力扣(LeetCode)算法题解:657. 机器人能否返回原点

简介: 力扣(LeetCode)算法题解:657. 机器人能否返回原点

(一)题目描述

在二维平面上,有一个机器人从原点 (0, 0) 开始。给出它的移动顺序,判断这个机器人在完成移动后是否在 (0, 0) 处结束。

移动顺序由字符串表示。字符 move[i] 表示其第 i 次移动。机器人的有效动作有 R(右),L(左),U(上)和 D(下)。如果机器人在完成所有动作后返回原点,则返回 true。否则,返回 false。


注意:机器人“面朝”的方向无关紧要。 “R” 将始终使机器人向右移动一次,“L” 将始终向左移动等。此外,假设每次移动机器人的移动幅度相同。

来源:力扣(LeetCode

链接:https://leetcode-cn.com/problems/robot-return-to-origin

著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。

(二)输入、输出示例

示例 1:

输入: "UD"
输出: true
解释:机器人向上移动一次,然后向下移动一次。所有动作都具有相同的幅度,因此它最终回到它开始的原

示例 2:

输入: "LL"
输出: false
解释:机器人向左移动两次。它最终位于原点的左侧,距原点有两次 “移动” 的距离。我们返回 false,

(三)代码实现

方法1(php版):

解题思路

机器人只有上U、下D、左L、右R四种走法。

1.如果机器人有往左走(L)的操作,必须也有往右走(R)的操作,且L的出现的次数和R出现的次数一样多,才有“可能”回到原点。

2.同理,U和D也一样。

3.只有当L和R出现的次数相同且U和D出现的次数相同时,才有可能回到原点。

4.使用str_split()函数分割每一步的走法,使用array_count_values()函数统计比较L、R、U、D出现的次数,即可判断完成。

代码实现

class Solution {
    /**
     * @param String $moves
     * @return Boolean
     */
    function judgeCircle($moves) {
        $arr = str_split($moves);
        $statistic = array_count_values($arr);
        $u = $statistic['U'] ?? 0;
        $d = $statistic['D'] ?? 0;
        $l = $statistic['L'] ?? 0;
        $r = $statistic['R'] ?? 0;
        if($u == $d && $l == $r){
            return true;
        }else{
            return false;
        }
    }
}

(四)性能分析

运行时间 内存消耗
20ms 16.5 MB
目录
相关文章
|
7月前
|
传感器 算法 安全
机器人路径规划和避障算法matlab仿真,分别对比贪婪搜索,最安全距离,RPM以及RRT四种算法
本程序基于MATLAB 2022A实现机器人路径规划与避障仿真,对比贪婪搜索、最安全距离、RPM和RRT四种算法。通过地图模拟环境,输出各算法的路径规划结果,展示其在避障性能与路径优化方面的差异。代码包含核心路径搜索逻辑,并附有测试运行图示,适用于机器人路径规划研究与教学演示。
927 64
|
5月前
|
算法 机器人 Serverless
【机器人路径规划】基于6种算法(黑翅鸢优化算法BKA、SSA、MSA、RTH、TROA、COA)求解机器人路径规划研究(Matlab代码实现)
【机器人路径规划】基于6种算法(黑翅鸢优化算法BKA、SSA、MSA、RTH、TROA、COA)求解机器人路径规划研究(Matlab代码实现)
600 2
|
5月前
|
机器学习/深度学习 编解码 算法
【机器人路径规划】基于迪杰斯特拉算法(Dijkstra)的机器人路径规划(Python代码实现)
【机器人路径规划】基于迪杰斯特拉算法(Dijkstra)的机器人路径规划(Python代码实现)
509 4
|
5月前
|
机器学习/深度学习 算法 机器人
【机器人路径规划】基于A*算法的机器人路径规划研究(Python代码实现)
【机器人路径规划】基于A*算法的机器人路径规划研究(Python代码实现)
725 4
|
5月前
|
算法 机器人 定位技术
【机器人路径规划】基于流场寻路算法(Flow Field Pathfinding)的机器人路径规划(Python代码实现)
【机器人路径规划】基于流场寻路算法(Flow Field Pathfinding)的机器人路径规划(Python代码实现)
328 4
|
5月前
|
机器学习/深度学习 算法 机器人
【机器人路径规划】基于深度优先搜索(Depth-First-Search,DFS)算法的机器人路径规划(Python代码实现)
【机器人路径规划】基于深度优先搜索(Depth-First-Search,DFS)算法的机器人路径规划(Python代码实现)
325 3
|
5月前
|
机器学习/深度学习 算法 机器人
【机器人路径规划】基于D*算法的机器人路径规划(Python代码实现)
【机器人路径规划】基于D*算法的机器人路径规划(Python代码实现)
308 0
|
5月前
|
机器学习/深度学习 算法 机器人
【机器人路径规划】基于改进型A*算法的机器人路径规划(Python代码实现)
【机器人路径规划】基于改进型A*算法的机器人路径规划(Python代码实现)
439 0
|
6月前
|
监控 算法 安全
【多智能体博弈】拦截失控机器人:一种用于多追捕者捕获多个逃逸者的算法(Matlab代码实现)
【多智能体博弈】拦截失控机器人:一种用于多追捕者捕获多个逃逸者的算法(Matlab代码实现)
108 0
|
6月前
|
传感器 算法 安全
【路径规划】基于matlab A_Star结合DWA算法电气设备巡检机器人路径规划研究(Matlab代码实现)
【路径规划】基于matlab A_Star结合DWA算法电气设备巡检机器人路径规划研究(Matlab代码实现)
200 0