共计 1550 个字符,预计需要花费 4 分钟才能阅读完成。
前言
计算岛屿数量是在由 ’0’ 与 ’1’ 的二维网格中寻找竖直的上下左右被 ’1’ 包围的岛屿数量(如果是多个 ’1’ 连接在一起,则算作一个岛屿),如:
01000
11100
10000
00010
在上述的二维网格中,岛屿数量为 2,图解岛屿的具体分布为:
DFS 方式
对于计算岛屿数量可以采用 DFS 的方式进行解决,由 [0,0] 开始,依次进行目标点的上下左右四个点搜索其值为 ’1’ 的单元,即为(r+1,c)
,(r-1,c)
,(r,c+1)
, (r,c-1)
, 如遇到非 ’1’ 的则返回,将遇到 ’1’ 的也要进行改变为 ’0’,避免重复搜索,进而导致无限递归循环,Golang 实现:
package main
import "fmt"
func lands(grid [][]byte) int {
res := 0
for r, row := range grid {
for c, v := range row {
if v == '1' {dfs(grid, r, c)
res++
}
}
}
return res
}
func dfs(grid [][]byte, r, c int) {if !(r >= 0 && r < len(grid) && c >= 0 && c < len(grid[0])) {return}
if grid[r][c] != '1' {return}
grid[r][c] = '0'
dfs(grid, r+1, c)
dfs(grid, r-1, c)
dfs(grid, r, c+1)
dfs(grid, r, c-1)
}
func main() {grid := [][]byte{{'0','1','0','0','0'},
{'1','1','1','0','0'},
{'1','0','0','0','0'},
{'0','0','0','0','1'},
}
fmt.Printf("岛屿的数量为:%d\n", lands(grid))
}
运行输出为:
岛屿的数量为:2
BFS 方式
使用广度优先搜索,其思路和 DFS 有些类似,不同的是搜索的方式不一样,其区别在于 BFS 是使用一个队列,取出首部的节点 (r,c)
判断是否为未越界并且为 ’1’,若是则将此点的上下左右节点加入队列等待判断,若不是则跳过此节点,如:
package main
import "fmt"
func lands(grid [][]byte) int {
res := 0
for r, row := range grid {
for c, v := range row {
if v == '1' {bfs(grid, r, c)
res++
}
}
}
return res
}
func bfs(grid [][]byte, r, c int) {queue := [][]int{{r, c},
}
for len(queue) > 0 {r = queue[0][0]
c = queue[0][1]
queue = queue[1:]
if r >= 0 && r < len(grid) && c >= 0 && c < len(grid[0]) && grid[r][c] == '1' {grid[r][c] = '0'
queue = append(queue, [][]int{{r + 1, c},
{r - 1, c},
{r, c + 1},
{r, c - 1},
}...)
}
}
}
func main() {grid := [][]byte{{'0', '1', '0', '0', '0'},
{'1', '1', '1', '0', '0'},
{'1', '0', '0', '0', '0'},
{'0', '0', '0', '0', '1'},
}
fmt.Printf("岛屿的数量为:%d\n", lands(grid))
}
总结
DFS 和 BFS 都是搜索算法,其主要区别为 DFS 利用递归的方式实现,而 BFS 使用队列的方式实现。归结到现实生活中来解释这两种的算法的规则就如:DFS 中就像一个固执不己的年轻人坠入爱河,不撞南墙不回头。而 BFS 就像是撞了南墙多年后释怀了的年轻人,再往那平静的湖面扔一块石头而周围泛起那一波波涟漪。
正文完
使用官方微信小程序体验更多功能