标记每个格子是否已经访问过。
    • dxdy 数组分别表示在网格中向右和向下移动的偏移量。
  2. wardrobeFinishing 函数

    • 这个函数初始化 visited 矩阵,并设置 _cnt_m_n,然后从 (0, 0) 位置开始调用 dfs 函数。
  3. dfs 函数

    • 递归遍历满足条件的格子。
    • 首先,访问当前位置 (i, j),并将 ret 计数器加 1。
    • 对于当前位置 (i, j),尝试向右 (i, j+1) 和向下 (i+1, j) 移动,检查这些新位置是否在网格内、是否未被访问,以及它们的行索引和列索引的数位和是否小于等于 cnt
    • 如果满足这些条件,递归调用 dfs 函数继续探索。
  4. digit 函数

    • 计算一个数字的数位和。例如,对于数字 23,它的数位和是 2 + 3 = 5

代码

class Solution {
public:// cnt = 2 即表格 行与列元素 数位之和 <= cnt 的个数// \ 0 1 2  (m = n = 3)// 0 0 1 2// 1 1 2 X// 2 2 X Xvector<vector<bool>> visited;int dx[2] = {1, 0};int dy[2] = {0, 1};int ret = 0, _cnt, _m, _n;int wardrobeFinishing(int m, int n, int cnt) {visited.resize(m, vector<bool>(n));_cnt = cnt, _m = m, _n = n;dfs(0, 0);return ret;}void dfs(int i, int j){++ret;visited[i][j] = true;for(int k = 0; k < 2; ++k){// 统计 满足条件的格子int x = dx[k] + i, y = dy[k] + j;if(x >= 0 && x < _m && y >= 0 && y < _n && digit(x) + digit(y) <= _cnt && !visited[x][y])dfs(x, y);}}// 求数位之和int digit(int num){int tmp = 0;while(num){tmp += num % 10;num /= 10;}return tmp;}
};

这篇关于dfs 解决 部分矩阵洪流/floodfill算法题(水流问题、扫雷游戏、衣橱整理、C++)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/1131950

相关文章

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

好题——hdu2522(小数问题:求1/n的第一个循环节)

好喜欢这题,第一次做小数问题,一开始真心没思路,然后参考了网上的一些资料。 知识点***********************************无限不循环小数即无理数,不能写作两整数之比*****************************(一开始没想到,小学没学好) 此题1/n肯定是一个有限循环小数,了解这些后就能做此题了。 按照除法的机制,用一个函数表示出来就可以了,代码如下

hdu1043(八数码问题,广搜 + hash(实现状态压缩) )

利用康拓展开将一个排列映射成一个自然数,然后就变成了普通的广搜题。 #include<iostream>#include<algorithm>#include<string>#include<stack>#include<queue>#include<map>#include<stdio.h>#include<stdlib.h>#include<ctype.h>#inclu

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

【C++ Primer Plus习题】13.4

大家好,这里是国中之林! ❥前些天发现了一个巨牛的人工智能学习网站,通俗易懂,风趣幽默,忍不住分享一下给大家。点击跳转到网站。有兴趣的可以点点进去看看← 问题: 解答: main.cpp #include <iostream>#include "port.h"int main() {Port p1;Port p2("Abc", "Bcc", 30);std::cout <<

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

C++包装器

包装器 在 C++ 中,“包装器”通常指的是一种设计模式或编程技巧,用于封装其他代码或对象,使其更易于使用、管理或扩展。包装器的概念在编程中非常普遍,可以用于函数、类、库等多个方面。下面是几个常见的 “包装器” 类型: 1. 函数包装器 函数包装器用于封装一个或多个函数,使其接口更统一或更便于调用。例如,std::function 是一个通用的函数包装器,它可以存储任意可调用对象(函数、函数

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

C++11第三弹:lambda表达式 | 新的类功能 | 模板的可变参数

🌈个人主页: 南桥几晴秋 🌈C++专栏: 南桥谈C++ 🌈C语言专栏: C语言学习系列 🌈Linux学习专栏: 南桥谈Linux 🌈数据结构学习专栏: 数据结构杂谈 🌈数据库学习专栏: 南桥谈MySQL 🌈Qt学习专栏: 南桥谈Qt 🌈菜鸡代码练习: 练习随想记录 🌈git学习: 南桥谈Git 🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈�

【数据结构】——原来排序算法搞懂这些就行,轻松拿捏

前言:快速排序的实现最重要的是找基准值,下面让我们来了解如何实现找基准值 基准值的注释:在快排的过程中,每一次我们要取一个元素作为枢纽值,以这个数字来将序列划分为两部分。 在此我们采用三数取中法,也就是取左端、中间、右端三个数,然后进行排序,将中间数作为枢纽值。 快速排序实现主框架: //快速排序 void QuickSort(int* arr, int left, int rig