[LeetCode] 01 Matrix 题解
题意
思路
我一开始的时候想的是最简单的方法,就是遍历所有的值为1的元素,再根据其为起点进行BFS,计算层数,但是这个方法超时了;
其实,可以不用从1开始遍历,从0开始遍历,找到和值为1相邻的0,将其的层数设置为1就行了,为什么可以不用从1开始,因为并没有要求从规定的起点到指定的位置,计算最小距离,而是计算一整个周围,只要周围存在1,则将其加入到队列,计算相应的距离(又可能存在别多个1包围的1的情况),注意的是,在访问过1的结点后下次不可以再进行计算。
实现
//
//
#include "../PreLoad.h"
class Solution {
public:
/**
* 三重循环,最外层为所有1的结点,里面两层是实现BFS
* 导致时间复杂度过高,待优化
* @param matrix
* @return
*/
vector< vector<int>> layouts = {{-1, 0}, {1, 0}, {0, -1}, {0, 1}};
vector<vector<int>> updateMatrix(vector<vector<int>>& matrix) {
vector<vector<int>> result(matrix);
if (matrix.size() == 0) {
return result;
}
size_t row = matrix.size();
size_t col = matrix[0].size();
deque<pair<int, int>> queues;
vector<vector<int>> visited(row, vector<int>(col , 0));
bool isHaveOne = false;
for (size_t i = 0; i < row; i++) {
for (size_t j = 0; j < col; j++) {
if (matrix[i][j]) {
queues.push_back({i, j});
isHaveOne = true;
}
}
}
if (!isHaveOne) {
return result;
}
while (!queues.empty()) {
auto content = queues.front();
queues.pop_front();
bool found = false;
int level = 0;
deque<pair<int, int>> tqueue;
tqueue.push_back(content);
vector<vector<int>> tvisited(visited);
tvisited[content.first][content.second] = 1;
while (!found && !tqueue.empty()) {
level++;
int queue_len = tqueue.size();
// 保证队列中的每个数都能加上基本的平方数
for (int i = 0; i < queue_len; i++) {
auto tcontent = tqueue.front();
tqueue.pop_front();
for (auto temp : layouts) {
int newx = tcontent.first + temp[0];
int newy = tcontent.second + temp[1];
if (newx < 0 || newy < 0 || newx >= row || newy >= col || tvisited[newx][newy]) {
continue;
}
if (!matrix[newx][newy]) {
found = true;
break;
}
tvisited[newx][newy] = 1;
tqueue.push_back({newx, newy});
}
}
}
tvisited = visited;
result[content.first][content.second] = level;
}
return result;
}
// 做法错误
vector<vector<int>> updateMatrix2(vector<vector<int>>& matrix) {
vector<vector<int>> result(matrix);
if (matrix.size() == 0) {
return result;
}
size_t row = matrix.size();
size_t col = matrix[0].size();
deque<pair<int, int>> queues;
bool isHaveOne = false;
for (size_t i = 0; i < row; i++) {
for (size_t j = 0; j < col; j++) {
if (matrix[i][j]) {
queues.push_back({i, j});
isHaveOne = true;
}
}
}
if (!isHaveOne) {
return result;
}
vector<vector<int>> visited(row, vector<int>(col , 0));
vector<vector<int>> tvisited(visited);
while (!queues.empty()) {
auto content = queues.front();
queues.pop_front();
int level = 0;
bool found = false;
DFSHelper(matrix, result, visited, level, content.first, content.second, row, col, found);
tvisited = visited;
//result[content.first][content.second] = level;
}
return result;
}
// 无法保证取得的路径是最短的,因为是深度递归,所以有可能找的那条路径全都是1的,所以这样使用DFS是错误的
void DFSHelper(vector<vector<int>>& matrix, vector<vector<int>>& result, vector<vector<int>>& visited,
int& dis, int x, int y, int row, int col, bool& found) {
if (found) {
return ;
}
dis++;
visited[x][y] = 1;
if (!matrix[x][y]) {
result[x][y] = dis;
found = true;
return ;
}
else {
for (auto temp : layouts) {
int newx = x + temp[0];
int newy = y + temp[1];
if (found) {
return ;
}
if (newx < 0 || newy < 0 || newx >= row || newy >= col || visited[newx][newy]) {
continue;
}
DFSHelper(matrix, result, visited, dis, newx, newy, row, col, found);
if (found) {
return ;
}
}
}
dis--;
visited[x][y] = 0;
}
/**
* 将二维数组中为0的加入到队列中,1的则置为-1
* 因为必然存在和1的元素相邻的元素0,所以当找到这样的周围是1的0时
* 则把这个1的元素同样加入到队列中,因为可能会存在被1包围的1
* 同时设置其距离,这个则需要将其值设为初始元素的值(同样是1的元素)+1,
* 这个时候其的值不再是-1,同时起到了纪录其已经访问过了的作用
*
* 可以理解为如果上一个(初始位置)如果是0,则说明其在周围,自然为1
* 但是也会碰到被1包围的1,同样根据上面计算出来的1去计算后面的1的元素
* 有些dp的思想
*
* @param matrix
* @return
*/
vector<vector<int>> updateMatrix3(vector<vector<int>>& matrix) {
vector<vector<int>> result(matrix);
if (matrix.size() == 0) {
return result;
}
size_t row = matrix.size();
size_t col = matrix[0].size();
typedef pair<int, int> tp;
deque<pair<int, int>> queues;
for (size_t i = 0; i < row; i++) {
for (size_t j = 0; j < col; j++) {
if (matrix[i][j] == 0) {
queues.push_back(tp(i, j));
}
else {
result[i][j] = -1;
}
}
}
while (!queues.empty()) {
auto content = queues.front();
queues.pop_front();
for (auto temp : layouts) {
int newx = content.first + temp[0];
int newy = content.second + temp[1];
if (newx >= 0 && newx < row && newy >= 0 && newy < col && result[newx][newy] == -1) {
result[newx][newy] = result[content.first][content.second] + 1; //注意不是自增
queues.push_back({newx, newy});
}
}
}
return result;
}
// 计算层数,并将其设置为负数,作为访问过的标记
vector<vector<int>> updateMatrix4(vector<vector<int>>& matrix) {
if (matrix.size() == 0) {
return matrix;
}
size_t row = matrix.size();
size_t col = matrix[0].size();
typedef pair<int, int> tp;
deque<pair<int, int>> queues;
for (size_t i = 0; i < row; i++) {
for (size_t j = 0; j < col; j++) {
if (matrix[i][j] == 0) {
queues.push_back(tp(i, j));
}
}
}
int dis = 0;
while (!queues.empty()) {
dis++;
int queue_len = queues.size();
// 保证队列中的每个数都能加上基本的平方数
for (int i = 0; i < queue_len; i++) {
auto content = queues.front();
queues.pop_front();
for (auto temp : layouts) {
int newx = content.first + temp[0];
int newy = content.second + temp[1];
if (newx >= 0 && newx < row && newy >= 0 && newy < col && matrix[newx][newy] == 1) {
matrix[newx][newy] = -dis; //做标记
queues.push_back({newx, newy});
}
}
}
}
for(int i = 0; i < row; ++i){
for(int j = 0; j < col; ++j)
if(matrix[i][j] < 0) matrix[i][j] = -matrix[i][j];
}
return matrix;
}
void test() {
vector< vector<int>> water = {
{0, 0, 0},
{0, 1, 0},
{0, 0, 0},
};
vector<vector<int>> result = this->updateMatrix4(water);
for (auto i = 0; i < result.size(); i++) {
for (auto j = 0; j < result[0].size(); j++) {
cout << result[i][j] << ", ";
}
cout << endl;
}
}
};
关注公众号:数据结构与算法那些事儿,每天一篇数据结构与算法