摘要:本文为大家分享两个常见的搜索算法:BFS 和 DFS。
本文分享自华为云社区《BFS和DFS算法初探》,作者: ayin。
本次分享两个常见的搜索算法:
1.BFS 即广度优先搜索
2.DFS 即深度优先搜索
岛屿数量
给定一个由 ‘1’(陆地)和 ‘0’(水)组成的的二维网格,计算岛屿的数量。一个岛被水包围,并且它是通过水平方向或垂直方向上相邻的陆地连接而成的。你可以假设网格的四个边均被水包围。
示例 1:
输出: 1
示例 2:
输出: 3
其实我们还是比较容易想到初步解法的,即从二维网络某点出发,寻找其四周相邻的陆地,直到所有包含的点都没有相邻的陆地为止,这里可以认为已经找到了一个岛屿,其余岛屿同理可以找到。这里的关键问题是遍历岛屿的顺序,其实不难看出有两种顺序
a.
优先寻找某 a 节点的所有相邻位置
然后拿出一个相邻位置比如说 b 寻找其所有相邻位置
拿出 a 节点下一个相邻位置重复第 2 步直到 a 节点的相邻位置都执行过该操作
拿出 b,重复 1,2,3 步
b.
优先寻找 a 节点的相邻位置比如说 b
寻找 b 的相邻位置 c
直到没有相邻位置后再返回到 a 的下一个相邻位置,重复 1,2 步
§ 方案一
我们对第一种方法进行观察:
越是接近根结点的结点将越早地遍历
思考用什么存储结构来存放我们找到的位置:我们把 root 的相邻位置存储到 x 结构中,然后取出 x 的某个相邻位置 a,寻找其相邻位置继续存放到 x 中,再取出 x 中与 root 相邻的下个位置 b 继续寻找其相邻位置放入 x 中。这里我们发现我们存储 x 的顺序与我们处理 x 得到其他数据的顺序一致:先进先出(FIFO),不难得出我们可以采用队列来存储
需要一种方法避免对已经找到的位置重复访问
现在可以尝试写出实际的程序
public int numIslands(char[][] grid) {
if (grid.length==0){
return 0;
}
Queue<Point> queue = new LinkedList<>();
int count =0;
for(int y=0;y<grid.length;y++){
for(int x=0;x<grid[0].length;x++){
// 核心部分
if(grid[y][x]=='1'){
queue.offer(new Point(x,y));
while (queue.size() != 0) {
Point nowPoint = queue.peek();
List<Point> pointList = getNearPoints(nowPoint, grid);
for (Point point : pointList) {
queue.offer(point);
// 标记已经访问的位置
grid[point.y][point.x] = '2';
System.out.println(point.y * grid[0].length + point.x);
}
queue.poll();
}
count++;
}
// 核心部分
}
}
复制代码
通过这个实例我们可以进一步抽象为图论中的一种算法–BFS 可以参考 leetcode 的动图和算法模板来加深印象
§ 方案二
同样来观察第二中方法,我们发现
优先走完一条路径直到结束
我们需要在某一路径结束后,回溯到初始位置,即存储节点位置的顺序和处理的顺序相反,即现进后出(FILO)。这里我们可以用递归或者栈来处理。
试着写出实际的程序
1.递归
public int numIslands(char[][] grid) {
int len = 0;
Set <Integer> visited = new HashSet<>();
for (int y = 0; y < grid.length; y++) {
for (int x = 0; x < grid[0].length; x++) {
Integer node = y * grid[0].length + x;
if (!visited.contains(node)&&grid[y][x] == '1') {
visited.add(node);
DFS3(node, visited, grid);
len++;
}
}
}
return len;
}
boolean DFS(Integer cur, Set<Integer> visited,char [][]grid) {
for (Integer next : getNearNodes(cur,grid[0].length,grid.length,grid)) {
if (!visited.contains(next)) {
visited.add(next);
System.out.println(next);
DFS(next,visited,grid);
}
}
return true;
}
复制代码
2.栈
boolean DFS3(Integer cur, Set<Integer> visited,char [][]grid){
Stack<Integer> nodeStack = new Stack<>();
nodeStack.push(cur);
while(!nodeStack.empty()){
Integer node = nodeStack.peek();
boolean hasNearNode = false;
for(Integer next:getNearNodes(node,grid[0].length,grid.length,grid)){
if(!visited.contains(next)){
visited.add(next);
nodeStack.push(next);
hasNearNode = true;
}
}
// 如果当前节点没有邻居则去除栈顶节点
if(!hasNearNode){
nodeStack.pop();
}
}
return true;
}
复制代码
通过这个实例我们可以进一步抽象为图论中的一种算法–DFS
参考 leetcode 的动图和模板算法(递归和栈)来加深印象
点击关注,第一时间了解华为云新鲜技术~
评论