BFS逛街算法模板-附LeetCode习题-433. 最小基因变化-广度优先搜索

简介: BFS逛街算法模板-附LeetCode习题-433. 最小基因变化-广度优先搜索

433. 最小基因变化


难度中等173收藏分享切换为英文接收动态反馈


基因序列可以表示为一条由 8 个字符组成的字符串,其中每个字符都是 'A'、'C'、'G' 和 'T' 之一。


假设我们需要调查从基因序列 start 变为 end 所发生的基因变化。一次基因变化就意味着这个基因序列中的一个字符发生了变化。


例如,"AACCGGTT" --> "AACCGGTA" 就是一次基因变化。

另有一个基因库 bank 记录了所有有效的基因变化,只有基因库中的基因才是有效的基因序列。


给你两个基因序列 start 和 end ,以及一个基因库 bank ,请你找出并返回能够使 start 变化为 end 所需的最少变化次数。如果无法完成此基因变化,返回 -1 。


注意:起始基因序列 start 默认是有效的,但是它并不一定会出现在基因库中。


示例 1:


输入:start = "AACCGGTT", end = "AACCGGTA", bank = ["AACCGGTA"]

输出:1

示例 2:


输入:start = "AACCGGTT", end = "AAACGGTA", bank = ["AACCGGTA","AACCGCTA","AAACGGTA"]

输出:2

示例 3:


输入:start = "AAAAACCC", end = "AACCCCCC", bank = ["AAAACCCC","AAACCCCC","AACCCCCC"]

输出:3

提示:


start.length == 8

end.length == 8

0 <= bank.length <= 10

bank[i].length == 8

start、end 和 bank[i] 仅由字符 ['A', 'C', 'G', 'T'] 组成

解题思路:BFS广度优先搜索


Python代码:

class Solution:
    def minMutation(self, start: str, end: str, bank: List[str]) -> int:
        if start==end: return 0
        if end not in bank: return -1
        nums = ['A', 'C', 'G', 'T']
        ans = deque([(start, 0)])
        while ans:
            str1 , index1 = ans.popleft()
            for i , j in enumerate(str1):
                for t in nums:
                    if t!=j:
                        ads = str1[:i] + t + str1[i+1:]
                        if ads in bank:
                            if ads == end:
                                return index1+1
                            bank.remove(ads)
                            ans.append([ads , index1+1])
        return -1

C++代码:

class Solution {
public:
    int minMutation(string start, string end, vector<string>& bank) {
        if (start==end) return 0;
        unordered_set<string> ans;
        unordered_set<string> ads;
        char key[4] = {'A', 'C', 'G', 'T'};
        for (auto &i: bank) ans.emplace(i);
        if (!ans.count(end)) return -1;
        queue<string> deque1;
        deque1.emplace(start);
        ads.emplace(start);
        int step = 1; 
        while(!deque1.empty()){
            int wc = deque1.size();
            for (int i=0; i<wc; i++){
                string nex = deque1.front();
                deque1.pop();
                for (int j=0; j<8; j++){
                    for (int t=0; t<4; t++){
                        if (nex[j]!=key[t]){
                            string aes = nex;
                            aes[j] = key[t];
                            if(!ads.count(aes) && ans.count(aes)){
                                if (aes==end) return step;
                                ads.emplace(aes);
                                deque1.emplace(aes);
                            }
                        }
                    }
                }  
            }
            step++;
        }
        return -1;
    }
};
相关文章
|
11月前
|
存储 人工智能 算法
从零掌握贪心算法Java版:LeetCode 10题实战解析(上)
在算法世界里,有一种思想如同生活中的"见好就收"——每次做出当前看来最优的选择,寄希望于通过局部最优达成全局最优。这种思想就是贪心算法,它以其简洁高效的特点,成为解决最优问题的利器。今天我们就来系统学习贪心算法的核心思想,并通过10道LeetCode经典题目实战演练,带你掌握这种"步步为营"的解题思维。
|
算法
Leetcode 初级算法 --- 数组篇
Leetcode 初级算法 --- 数组篇
268 0
|
算法 安全 Java
算法系列之广度优先搜索解决妖怪和尚过河问题
BFS 是一种逐层扩展的搜索算法,适用于寻找最短路径。我们可以将每个状态看作图中的一个节点,合法的移动就是节点之间的边。通过 BFS,我们可以找到从初始状态到目标状态的最短路径。
357 30
算法系列之广度优先搜索解决妖怪和尚过河问题
|
分布式计算 算法 Go
【LeetCode 热题100】BFS/DFS 实战:岛屿数量 & 腐烂的橘子(力扣200 / 994 )(Go语言版)
本文讲解了两道经典的图论问题:**岛屿数量(LeetCode 200)** 和 **腐烂的橘子(LeetCode 994)**,分别通过 DFS/BFS 实现。在“岛屿数量”中,利用深度或广度优先搜索遍历二维网格,标记连通陆地并计数;“腐烂的橘子”则采用多源 BFS,模拟腐烂传播过程,计算最短时间。两者均需掌握访问标记技巧,是学习网格搜索算法的绝佳实践。
620 1
|
算法 Java
算法系列之深度/广度优先搜索解决水桶分水的最优解及全部解
在算法学习中,广度优先搜索(BFS)适用于解决最短路径问题、状态转换问题等。深度优先搜索(DFS)适合路径搜索等问题。本文将介绍如何利用广度优先搜索解决寻找`3 个 3、5、8 升水桶均分 8 升水`的最优解及深度优先搜索寻找可以解决此问题的所有解决方案。
422 7
 算法系列之深度/广度优先搜索解决水桶分水的最优解及全部解
|
存储 算法
算法系列之搜索算法-广度优先搜索BFS
广度优先搜索(BFS)是一种非常强大的算法,特别适用于解决最短路径、层次遍历和连通性问题。在面试中,掌握BFS的基本实现和应用场景,能够帮助你高效解决许多与图或树相关的问题。
1365 1
算法系列之搜索算法-广度优先搜索BFS
|
Go
【LeetCode 热题100】BFS/DFS 实战:岛屿数量 & 腐烂的橘子(力扣200 / 994 )(Go语言版)
本篇博客详细解析了三道经典的动态规划问题:198. 打家劫舍(线性状态转移)、279. 完全平方数与322. 零钱兑换(完全背包问题)。通过 Go 语言实现,帮助读者掌握动态规划的核心思想及其实战技巧。从状态定义到转移方程,逐步剖析每道题的解法,并总结其异同点,助力解决更复杂的 DP 问题。适合初学者深入理解动态规划的应用场景和优化方法。
455 0
|
监控 算法 安全
公司电脑网络监控场景下 Python 广度优先搜索算法的深度剖析
在数字化办公时代,公司电脑网络监控至关重要。广度优先搜索(BFS)算法在构建网络拓扑、检测安全威胁和优化资源分配方面发挥重要作用。通过Python代码示例展示其应用流程,助力企业提升网络安全与效率。未来,更多创新算法将融入该领域,保障企业数字化发展。
362 10
|
监控 算法 安全
基于 Python 广度优先搜索算法的监控局域网电脑研究
随着局域网规模扩大,企业对高效监控计算机的需求增加。广度优先搜索(BFS)算法凭借其层次化遍历特性,在Python中可用于实现局域网内的计算机设备信息收集、网络连接状态监测及安全漏洞扫描,确保网络安全与稳定运行。通过合理选择数据结构与算法,BFS显著提升了监控效能,助力企业实现智能化的网络管理。
313 7
|
算法 Java 数据库
美团面试:百亿级分片,如何设计基因算法?
40岁老架构师尼恩分享分库分表的基因算法设计,涵盖分片键选择、水平拆分策略及基因法优化查询效率等内容,助力面试者应对大厂技术面试,提高架构设计能力。
美团面试:百亿级分片,如何设计基因算法?

热门文章

最新文章