lucifer

LeetCode 上有很多小岛题,虽然官方没有这个标签, 但是在我这里都差不多。不管是思路还是套路都比较类似,大家可以结合起来练习。

原题地址:https://leetcode-cn.com/problems/as-far-from-land-as-possible/

思路

这里我们继续使用上面两道题的套路,即不用 visited,而是原地修改。由于这道题求解的是最远的距离,而距离我们可以使用 BFS 来做。算法:

  • 对于每一个海洋,我们都向四周扩展,寻找最近的陆地,每次扩展 steps 加 1。
  • 如果找到了陆地,我们返回 steps。
  • 我们的目标就是所有 steps 中的最大值。

实际上面算法有很多重复计算,如图中间绿色的区域,向外扩展的时候,如果其周边四个海洋的距离已经计算出来了,那么没必要扩展到陆地。实际上只需要扩展到周边的四个海洋格子就好了,其距离陆地的最近距离就是 1 + 周边四个格子中到达陆地的最小距离。

我们考虑优化。

  • 将所有陆地加入队列,而不是海洋。
  • 陆地不断扩展到海洋,每扩展一次就 steps 加 1,直到无法扩展位置。
  • 最终返回 steps 即可。

图解:

代码

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
class Solution:
def maxDistance(self, grid: List[List[int]]) -> int:
n = len(grid)
steps = -1
queue = [(i, j) for i in range(n) for j in range(n) if grid[i][j] == 1]
if len(queue) == 0 or len(queue) == n ** 2: return steps
while len(queue) > 0:
for _ in range(len(queue)):
x, y = queue.pop(0)
for xi, yj in [(x + 1, y), (x - 1, y), (x, y + 1), (x, y - 1)]:
if xi >= 0 and xi < n and yj >= 0 and yj < n and grid[xi][yj] == 0:
queue.append((xi, yj))
grid[xi][yj] = -1
steps += 1

return steps

由于没有 early return,steps 其实会多算一次。 我们可以返回值减去 1,也可以 steps 初始化为-1。这里我选择是 steps 初始化为-1

_复杂度分析_

  • 时间复杂度:$O(N ^ 2)$
  • 空间复杂度:$O(N ^ 2)$

优化

由于数组删除第一个元素(上面代码的 queue.pop(0))是$O(N)$的时间复杂度,我们可以使用 deque 优化,代码如下:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
def maxDistance(self, grid: List[List[int]]) -> int:
from collections import deque
N = len(grid)
steps = -1
q = deque([(i, j) for i in range(N) for j in range(N) if grid[i][j] == 1])
if len(q) == 0 or len(q) == N ** 2:
return steps
move = [(-1, 0), (1, 0), (0, -1), (0, 1)]
while len(q) > 0:
for _ in range(len(q)):
x, y = q.popleft()
for dx, dy in move:
nx, ny = x + dx, y + dy
if 0 <= nx < N and 0 <= ny < N and grid[nx][ny] == 0:
q.append((nx, ny))
grid[nx][ny] = -1
steps += 1

return steps

更多题解可以访问我的 LeetCode 题解仓库:https://github.com/azl397985856/leetcode 。 目前已经接近 30K star 啦。

大家也可以关注我的公众号《脑洞前端》获取更多更新鲜的 LeetCode 题解


 评论


博客内容遵循 署名-非商业性使用-相同方式共享 4.0 国际 (CC BY-NC-SA 4.0) 协议

本站使用 Material X 作为主题 。
载入天数...载入时分秒...