【leetcode+深度/广度优先搜索】841. 钥匙和房间 (DFS,BFS)

leetcode-cn:leetcode面试75道精华:https://leetcode.cn/studyplan/leetcode-75/
841.钥匙和房间:https://leetcode.cn/problems/keys-and-rooms/description/

在这里插入图片描述

一、题目:841. 钥匙和房间

有 n 个房间,房间按从 0 到 n - 1 编号。最初,除 0号房间外的其余所有房间都被锁住。 你的目标是进入所有的房间。然而,你不能在没有获得钥匙的时候进入锁住的房间。

当你进入一个房间,你可能会在里面找到一套不同的钥匙,每把钥匙上都有对应的房间号,即表示钥匙可以打开的房间。你可以拿上所有钥匙去解锁其他房间。

给你一个数组 rooms 其中 rooms[i] 是你进入 i 号房间可以获得的钥匙集合。如果能进入 所有 房间返回 true,否则返回

示例

示例 1: 输入:rooms = [[1],[2],[3],[]] 输出:true 解释: 我们从 0 号房间开始,拿到钥匙 1。
之后我们去 1 号房间,拿到钥匙 2。 然后我们去 2 号房间,拿到钥匙 3。 最后我们去了 3 号房间。
由于我们能够进入每个房间,我们返回 true。

示例 2: 输入:rooms = [[1,3],[3,0,1],[2],[0]] 输出:false 解释:我们不能进入 2 号房间。

提示:

n == rooms.length
2 <= n <= 1000
0 <= rooms[i].length <= 1000
1 <=sum(rooms[i].length) <= 3000
0 <= rooms[i][j] < n
所有 rooms[i] 的值 互不相同

解法1:深度优先搜索 (DFS, Depth First Search)

深度优先搜索(DFS)(算法笔记):https://blog.csdn.net/Arabot_/article/details/129702049

深度优先搜索属于搜索问题的一种,当问题可以被描述为“路径搜索”时,就可以采用搜素问题的所有解的方式来进行解决,所以DFS本质还是暴力

深度搜索具有两个关键词,即“岔道口”和“死胡同”,这两个词来源于迷宫问题,这也是搜索问题最原始的表现。
当碰到岔道口时(一次多个选择时),总是以“深度”作为前进的关键词,不碰到死胡同就不回头,因此被称为“深搜”。
深搜适合于求解需要**遍历所有解或路径的问题**,并且剪枝很重要。
深搜和广搜在数据结构中的应用就是对非线性存储结构进行遍历。
搜索和分治是两大分析问题的方法,而回溯、剪枝、动态规划可以说是对深度搜索和分治算法进行优化。

思路 (常用递归)

from https://leetcode.cn/problems/keys-and-rooms/solutions/18826/7xing-dfs-8xing-bfs-liang-chong-fang-fa-san-chong-

  1. 先找第 0 个房间的第一个钥匙
  2. 进入那个房间,再找它的第一个钥匙 重复以往,直到没钥匙了,
  3. 那么退回当前房间 ,找到房间的第二把钥匙,如果该房间没有,则返回上一间房间 ,重复以往

递归调用函数的
在这里插入图片描述

python代码

class Solution:def canVisitAllRooms(self, rooms: List[List[int]]) -> bool:# 抽象# 一个数字就是一个房间,以及二维数组中数据,也可以通用理解为节点序号# set add remove 添加删除原始# set1.union(set2)   并集# set1.intersection(set2) 交集# 如果没有返回,程序自动返回继续执行# nonlocal 关键字用于在嵌套函数中声明一个变量不属于本地作用域,# 它指向的是上一层函数的局部变量。这意味着你可以在嵌套函数中修改外部函数的变量。def dps(x):vist.add(x)for key in rooms[x]:if key not in vist:dps(key)vist=set()dps(0)num_rooms=len(rooms)return  len(vist)==num_rooms
python多级嵌套函数如何理解?

嵌套函数可以访问其外部函数的变量和参数,这是一种封装和组织代码的方式

 def canVisitAllRooms(self, rooms: List[List[int]]) -> bool:def dfs(x: int):vist.add(x)vist=set()
python set 和list 数据结构有什么区别?
vist=set()
# 或 vist={0}

Python 中的 set 和 list 是两种不同的数据结构,它们在元素操作方面有一些显著的区别:

  1. 元素唯一性:
    set:集合中的元素是唯一的,不允许重复
    list:列表中的元素可以重复,没有唯一性要求。

  2. 元素顺序:
    set:集合中的元素是无序的,不能通过索引访问元素。
    list:列表中的元素是有序的,可以通过索引访问和操作元素。

  3. 性能:
    set:由于集合使用哈希表实现,因此在查找、添加和删除元素时通常具有较高的性能。
    list:列表的查找和删除操作(特别是对于大量元素)可能比集合慢,因为它们需要遍历整个列表。

  4. 元素操作:
    set:
    添加元素:使用 add() 方法。
    删除元素:使用 remove()(如果元素不存在会引发错误)或 discard()(如果元素不存在也不会引发错误)方法。
    交集、并集、差集等操作:使用 intersection(), union(), difference() 等方法。

list:
添加元素:使用 append() 方法或 insert() 方法。
删除元素:使用 remove() 方法(删除第一个匹配的元素)或 pop() 方法(删除指定索引处的元素)。
排序、反转等操作:使用 sort(), reverse() 等方法。

解法2 : 广度优先搜索 (BFS)

https://leetcode.cn/problems/keys-and-rooms/solutions/18826/7xing-dfs-8xing-bfs-liang-chong-fang-fa-san-chong-

  1. 首先,建立一个登记表(python中用双向队列或者list实现),把 0 号房间的所有钥匙都依次记录,
  2. 然后删除0号房间在登记表(队列)记录,同时用一个visited表(set)记录已经去过的房间,防止重复登记
  3. 进入队列记录表中最早登记的房间(X号房间),结合(visited表)进行登记,去过的就不登记到队列记录表,登记完钥匙后,删除x号房间的记录
  4. 继续按按队列登记表的房间进入查找、登记,直到队列登记表没有要去的房间,表示所有能打开的房间都检查完了,
  5. 最后根据(visited表)房间的数量与已知房间数量对比,得出能否打开所有的房间(len(visited)==len(rooms))

BFS的python代码

其中 collections.deque() # 创建一个空队列,这个是双向的队列

class Solution:def canVisitAllRooms(self, rooms: List[List[int]]) -> bool:queue=collections.deque()  # 创建一个空队列,这个是双向的队列# 先将第0号房间添加到检查列表queue.extend(rooms[0])visited={0}  # 已经去过的房间while(len(queue)!=0):search_room_id=queue.pop() #  移除并返回队列的右端元素visited.add(search_room_id)for key in rooms[search_room_id]:if key not in visited:  # 获得钥匙是否去过,非常重要,否则会反复去queue.append(key)print(visited,num_room)return  len(visited)==len(rooms)
python双向队列deque的操作方法
append(x)    在队列的**右端**添加一个元素。
appendleft(x)  在队列的**左端**添加一个元素。extend(iterable) 在队列的右端添加多个元素,其中 iterable 可以是列表、集合或任何迭代器。
extendleft(iterable),在队列的左端添加多个元素,iterable 中的元素会被逆序添加到队列中。pop()   **移除并返回**队列的右端元素。
popleft()  移除并返回队列的左端元素。
remove(value)  移除队列中第一个匹配的 value 元素
clear()移除队列中的所有元素。count(x)计算队列中元素 x 出现的次数。
reverse()  将队列中的元素反转。
copy()  创建并返回队列的一个浅拷贝。index(x, start=0, stop=sys.maxsize)返回找到的第一个 x 元素的索引,索引范围从 start 到 stop。
insert(i, x)  在队列的指定位置 i 插入元素 x。如果插入会导致 deque 超过 maxlen 的限制,则会引发 IndexError。

具体操作

# 使用 extendleft 方法在队列头部添加列表中的所有元素
queue.extendleft(list_elements)print("队列的内容:", list(queue))

二、 巩固:547. 省份数量 (分类)

https://leetcode.cn/problems/number-of-provinces/description/?envType=study-plan-v2&envId=leetcode-75
有 n 个城市,其中一些彼此相连,另一些没有相连。如果城市 a 与城市 b 直接相连,且城市 b 与城市 c 直接相连,那么城市 a 与城市 c 间接相连。

省份 是一组直接或间接相连的城市,组内不含其他没有相连的城市。

给你一个 n x n 的矩阵 isConnected ,其中 isConnected[i][j] = 1 表示第 i 个城市和第 j 个城市直接相连,而 isConnected[i][j] = 0 表示二者不直接相连。

返回矩阵中 省份 的数量
在这里插入图片描述

算法-深度优先

思路:
对于每个城市,如果该城市尚未被访问过,则从该城市开始深度优先搜索,通过矩阵 isConnected 得到与该城市直接相连的城市有哪些,这些城市和该城市属于同一个连通分量,然后对这些城市继续深度优先搜索,直到同一个连通分量的所有城市都被访问到,即可得到一个省份。
遍历完全部城市以后,即可得到连通分量的总数,即省份的总数。

链接:https://leetcode.cn/problems/number-of-provinces/solutions/549895/sheng-fen-shu-liang-by-leetcode-solution-eyk0/

class Solution:def findCircleNum(self, isConnected: List[List[int]]) -> int:visited=set()def dfs(city_id):visited.add(city_id)for j in range(0,len(isConnected)):if j not in visited and  isConnected[city_id][j] == 1:dfs(j)count=0# 每次迭代,就把把一个省的城市找完for i in range(len(isConnected)):# 检查过的城市不用去了if  i not in visited:count+=1dfs(i)return count

其他题 (DPS/ BPS)

.1466. 重新规划路线
. 994 发烂的橘子 :https://leetcode.cn/problems/rotting-oranges

附录

原题

在这里插入图片描述

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.mzph.cn/news/746452.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

一对多文件传输该如何优化?

在数字化转型的浪潮中&#xff0c;企业对高效、安全的一对多文件传输需求日益增长。传统的文件传输方式&#xff0c;如纸质文件、电子邮件和FTP等&#xff0c;虽然在某些场景下仍然发挥作用&#xff0c;但在处理大规模、高频率的数据传输时&#xff0c;它们的局限性逐渐显现。本…

详细介绍Seq2Seq、Attention、Transformer !!

文章目录 前言 1、Seq2Seq工作原理 核心思想 工作原理 Encoder&#xff08;编码器&#xff09; Dncoder&#xff08;解码器&#xff09; 2、Attention工作原理 核心逻辑&#xff1a;从关注全部到关注重点 工作原理 Encoder&#xff08;编码器&#xff09; Decoder&#xff08;解…

vue实现微信自带浏览器分享(小卡片形式)

注意&#xff1a;只能在微信自带浏览器打开进行分享 1.图片效果 2.cdn引入weixin-js-sdk的依赖 在index.html中引入 <script src"https://res2.wx.qq.com/open/js/jweixin-1.6.0.js"></script>2.在assets/js文件夹中创建share.js文件 import axios fr…

springboot271制造装备物联及生产管理ERP系统

制造装备物联及生产管理ERP系统设计与实现 摘 要 传统办法管理信息首先需要花费的时间比较多&#xff0c;其次数据出错率比较高&#xff0c;而且对错误的数据进行更改也比较困难&#xff0c;最后&#xff0c;检索数据费事费力。因此&#xff0c;在计算机上安装制造装备物联及…

考研模拟面试-答案【攻略】

考研模拟面试-答案【攻略】 前言版权推荐考研模拟面试-答案前面的问题通用问题专业题数据结构计算机网络操作系统数据库网络安全 手写题数据结构操作系统计算机网络 代码题基础代码题其他代码题 后面的问题补充题目 基础代码题答案链栈循环队列1循环队列2哈希表 最后 前言 202…

Oracle基础-分组查询 备份

一、概述 数据分组的目的是用来汇总数据或为整个分组显示单行的汇总信息&#xff0c;通常在查询结果集中使用GROUP BY 子句对记录进行分组。在SELECT 语句中&#xff0c;GROUP BY 子句位于FROM 子句之后&#xff0c;语法格式&#xff1a; SELECT columns_list FROM table_nam…

【数据结构】二叉搜索树底层刨析

文章目录 1. 二叉搜索树的实现2. 二叉搜索树的应用3. 改造二叉搜索树为 KV 结构4. 二叉搜索树的性能分析 1. 二叉搜索树的实现 namespace key {template<class K>struct BSTreeNode{typedef BSTreeNode<K> Node;Node* _left;Node* _right;K _key;BSTreeNode(const…

工作中用到的 —— 工作总结提炼出来的股文

这里是目录 ---------------- VUE相关 -----------------1 - Vue3 是怎么得更快的&#xff1f;1-1 Fragment [frɡˈment]1-2 Suspense [səˈspens]1-3 Teleport [ˈtelipɔːt]1-4 v-memo 2- 说一下 Composition API3- 说一下 setup4- watch 和 watchEffect 的区别5- Vue3 响…

Sublime查看ANSI编码文档乱码问题

原因为没有安装对应的解码插件。 选择安装插件包 选择插件包&#xff1a;ConvertToUTF8或者GBK&#xff0c;我试了第一个插件包不行&#xff0c;安装GBK插件包后OK。

Git如何清除账户凭证

场景&#xff1a;一般发生在Git用户变更的情况 1.git base 操作 Git会使用凭证助手 credential.helper来储存账户凭证&#xff0c;通过以下命令移除&#xff1a; git config --system --unset credential.helper 除了system系统级外&#xff0c;还有 global、local范围。 查…

20万英文单词同义词宝典ACCESS\EXCEL数据库

英语同义词反义词的数据之前搞到过《近万英语单词同义词典ACCESS数据库》、《上百万英语同义反义词词典ACCESS数据库》&#xff0c;今天又搞到一份几十万行数据的&#xff0c;发上来看看有没有适合朋友们的需求。 今天这个数据提供了非常全的词汇单词以及词汇对应的含义以及近…

Spring揭秘:ClassPathScanningProvider接口应用场景及实现原理!

技术应用场景 ClassPathScanningCandidateComponentProvider是Spring框架中一个非常核心的类&#xff0c;它主要用于在类路径下扫描并发现带有特定注解的组件&#xff0c;支持诸如ComponentScan、Component、Service、Repository和Controller等注解的自动扫描和注册。 ClassP…

Mysql 无法启动,mysql-bin.日志丢失删除处理

在linux操作系统中&#xff0c;当mysql无法启动时候&#xff0c;先看日志 2024-03-15T05:20:16.352075Z 0 [Warning] [MY-000081] [Server] option max_allowed_packet: unsigned value 107374182400 adjusted to 1073741824. 2024-03-15T05:20:16.352156Z 0 [Warning] [MY-010…

Marshmallow,一个有点甜的Python库

前言 在许多场景中&#xff0c;我们常常需要执行Python对象的序列化、反序列化操作。例如&#xff0c;在开发REST API时&#xff0c;或者在进行一些面向对象化的数据加载和保存时&#xff0c;这一功能经常派上用场。 经常cv Python代码的臭宝&#xff0c;接触最多的应该是通过…

被军训到的两天

1.gradle7.6.1 1.安装gradle7.6.1,一定要注意的是&#xff0c;使用的JDK是否能用&#xff0c;比如gradle7.6.1用的是JDK11。 2. F:/sofer....是Gradle自己的仓库地址&#xff0c;注意不能和maven使用一样的仓库。 使用specified location,可以避免下本项目的gradle版本&…

ego - 人工智能原生 3D 模拟引擎——基于AI的3D引擎,可以做游戏、空间计算、元宇宙等项目

1. 产品概述:Ego是一款AI本地化的3D模拟引擎,旨在让非技术创作者通过自然语言生成逼真的角色、3D世界和交互式脚本。该平台提供了创建和分享游戏、虚拟世界和交互体验的功能。 2. 定位:Ego定位于解决开放世界游戏和模拟的三大难题:难以编写游戏脚本、非玩家角色无法展现人…

linux系统关闭防火墙和SELINUX及配置网络

一&#xff0c;关闭防火墙和SELINUX 当我们进入界面后&#xff0c;输入用户名root&#xff0c;以及密码&#xff0c;密码我们是看不见的 然后输入指令cat -n /etc/sysconfig/selinux &#xff08;注意空格&#xff09; 输入指令 vi /etc/sysconfig/selinux &#xf…

【Python】进阶学习:一文了解NotImplementedError的作用

【Python】进阶学习&#xff1a;一文了解NotImplementedError的作用 &#x1f308; 个人主页&#xff1a;高斯小哥 &#x1f525; 高质量专栏&#xff1a;Matplotlib之旅&#xff1a;零基础精通数据可视化、Python基础【高质量合集】、PyTorch零基础入门教程&#x1f448; 希望…

MongoDB实战面试指南:常见问题一网打尽

码到三十五 &#xff1a; 个人主页 心中有诗画&#xff0c;指尖舞代码&#xff0c;目光览世界&#xff0c;步履越千山&#xff0c;人间尽值得 ! MongoDB是一款流行的非关系型数据库&#xff0c;以其高效、可扩展的特性受到开发者的青睐。了解MongoDB的架构、存储引擎和数据结…

ETH共识升级之路

简介 根据我们之前的介绍&#xff0c;了解到ETH网络的共识方式&#xff0c;已经从 PoW 切换到了 PoS&#xff0c;今天我们就回顾下升级之路&#xff0c;以及升级带来的影响 最早的共识机制 PoW 以太坊创建之初采用了类似比特币的工作量证明机制&#xff0c;即矿工通过计算哈希函…