关注微信公众号 数据分析螺丝钉 免费领取价值万元的python/java/商业分析/数据结构与算法学习资料
在本篇文章中,我们将详细解读力扣第200题“岛屿数量”。通过学习本篇文章,读者将掌握如何使用深度优先搜索(DFS)和广度优先搜索(BFS)来解决这一问题,并了解相关的复杂度分析和模拟面试问答。每种方法都将配以详细的解释,以便于理解。
问题描述
力扣第200题“岛屿数量”描述如下:
给你一个由
'1'
(陆地)和'0'
(水)组成的的二维网格,请你计算网格中岛屿的数量。岛屿总是被水包围,并且每座岛屿只能由水平方向和垂直方向上相邻的陆地连接形成。示例 1:
输入: [ ['1','1','1','1','0'], ['1','1','0','1','0'], ['1','1','0','0','0'], ['0','0','0','0','0'] ] 输出: 1
示例 2:
输入: [ ['1','1','0','0','0'], ['1','1','0','0','0'], ['0','0','1','0','0'], ['0','0','0','1','1'] ] 输出: 3
解题思路
方法一:深度优先搜索(DFS)
-
初步分析:
- 使用DFS遍历二维网格,从每个未访问的陆地开始,遍历所有相连的陆地并将其标记为已访问。
- 每次启动新的DFS遍历时,计数器加一。
-
步骤:
- 遍历二维网格的每个位置。
- 对于每个未访问的陆地,启动DFS遍历,并将其相连的所有陆地标记为已访问。
代码实现
def numIslands(grid):if not grid:return 0def dfs(grid, i, j):if i < 0 or i >= len(grid) or j < 0 or j >= len(grid[0]) or grid[i][j] == '0':returngrid[i][j] = '0'dfs(grid, i+1, j)dfs(grid, i-1, j)dfs(grid, i, j+1)dfs(grid, i, j-1)count = 0for i in range(len(grid)):for j in range(len(grid[0])):if grid[i][j] == '1':dfs(grid, i, j)count += 1return count# 测试案例
print(numIslands([['1','1','1','1','0'],['1','1','0','1','0'],['1','1','0','0','0'],['0','0','0','0','0']
])) # 输出: 1print(numIslands([['1','1','0','0','0'],['1','1','0','0','0'],['0','0','1','0','0'],['0','0','0','1','1']
])) # 输出: 3
方法二:广度优先搜索(BFS)
-
初步分析:
- 使用BFS遍历二维网格,从每个未访问的陆地开始,使用队列遍历所有相连的陆地并将其标记为已访问。
- 每次启动新的BFS遍历时,计数器加一。
-
步骤:
- 遍历二维网格的每个位置。
- 对于每个未访问的陆地,启动BFS遍历,并将其相连的所有陆地标记为已访问。
代码实现
from collections import dequedef numIslands(grid):if not grid:return 0def bfs(grid, i, j):queue = deque([(i, j)])while queue:x, y = queue.popleft()if x < 0 or x >= len(grid) or y < 0 or y >= len(grid[0]) or grid[x][y] == '0':continuegrid[x][y] = '0'queue.append((x+1, y))queue.append((x-1, y))queue.append((x, y+1))queue.append((x, y-1))count = 0for i in range(len(grid)):for j in range(len(grid[0])):if grid[i][j] == '1':bfs(grid, i, j)count += 1return count# 测试案例
print(numIslands([['1','1','1','1','0'],['1','1','0','1','0'],['1','1','0','0','0'],['0','0','0','0','0']
])) # 输出: 1print(numIslands([['1','1','0','0','0'],['1','1','0','0','0'],['0','0','1','0','0'],['0','0','0','1','1']
])) # 输出: 3
复杂度分析
- 时间复杂度:
- DFS:O(m * n),其中 m 和 n 分别是二维网格的行数和列数。每个位置只访问一次。
- BFS:O(m * n),同样,每个位置只访问一次。
- 空间复杂度:
- DFS:O(m * n),用于递归调用栈。
- BFS:O(min(m, n)),用于队列。
模拟面试问答
问题 1:你能描述一下如何解决这个问题的思路吗?
回答:我们可以使用深度优先搜索(DFS)和广度优先搜索(BFS)来解决这个问题。使用DFS从每个未访问的陆地开始,遍历所有相连的陆地并将其标记为已访问。每次启动新的DFS遍历时,计数器加一。BFS的思路类似,只是使用队列遍历相连的陆地。
问题 2:为什么选择使用深度优先搜索和广度优先搜索来解决这个问题?
回答:DFS和BFS都是图遍历的经典算法,适用于处理连通性问题。这个问题本质上是一个连通分量的计数问题,使用DFS和BFS都可以高效地解决。
问题 3:你的算法的时间复杂度和空间复杂度是多少?
回答:两种方法的时间复杂度都是 O(m * n),其中 m 和 n 分别是二维网格的行数和列数。DFS的空间复杂度为 O(m * n),用于递归调用栈;BFS的空间复杂度为 O(min(m, n)),用于队列。
问题 4:在代码中如何处理边界情况?
回答:在递归或队列中处理边界情况,检查当前节点是否在网格范围内,如果不在范围内或已经是水(‘0’),则跳过。
问题 5:你能解释一下深度优先搜索和广度优先搜索的工作原理吗?
回答:深度优先搜索(DFS)是一种图遍历算法,优先访问一个节点的所有子节点,再访问其兄弟节点。广度优先搜索(BFS)也是一种图遍历算法,优先访问一个节点的所有兄弟节点,再访问其子节点。两种算法都可以有效地遍历图的所有连通分量。
问题 6:在代码中如何确保返回的结果是正确的?
回答:通过从每个未访问的陆地开始,使用DFS或BFS遍历所有相连的陆地,并将其标记为已访问,确保每次新的遍历都计数一次,最终返回计数器的值。
问题 7:你能举例说明在面试中如何回答优化问题吗?
回答:在面试中,如果面试官问到如何优化算法,我会首先分析当前算法的瓶颈,如时间复杂度和空间复杂度,然后提出优化方案。例如,可以通过减少不必要的边界检查来提高性能,或使用更高效的数据结构来优化空间复杂度。解释其原理和优势,最后提供优化后的代码实现。
问题 8:如何验证代码的正确性?
回答:通过运行代码并查看结果,验证返回的岛屿数量是否正确。可以使用多组测试数据,包括正常情况和边界情况,确保代码在各种情况下都能正确运行。例如,可以在测试数据中包含多个岛屿和水域,确保代码结果正确。
问题 9:你能解释一下解决岛屿数量问题的重要性吗?
回答:解决岛屿数量问题在地理信息系统和图像处理等领域具有重要意义。通过分析岛屿的分布,可以帮助我们理解地形和水文特征。在计算机科学中,连通分量的计数问题也是常见的图算法问题,通过学习和应用DFS和BFS,可以提高解决问题的能力。
问题 10:在处理大数据集时,算法的性能如何?
回答:算法的性能取决于二维网格的大小。在处理大数据集时,通过优化DFS和BFS的实现,可以显著提高算法的性能。例如,通过优化递归调用栈的深度和队列的实现,可以减少时间和空间复杂度,从而提高算法的效率。
总结
本文详细解读了力扣第200题“岛屿数量”,通过使用深度优先搜索(DFS)和广度优先搜索(BFS)高效地解决了这一问题,并提供了详细的解释和模拟面试问答。希望读者通过本文的学习,能够在力扣刷题的过程中更加得心应手。