【Py/Java/C++三种语言OD2023C卷真题】20天拿下华为OD笔试之【回溯】2023C-找到它【欧弟算法】全网注释最详细分类最全的华为OD真题题解

2024-04-12 06:28
文章标签 java 算法 c++ 全网 笔试 分类 三种 华为 py 真题 注释 20 题解 回溯 最全 od 拿下 欧弟 od2023c 2023c

本文主要是介绍【Py/Java/C++三种语言OD2023C卷真题】20天拿下华为OD笔试之【回溯】2023C-找到它【欧弟算法】全网注释最详细分类最全的华为OD真题题解，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！

有LeetCode算法/华为OD考试扣扣交流群可加 948025485
可上全网独家的 欧弟OJ系统 练习华子OD、大厂真题
绿色聊天软件戳 od1336了解算法冲刺训练

文章目录

  • 题目描述与示例
    • 题目描述
    • 输入描述
    • 输出描述
    • 示例一
      • 输入
      • 输出
    • 示例二
      • 输入
      • 输出
  • 解题思路
    • 状态更新和回滚写在横向遍历for循环内的回溯写法
    • 状态更新和回滚写在横向遍历for循环外的回溯写法
  • 代码
    • python
    • java
    • cpp
    • 时空复杂度
  • 华为OD算法/大厂面试高频题算法练习冲刺训练

题目描述与示例

题目描述

找到它是个小游戏，你需要在一个矩阵中找到给定的单词 假设给定单词HELLOWORLD，在矩阵中只要能找HELLOWORLD就算通过 注意区分英文字母大小写，并且你只能上下左右行走，不能走回头路

输入描述

输入第一行包含两个整数N M (0 < N, M < 21) 分别表示N行M列的矩阵 第二行是长度不超过100的单词W 在整个矩阵中给定单词W只会出现一次 从第3行到第N+2是只包含大小写英文字母的长度为M的字符串矩阵

输出描述

如果能在矩阵中连成给定的单词，则输出给定单词首字母在矩阵中的位置为第几行第几列 否则输出 NO

示例一

输入

5 5
HELLOWORLD
CPUCY
EKLQH
CHELL
LROWO
DGRBC

输出

3 2

示例二

输入

5 5
Helloworld
CPUCh
wolle
orldO
EKLQo
PGRBC

输出

NO

解题思路

注意，本题和LeetCode79. 单词搜索几乎完全一致，唯一的区别在于前者只要求判断是否能够找到该单词，本题还需要输出起始位置。

状态更新和回滚写在横向遍历for循环内的回溯写法

我们需要思考的是，对于这种二维网格如何进行回溯？换句话说，如何构建回溯函数？

在回溯过程中我们需要知道以下信息：

  1. 当前进行到了单词中的哪一个字符？
  2. 当前在网格中搜索到了哪一个位置？
  3. 由于网格中的字符不能重复使用，那么哪一些字符是已经使用过的？
  4. 是否已经在网格中找到了这个单词？

对于第一点，我们的回溯函数中需要存在参数word_idx，来表示待搜索的单词此时遍历到的索引位置。

对于第二点，我们的回溯函数需要传入当前搜索的点的位置(x, y)

对于第三点，这个在二维网格类型的搜索问题中是非常常用的技巧，即构建一个大小和grid一样的check_list

对于第四点，我们可以直接声明一个全局变量isFind来表示是否已经找到该单词

除了这些参数之外，我们还需要传入二维矩阵grid本身，它的大小N和M等等。

容易构建出回溯函数如下

DIRECTIONS = [(0,1), (1,0), (-1,0), (0,-1)]def backtracking(grid, N, M, check_list, x, y, word, word_idx):global isFindif word_idx == len(word) - 1:isFind = Truereturnfor dx, dy in DIRECTIONS:nx, ny = x+dx, y+dyif (0 <= nx < len(grid) and 0 <= ny < len(grid[0]) and check_list[nx][ny] == False and grid[nx][ny] == word[word_idx+1]):check_list[nx][ny] = Truebacktracking(grid, N, M, check_list, nx, ny, word, word_idx+1)check_list[nx][ny] = False

容易发现，此处回溯函数的写法，和我们用DFS做二维网格搜索类型的题目是非常类似的。

换句话说，在当前点(x, y)的近邻点上下左右四个方向的选取的这个for循环，实际上就对应着回溯过程中状态树的横向遍历。

和常规DFS解法的区别在于，我们现在搜索的是一条路径，所以我们需要在递归调用backtracking()函数的前后，进行check_list[nx][ny]的状态更新和回滚，来表示近邻点(nx, ny)已经被使用过以及回滚之后再次可以被使用的情况。

在递归调用回溯函数的时候，我们需要将下一个点(nx, ny)以及word的下一个字符索引word_idx+1传入函数中。

回溯的终止条件也非常简单，就是当word_idx已经等于len(word)-1了，说明整个word的所有字符都能够在二维网格中找到，那么修改isFind为True，同时退出搜索。

而递归入口则需要这样调用

isFind = False
check_list = [[False] * M for _ in range(N)]for i in range(N):for j in range(M):if grid[i][j] == word[0]:check_list[i][j] = Truebacktracking(grid, N, M, check_list, i, j, word, 0)check_list[i][j] = Falseif isFind:print("{} {}".format(i+1, j+1))breakif isFind:break

注意到，由于在回溯函数中修改check_list始终是对(nx, ny)进行修改，所以我们在做起始点搜索的双重循环的时候，在递归函数入口处，需要对起始点(i, j)额外地进行check_list的状态更新和回滚。

状态更新和回滚写在横向遍历for循环外的回溯写法

如果你想直接修改check_list[x][y]而不是修改check_list[nx][ny]，那么回溯函数也可以改成这样

DIRECTIONS = [(0,1), (1,0), (-1,0), (0,-1)]def backtracking(grid, N, M, check_list, x, y, word, word_idx):global isFindif word_idx == len(word) - 1:isFind = Truereturncheck_list[x][y] = Truefor dx, dy in DIRECTIONS:nx, ny = x+dx, y+dyif (0 <= nx < len(grid) and 0 <= ny < len(grid[0]) and check_list[nx][ny] == False and grid[nx][ny] == word[word_idx+1]):backtracking(grid, N, M, check_list, nx, ny, word, word_idx+1)check_list[x][y] = False

这样就跟常规的DFS解法更加接近，但和常规的回溯题目的相似性就没那么高了。

因为状态更新和回滚写在了横向遍历for循环的外部。

对应的，由于此处状态的是(x, y)而非(nx, ny)，那么在递归入口处就可以不用单独进行(i, j)的更新了。即递归入口可以写为

isFind = False
check_list = [[False] * M for _ in range(N)]for i in range(N):for j in range(M):if grid[i][j] == word[0]:backtracking(grid, N, M, check_list, i, j, word, 0)if isFind:print("{} {}".format(i+1, j+1))breakif isFind:break

代码

python

# 题目：2023B-找到它
# 分值：200
# 作者：许老师-闭着眼睛学数理化
# 算法：回溯
# 代码看不懂的地方，请直接在群上提问# 全局的方向数组，表示上下左右移动四个方向
DIRECTIONS = [(0,1), (1,0), (-1,0), (0,-1)]# 构建回溯函数，各个参数的含义为
# grid：         原二维矩阵
# N,M：          原二维矩阵的行数、列数
# check_list：   大小和grid一样的检查列表，用于判断某个点是否已经检查过
# x,y：          当前在grid中的点的坐标
# word：         待搜索的单词
# word_idx：     待搜索的单词此时遍历到的索引位置
def backtracking(grid, N, M, check_list, x, y, word, word_idx):# 声明全局变量isFindglobal isFind# 若此时word_idx等于word的长度-1# 说明word中的所有字母都在grid中找到了# 修改isFind为True，同时终止递归if word_idx == len(word) - 1:isFind = Truereturn# 遍历四个方向，获得点(x,y)的近邻点(nx,ny)for dx, dy in DIRECTIONS:nx, ny = x+dx, y+dy# (nx,ny)必须满足以下三个条件，才可以继续进行回溯函数的递归调用# 1. 不越界；2. 尚未检查过；# 3.在grid中的值grid[nx][ny]为word的下一个字符word[word_idx+1]if 0 <= nx < len(grid) and 0 <= ny < len(grid[0]) and check_list[nx][ny] == False and grid[nx][ny] == word[word_idx+1]:# 状态更新，将点(nx,ny)在check_list中的状态更新为Truecheck_list[nx][ny] = True# 回溯，将点(nx,ny)传入回溯函数中，注意此时word_idx需要+1backtracking(grid, N, M, check_list, nx, ny, word, word_idx+1)# 回滚，将点(nx,ny)在check_list中的状态重新修改回Falsecheck_list[nx][ny] = False# 输入行数和列数
N, M = map(int, input().split())
# 输入待查找的单词
word = input()
# 构建二维网格
grid = list()
for _ in range(N):grid.append(input())# 构建全局变量isFind，初始化为False
isFind = False
# 构建大小和grid一样的检查数组check_list
# 用于避免出现重复检查的情况
check_list = [[False] * M for _ in range(N)]
# 双重遍历整个二维网格grid
for i in range(N):for j in range(M):# 找到点(i,j)等于word的第一个字母# 则点(i,j)可以作为递归的起始位置if grid[i][j] == word[0]:# 将点(i,j)在check_list中设置为已检查过check_list[i][j] = True# 回溯函数递归入口backtracking(grid, N, M, check_list, i, j, word, 0)# 将点(i,j)在check_list中重置为未检查过，因为本次回溯不一定找到答案check_list[i][j] = False# 如果在回溯中，全局变量isFind被改为True，说明找到了单词if isFind:# 输出行数和列数，注意在问题中行数和列数是从1开始计数的# 所以存在一个+1操作print("{} {}".format(i+1, j+1))# 同时可以直接退出循环breakif isFind:breakif not isFind:print("NO")

java

import java.util.Scanner;public class Main {// Global directions array to represent four directions: up, down, left, rightprivate static final int[][] DIRECTIONS = {{0, 1}, {1, 0}, {-1, 0}, {0, -1}};private static boolean isFind = false;public static void main(String[] args) {Scanner scanner = new Scanner(System.in);int N = scanner.nextInt();int M = scanner.nextInt();scanner.nextLine(); // Consume newlineString word = scanner.nextLine();char[][] grid = new char[N][M];for (int i = 0; i < N; i++) {String row = scanner.nextLine();for (int j = 0; j < M; j++) {grid[i][j] = row.charAt(j);}}boolean[][] checkList = new boolean[N][M];for (int i = 0; i < N; i++) {for (int j = 0; j < M; j++) {if (grid[i][j] == word.charAt(0)) {checkList[i][j] = true;backtracking(grid, N, M, checkList, i, j, word, 0);checkList[i][j] = false;if (isFind) {System.out.println((i + 1) + " " + (j + 1));return;}}}}if (!isFind) {System.out.println("NO");}}private static void backtracking(char[][] grid, int N, int M, boolean[][] checkList, int x, int y, String word, int wordIdx) {if (wordIdx == word.length() - 1) {isFind = true;return;}for (int[] dir : DIRECTIONS) {int nx = x + dir[0];int ny = y + dir[1];if (nx >= 0 && nx < N && ny >= 0 && ny < M && !checkList[nx][ny] && grid[nx][ny] == word.charAt(wordIdx + 1)) {checkList[nx][ny] = true;backtracking(grid, N, M, checkList, nx, ny, word, wordIdx + 1);checkList[nx][ny] = false;}}}
}

cpp

#include <iostream>
#include <vector>using namespace std;// Global directions array to represent four directions: up, down, left, right
const vector<pair<int, int>> DIRECTIONS = {{0, 1}, {1, 0}, {-1, 0}, {0, -1}};
bool isFind = false;// Backtracking function
void backtracking(vector<vector<char>>& grid, int N, int M, vector<vector<bool>>& checkList, int x, int y, string& word, int wordIdx) {if (wordIdx == word.length() - 1) {isFind = true;return;}for (const auto& dir : DIRECTIONS) {int nx = x + dir.first;int ny = y + dir.second;if (nx >= 0 && nx < N && ny >= 0 && ny < M && !checkList[nx][ny] && grid[nx][ny] == word[wordIdx + 1]) {checkList[nx][ny] = true;backtracking(grid, N, M, checkList, nx, ny, word, wordIdx + 1);checkList[nx][ny] = false;}}
}int main() {int N, M;cin >> N >> M;string word;cin >> word;vector<vector<char>> grid(N, vector<char>(M));for (int i = 0; i < N; i++) {for (int j = 0; j < M; j++) {cin >> grid[i][j];}}vector<vector<bool>> checkList(N, vector<bool>(M, false));for (int i = 0; i < N; i++) {for (int j = 0; j < M; j++) {if (grid[i][j] == word[0]) {checkList[i][j] = true;backtracking(grid, N, M, checkList, i, j, word, 0);checkList[i][j] = false;if (isFind) {cout << i + 1 << " " << j + 1 << endl;return 0;}}}}if (!isFind) {cout << "NO" << endl;}return 0;
}

时空复杂度

时间复杂度：O(NM3^L)。其中L为单词word的长度，这是一个比较宽松的上界，回溯过程中每一个点都最多有三个分支可以进入。

空间复杂度：O(NM)。check_list所占空间。

华为OD算法/大厂面试高频题算法练习冲刺训练

  • 华为OD算法/大厂面试高频题算法冲刺训练目前开始常态化报名！目前已服务300+同学成功上岸！

  • 课程讲师为全网50w+粉丝编程博主@吴师兄学算法 以及小红书头部编程博主@闭着眼睛学数理化

  • 每期人数维持在20人内，保证能够最大限度地满足到每一个同学的需求，达到和1v1同样的学习效果！

  • 60+天陪伴式学习，40+直播课时，300+动画图解视频，300+LeetCode经典题，200+华为OD真题/大厂真题，还有简历修改、模拟面试、专属HR对接将为你解锁

  • 可上全网独家的欧弟OJ系统练习华子OD、大厂真题

  • 可查看链接 大厂真题汇总 & OD真题汇总(持续更新)

  • 绿色聊天软件戳 od1336了解更多

这篇关于【Py/Java/C++三种语言OD2023C卷真题】20天拿下华为OD笔试之【回溯】2023C-找到它【欧弟算法】全网注释最详细分类最全的华为OD真题题解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/896354。

相关文章

JVM 的类初始化机制

JVM 的类初始化机制

前言 当你在 Java 程序中new对象时，有没有考虑过 JVM 是如何把静态的字节码（byte code）转化为运行时对象的呢，这个问题看似简单，但清楚的同学相信也不会太多，这篇文章首先介绍 JVM 类初始化的机制，然后给出几个易出错的实例来分析，帮助大家更好理解这个知识点。 JVM 将字节码转化为运行时对象分为三个阶段，分别是：loading 、Linking、initialization
阅读更多...
Spring Security 基于表达式的权限控制

Spring Security 基于表达式的权限控制

前言 spring security 3.0已经可以使用spring el表达式来控制授权，允许在表达式中使用复杂的布尔逻辑来控制访问的权限。 常见的表达式 Spring Security可用表达式对象的基类是SecurityExpressionRoot。 表达式描述hasRole([role])用户拥有制定的角色时返回true （Spring security默认会带有ROLE_前缀）,去
阅读更多...
浅析Spring Security认证过程

浅析Spring Security认证过程

类图 为了方便理解Spring Security认证流程，特意画了如下的类图，包含相关的核心认证类 概述 核心验证器 AuthenticationManager 该对象提供了认证方法的入口，接收一个Authentiaton对象作为参数; public interface AuthenticationManager {Authentication authenticate(Authenti
阅读更多...
Spring Security--Architecture Overview

Spring Security--Architecture Overview

1 核心组件 这一节主要介绍一些在Spring Security中常见且核心的Java类，它们之间的依赖，构建起了整个框架。想要理解整个架构，最起码得对这些类眼熟。 1.1 SecurityContextHolder SecurityContextHolder用于存储安全上下文（security context）的信息。当前操作的用户是谁，该用户是否已经被认证，他拥有哪些角色权限…这些都被保
阅读更多...
Spring Security基于数据库验证流程详解

Spring Security基于数据库验证流程详解

Spring Security 校验流程图 相关解释说明（认真看哦） AbstractAuthenticationProcessingFilter 抽象类 /*** 调用 #requiresAuthentication(HttpServletRequest, HttpServletResponse) 决定是否需要进行验证操作。* 如果需要验证，则会调用 #attemptAuthentica
阅读更多...
Spring Security 从入门到进阶系列教程

Spring Security 从入门到进阶系列教程

Spring Security 入门系列 《保护 Web 应用的安全》 《Spring-Security-入门（一）：登录与退出》 《Spring-Security-入门（二）：基于数据库验证》 《Spring-Security-入门（三）：密码加密》 《Spring-Security-入门（四）：自定义-Filter》 《Spring-Security-入门（五）：在 Sprin
阅读更多...
Java架构师知识体认识

Java架构师知识体认识

源码分析 常用设计模式 Proxy代理模式Factory工厂模式Singleton单例模式Delegate委派模式Strategy策略模式Prototype原型模式Template模板模式 Spring5 beans 接口实例化代理Bean操作 Context Ioc容器设计原理及高级特性Aop设计原理Factorybean与Beanfactory Transaction 声明式事物
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...
基于人工智能的图像分类系统

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务，目标是自动识别图像中的对象类别。通过卷积神经网络（CNN）等深度学习技术，我们可以构建高效的图像分类系统，广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统，包括环境
阅读更多...
python: 多模块(.py)中全局变量的导入

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别： 当你在一个模块（文件）中使用 global 声明变量时，这个变量只在该模块的全局命名空
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2