【算法与数据结构】1020、130、LeetCode飞地的数量 被围绕的区域

2024-02-22 18:12
文章标签 leetcode 算法 数量 数据结构 区域 围绕 1020 130 飞地

本文主要是介绍【算法与数据结构】1020、130、LeetCode飞地的数量 被围绕的区域，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

  • 一、1020、飞地的数量
  • 二、130、被围绕的区域
  • 三、完整代码

所有的LeetCode题解索引，可以看这篇文章——【算法和数据结构】LeetCode题解。

一、1020、飞地的数量

在这里插入图片描述
在这里插入图片描述

  思路分析：博主认为题目很抽象，非常难理解。想了好久，要理解题目什么意思，必须理解“移动”这个概念。“移动”是指陆地可以移动，移动到连接的陆地单元或者跨过边界。例如示例1中的(1, 0)这块陆地可以移出边界，示例2中(2, 2)这块陆地，可以按照 ( 1 , 2 ) − > ( 0 , 2 ) − > ( 0 , 1 ) − > 边界外 (1, 2)->(0, 2)->(0, 1)->边界外 (1,2)−>(0,2)−>(0,1)−>边界外 的顺序离开网格边界。其他的陆地也类似，连接的陆地都可以移出边界。另一方面，从题目来理解更简单，要求飞地的数量。所谓飞地就是不和边界挨着的陆地，这也和任意次数“移动”出网格边界的定义一致。

  飞地的数量我们一眼就能看出，不和边界挨着的就是飞地。反过来想，我们顺着边界找到所有连接的陆地，讲这些陆地全部删除，剩下的就都是飞地，然后统计数量即可。程序当中，删除的这一操作不必实际进行，我们将其标记为已遍历，只要坐标是陆地且没有被遍历过就是飞地。

  程序如下：

// 1020、飞地的数量-深度优先搜索
class Solution {
private:int Area = 0;vector<vector<int>> delta_x_y = { {0, -1}, {0, 1}, {-1, 0}, {1, 0} };	// 上下左右四个方向的偏移量void dfs(vector<vector<int>>& grid, vector<vector<bool>>& visited, int x, int y) {	// 1、递归输入参数// 2、终止条件 访问过或者遇到海水，又或者越界if (x < 0 || x >= grid.size() || y < 0 || y >= grid[0].size() || visited[x][y] || grid[x][y] == 0) return;  // 越界了，直接跳过visited[x][y] = true;//grid[x][y] = 0;		// 可以省略// 3、单层递归逻辑for (int i = 0; i < 4; i++) {int nextx = x + delta_x_y[i][0];int nexty = y + delta_x_y[i][1];			 dfs(grid, visited, nextx, nexty);}}
public:int numEnclaves(vector<vector<int>>& grid) {vector<vector<bool>> visited = vector<vector<bool>>(grid.size(), vector<bool>(grid[0].size(), false));	// 遍历过的坐标// 遍历最外面的一圈for (int i = 0; i < grid.size(); i++) {		// 遍历两列dfs(grid, visited, i, 0);dfs(grid, visited, i, grid[0].size() - 1);}for (int j = 1; j < grid[0].size() - 1; j++) {	// 遍历两行dfs(grid, visited, 0, j);dfs(grid, visited, grid.size() - 1, j);}for (int i = 1; i < grid.size() - 1; i++) {	// 遍历行for (int j = 1; j < grid[0].size() - 1; j++) {	// 遍历列if (grid[i][j] == 1 && !visited[i][j]) Area++;	// 深度优先搜索，将连接的陆地都标记上true}}return Area;}
};

复杂度分析：

  • 时间复杂度： O ( m × n ) O(m \times n) O(m×n)，其中 m m m和 n n n分别是岛屿数组的行数和列数。
  • 空间复杂度： O ( m × n ) O(m \times n) O(m×n)，主要是栈的调用，最坏情况下，网格全是陆地，深度优先搜索的深度达到 m × n m \times n m×n。

二、130、被围绕的区域

在这里插入图片描述
在这里插入图片描述

  思路分析：本题需要求将飞地改成‘X’。那么一个思路就是沿着网格边界搜索一遍，找到所有的‘O’并标记，表示这些‘O’不是飞地。然后，再将网格数组中的所有未标记过的‘O’改成‘X’即可。按照这样的思路需要一个额外的visited数组来标记‘O’，造成额外开销。实际上我们只需要区别标记过的‘O’（挨着边界的陆地）和未标记的‘O’（飞地），将标记过的‘O’改成其他字符即可（例如‘A’或者‘B’或者其他任意一个字符）。

  程序当中，先沿着边界遍历挨着边界的陆地，都改成‘A’。然后遍历边界以外的网格点，碰见‘O’就必然是飞地，将其改成‘X’。最后再将‘A’变回‘O’。

  程序如下：

// 130、被围绕的区域-深度优先搜索
class Solution2 {
private:vector<vector<int>> delta_x_y = { {0, -1}, {0, 1}, {-1, 0}, {1, 0} };	// 上下左右四个方向的偏移量void dfs(vector<vector<char>>& board, int x, int y) {	// 1、递归输入参数// 2、终止条件 遇到海水或者越界,遇到遍历过的陆地if (x < 0 || x >= board.size() || y < 0 || y >= board[0].size() || board[x][y] == 'X' || board[x][y] == 'A') return;board[x][y] = 'A';// 3、单层递归逻辑for (int i = 0; i < 4; i++) {int nextx = x + delta_x_y[i][0];int nexty = y + delta_x_y[i][1];dfs(board, nextx, nexty);}}
public:void solve(vector<vector<char>>& board) {vector<vector<bool>> visited = vector<vector<bool>>(board.size(), vector<bool>(board[0].size(), false));	// 遍历过的坐标// 遍历最外面的一圈，找到挨着边界的陆地for (int i = 0; i < board.size(); i++) {		// 遍历外圈的两列if (board[i][0] == 'O') dfs(board, i, 0);if (board[i][board[0].size() - 1] == 'O') dfs(board, i, board[0].size() - 1);}for (int j = 1; j < board[0].size() - 1; j++) {	// 遍历外圈的两行if (board[0][j] == 'O') dfs(board, 0, j);if (board[board.size() - 1][j] == 'O') dfs(board, board.size() - 1, j);}// 遍历除边界以外的格点for (int i = 0; i < board.size(); i++) {	// 遍历行for (int j = 0; j < board[0].size(); j++) {	// 遍历列if (board[i][j] == 'O') board[i][j] = 'X';	// 删除飞地if (board[i][j] == 'A') board[i][j] = 'O';	// 还原'O'}}}
};

复杂度分析：

  • 时间复杂度： O ( m × n ) O(m \times n) O(m×n)，其中 m m m和 n n n分别是网格数组的行数和列数。
  • 空间复杂度： O ( m × n ) O(m \times n) O(m×n)，主要是栈的调用。最坏情况下，网格全是‘O’，深度优先搜索的深度达到 m × n m \times n m×n。

三、完整代码

# include <iostream>
# include <vector>
# include <string>
using namespace std;// 1020、飞地的数量-深度优先搜索
class Solution {
private:int Area = 0;vector<vector<int>> delta_x_y = { {0, -1}, {0, 1}, {-1, 0}, {1, 0} };	// 上下左右四个方向的偏移量void dfs(vector<vector<int>>& grid, vector<vector<bool>>& visited, int x, int y) {	// 1、递归输入参数// 2、终止条件 访问过或者遇到海水，又或者越界if (x < 0 || x >= grid.size() || y < 0 || y >= grid[0].size() || visited[x][y] || grid[x][y] == 0) return;  // 越界了，直接跳过visited[x][y] = true;//grid[x][y] = 0;		// 可以省略// 3、单层递归逻辑for (int i = 0; i < 4; i++) {int nextx = x + delta_x_y[i][0];int nexty = y + delta_x_y[i][1];			 dfs(grid, visited, nextx, nexty);}}
public:int numEnclaves(vector<vector<int>>& grid) {vector<vector<bool>> visited = vector<vector<bool>>(grid.size(), vector<bool>(grid[0].size(), false));	// 遍历过的坐标// 遍历最外面的一圈for (int i = 0; i < grid.size(); i++) {		// 遍历外圈的两列dfs(grid, visited, i, 0);dfs(grid, visited, i, grid[0].size() - 1);}for (int j = 1; j < grid[0].size() - 1; j++) {	// 遍历外圈的两行dfs(grid, visited, 0, j);dfs(grid, visited, grid.size() - 1, j);}for (int i = 1; i < grid.size() - 1; i++) {	// 遍历行for (int j = 1; j < grid[0].size() - 1; j++) {	// 遍历列if (grid[i][j] == 1 && !visited[i][j]) Area++;	// 深度优先搜索，将连接的陆地都标记上true}}return Area;}
};// 130、被围绕的区域-深度优先搜索
class Solution2 {
private:vector<vector<int>> delta_x_y = { {0, -1}, {0, 1}, {-1, 0}, {1, 0} };	// 上下左右四个方向的偏移量void dfs(vector<vector<char>>& board, int x, int y) {	// 1、递归输入参数// 2、终止条件 遇到海水或者越界,遇到遍历过的陆地if (x < 0 || x >= board.size() || y < 0 || y >= board[0].size() || board[x][y] == 'X' || board[x][y] == 'A') return;board[x][y] = 'A';// 3、单层递归逻辑for (int i = 0; i < 4; i++) {int nextx = x + delta_x_y[i][0];int nexty = y + delta_x_y[i][1];dfs(board, nextx, nexty);}}
public:void solve(vector<vector<char>>& board) {vector<vector<bool>> visited = vector<vector<bool>>(board.size(), vector<bool>(board[0].size(), false));	// 遍历过的坐标// 遍历最外面的一圈，找到挨着边界的陆地for (int i = 0; i < board.size(); i++) {		// 遍历外圈的两列if (board[i][0] == 'O') dfs(board, i, 0);if (board[i][board[0].size() - 1] == 'O') dfs(board, i, board[0].size() - 1);}for (int j = 1; j < board[0].size() - 1; j++) {	// 遍历外圈的两行if (board[0][j] == 'O') dfs(board, 0, j);if (board[board.size() - 1][j] == 'O') dfs(board, board.size() - 1, j);}// 遍历除边界以外的格点for (int i = 0; i < board.size(); i++) {	// 遍历行for (int j = 0; j < board[0].size(); j++) {	// 遍历列if (board[i][j] == 'O') board[i][j] = 'X';	// 删除飞地if (board[i][j] == 'A') board[i][j] = 'O';	// 还原'O'}}}
};void my_print(vector<vector<char>> board, string message) {cout << message << endl;for (vector<vector<char>>::iterator it = board.begin(); it != board.end(); it++) {for (vector<char>::iterator jt = (*it).begin(); jt != (*it).end(); jt++) {cout << *jt << " ";}cout << endl;}
}int main() {// // 1020、飞地的数量-深度优先搜索-测试案例//vector<vector<int>> grid = { {0, 0, 0, 0}, { 1, 0, 1, 0 }, { 0, 1, 1, 0 }, { 0, 0, 0, 0 } };//Solution s1;//int result = s1.numEnclaves(grid);//cout << result << endl;// 130、被围绕的区域-深度优先搜索-测试案例vector<vector<char>> board = { {'X', 'X', 'X', 'X'}, {'X', 'O', 'O', 'X'}, {'X', 'X', 'O', 'X'}, {'X', 'O', 'X', 'X'} };my_print(board, "替换前：");Solution2 s1;s1.solve(board);my_print(board, "替换后：");system("pause");return 0;
}

end

这篇关于【算法与数据结构】1020、130、LeetCode飞地的数量 被围绕的区域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/736085。

相关文章

C#数据结构之字符串(string)详解

C#数据结构之字符串(string)详解

《C#数据结构之字符串(string)详解》：本文主要介绍C#数据结构之字符串(string),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... 目录转义字符序列字符串的创建字符串的声明null字符串与空字符串重复单字符字符串的构造字符串的属性和常用方法属性常用方法总结摘
阅读更多...
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

《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.
阅读更多...
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

《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
阅读更多...
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

《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.
阅读更多...
golang字符串匹配算法解读

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
阅读更多...
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

《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
阅读更多...
Go语言中三种容器类型的数据结构详解

Go语言中三种容器类型的数据结构详解

《Go语言中三种容器类型的数据结构详解》在Go语言中,有三种主要的容器类型用于存储和操作集合数据：本文主要介绍三者的使用与区别,感兴趣的小伙伴可以跟随小编一起学习一下... 目录基本概念1. 数组（Array）2. 切片（Slice）3. 映射（Map）对比总结注意事项基本概念在 Go 语言中，有三种主要
阅读更多...
Python中的随机森林算法与实战

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
阅读更多...
哈希leetcode-1

哈希leetcode-1

目录 1前言 2.例题  2.1两数之和 2.2判断是否互为字符重排 2.3存在重复元素1 2.4存在重复元素2 2.5字母异位词分组 1前言 哈希表主要是适合于快速查找某个元素（O(1)） 当我们要频繁的查找某个元素，第一哈希表O(1)，第二，二分O(log n) 一般可以分为语言自带的容器哈希和用数组模拟的简易哈希。 最简单的比如数组模拟字符存储，只要开26个c
阅读更多...
不懂推荐算法也能设计推荐系统

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
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2