DFS连通域统计:岛屿数量问题及其变形

news2026/4/7 23:38:56
0.前言本文我们来学习一下算法题中颇为著名的岛屿数量问题我将会从问题本身入手详细分析解题思路给出完整代码并进行解析最后简单了解一下几个岛屿问题的变种题目。1. 问题描述题目给出一个只含有 0 和 1 矩阵1 代表是陆地0 代表海洋 如果两个 1 相邻那么这两个 1 属于同一个岛我们暂时只考虑上下左右为相邻。上下左右相邻的陆地可以组成一个岛屿我们的目标是计算岛屿的个数。当输入为下图的矩阵时共有三个岛屿因此输出应该为 3 。2. 解题思路当题目给出一个M × N的矩阵时我们需要找出岛屿个数可以考虑如下思路从矩阵的第一行第一个元素开始遍历直到遍历完整个矩阵。当遍历到0时直接跳过。每当遍历到一个1时说明找到了一个岛屿将岛屿数量加 1然后将这个1修改为0。此外还需要使用 DFS 从该位置开始向上下左右四个方向分别遍历一样是遇到0就跳过遇到1就改成0这时不需要在将岛屿数量加一了因为我们现在处理的是第一次发现的那个子岛屿的相邻岛屿他们整体只算一个岛屿这样能够保证不会重复计数。3. 完整代码classSolution{public:voiddfs(vectorvectorchargrid,intr,intc){intnrgrid.size();intncgrid[0].size();//如果越界或者遇到0就直接返回if(r0||rnr||c0||cnc||grid[r][c]0){return;}//能走到这说明遇到1了把它改成0grid[r][c]0;//向上下左右四个方向继续找找到了继续改dfs(grid,r,c-1);dfs(grid,r,c1);dfs(grid,r-1,c);dfs(grid,r1,c);}intsolve(vectorvectorchargrid){intnrgrid.size();if(nr0)return0;intncgrid[0].size();intisland_num0;for(intr0;rnr;r){for(intc0;cnc;c){if(grid[r][c]1){//只需要在主循环中第一次遇见1时将岛屿数量加一//dfs会把这个1上下左右连通的1全部改成0,防止重复计数island_num;dfs(grid,r,c);}}}returnisland_num;}};4. 代码执行流程详解为了能够更加深入地了解代码的执行过程我以下面的矩阵为例详细分析一下程序开始时会先执行solve函数。solve函数中有一个嵌套的for循环通过这个双层for循环我们可以遍历整个矩阵中的所有元素。嵌套for循环从第一行第一个元素也就是0,0开始发现这个位置是1于是island_num变成了1然后就会调用dfs(grid,0,0)此时solve函数被挂起等待dfs执行结束。进入dfs(grid, 0, 0)之后检查发现没有越界并且位置(0,0)的值为1接着将这个1改成0。再然后向四个方向继续蔓延处理掉所有连通的1。先来看dfs(0, 0)的向右分支也就是dfs(0, 1)发现值为1于是把它改成0然后继续蔓延。向左(0,0)发现是0刚才改的。向右(0,2)这里本来就是0。向上(-1, 1)越界直接返回。向下(1,1)本来就是0返回。dfs(0, 1)执行完成返回上一层。然后执行dfs(0, 0)的向下分支也就是dfs(1, 0)值为1改成0。它也会向四个方向蔓延但是由于它周围要不原本就是0要不就是被我们处理成了0因此它向四个方向的dfs都会直接返回。然后dfs(1, 0)执行完毕返回上一层。dfs(0, 0)的其他分支向上和向左都会越界直接return此时左上角的连通块(0,0), (0,1), (1,0)已经全都变成了0。然后dfs(0, 0)运行彻底结束程序接着刚才挂起的solve函数继续执行。接着进行for循环第一行第二个元素这个位置原本是1但是已经被我们改成0了于是直接跳过。中间所有的元素已经全为0全部跳过直到第三行第三个元素。发现是1island_num变成 2然后调用dfs(grid, 2, 2)重复上面的蔓延过程最终这个位置也变成了0。5. 代码优化假设修改一下代码对角线相连的 1 也算同一个岛屿即 8 个方向都能扩散。请思考一下怎么改代码其实很简单只用再加上四行对角线遍历的代码就行让从当前位置可以向左上左下右上右下蔓延。voiddfs(vectorvectorchargrid,intr,intc){intnrgrid.size();intncgrid[0].size();if(r0||rnr||c0||cnc||grid[r][c]0){return;}grid[r][c]0;dfs(grid,r,c-1);dfs(grid,r,c1);dfs(grid,r-1,c);dfs(grid,r1,c);//只需要添加下面四行即可dfs(grid,r-1,c-1);dfs(grid,r-1,c1);dfs(grid,r1,c-1);dfs(grid,r1,c1);}但是这段代码有 8 行dfs看起来有点难看于是我们还可以进行如下修改//8个方向的偏移量上下左右和4个对角线intdr[]{-1,1,0,0,-1,-1,1,1};intdc[]{0,0,-1,1,-1,1,-1,1};voiddfs(vectorvectorchargrid,intr,intc){//...越界检查...grid[r][c]0;//一个循环搞定所有方向for(inti0;i8;i){dfs(grid,rdr[i],cdc[i]);}}6. 岛屿问题变形这道题目可能还会出一些变形对于这些变形题只需要在上面代码中进行微调即可。6.1 求最大岛屿面积题目要求不再是数有多少个岛而是找出面积最大也就是包含 1 最多的那个岛。代码微调dfs函数不再返回void而是返回一个int代表这次处理掉了多少个 1。让dfs返回return 1 dfs(上) dfs(下) dfs(左) dfs(右)。solve函数中添加max_area max(max_area, dfs(r, c))。6.2 求岛屿周长题目要求计算岛屿边缘的长度。代码微调dfs 终止条件当你试图往海里走也就是grid 0或者越界时说明你撞到了边界。每撞到一次边界就return 1。最后把撞到的次数加起来6.3 封闭岛屿题目要求如果一个岛屿靠着地图边缘它就不算只数那些被海水完全包围的。代码微调写一个循环把地图四周边缘上的 1 全都作为起点跑一遍 dfs变成0。将得到的矩阵再用现在那套代码数剩下的岛屿。本文完。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2494143.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…