leetcode-675:为高尔夫比赛砍树 (最短路径算法bfs,dijkstra,A*)

简介: leetcode-675:为高尔夫比赛砍树 (最短路径算法bfs,dijkstra,A*)

题目

题目连接

你被请来给一个要举办高尔夫比赛的树林砍树。树林由一个 m x n 的矩阵表示, 在这个矩阵中:

0 表示障碍,无法触碰

1 表示地面,可以行走

比 1 大的数 表示有树的单元格,可以行走,数值表示树的高度

每一步,你都可以向上、下、左、右四个方向之一移动一个单位,如果你站的地方有一棵树,那么你可以决定是否要砍倒它。

你需要按照树的高度从低向高砍掉所有的树,每砍过一颗树,该单元格的值变为 1(即变为地面)。

你将从 (0, 0) 点开始工作,返回你砍完所有树需要走的最小步数。 如果你无法砍完所有的树,返回 -1 。

可以保证的是,没有两棵树的高度是相同的,并且你至少需要砍倒一棵树。

示例 1:

输入:forest = [[1,2,3],[0,0,4],[7,6,5]]
输出:6
解释:沿着上面的路径,你可以用 6 步,按从最矮到最高的顺序砍掉这些树。

示例 2:

输入:forest = [[1,2,3],[0,0,0],[7,6,5]]
输出:-1
解释:由于中间一行被障碍阻塞,无法访问最下面一行中的树。

示例 3:

输入:forest = [[2,3,4],[0,0,5],[8,7,6]]
输出:6
解释:可以按与示例 1 相同的路径来砍掉所有的树。
(0,0) 位置的树,可以直接砍去,不用算步数。

解题

参考链接

方法一:bfs

可以将树从低到高排序,这样就这样每次要走的,起始点和目的点

然后求起始点和目的点最短路径(bfs)即可

所有最短路径之和就是结果

class Solution {
public:
    int m,n;
    vector<vector<int>> dirs={{-1,0},{0,-1},{1,0},{0,1}};
    int bfs(vector<vector<int>>& forest,int srcx,int srcy,int dstx,int dsty){
        if(srcx==dstx&&srcy==dsty) return 0;
        queue<pair<int,int>> q;
        q.emplace(srcx,srcy);
        vector<vector<bool>> visited(m,vector<bool>(n,false));
        visited[srcx][srcy]=true;
        int depth=0;
        while(!q.empty()){
            int l=q.size();
            while(l--){
                auto [x,y]=q.front();
                q.pop();
                // visited[x][y]=true;//出队的时候才标记,可能会导致重复入队
                if(x==dstx&&y==dsty){
                    return depth;
                }
                for(vector<int>& dir:dirs){
                    int nx=x+dir[0];
                    int ny=y+dir[1];
                    if(nx<0||nx>=m||ny<0||ny>=n||forest[nx][ny]==0||visited[nx][ny]) continue;
                    q.emplace(nx,ny);
                    visited[nx][ny]=true;
                }
            }
            depth++;  
        }
        return -1;
    }
    int cutOffTree(vector<vector<int>>& forest) {
        m=forest.size(),n=forest[0].size();
        vector<pair<int,int>> paths;
        for(int i=0;i<m;i++){
            for(int j=0;j<n;j++){
                if(forest[i][j]>=2){
                    paths.emplace_back(i,j);
                }
            }
        }
        sort(paths.begin(),paths.end(),[&](pair<int,int>&a,pair<int,int>&b){
            return forest[a.first][a.second]<forest[b.first][b.second];
        });
        int res=0;
        int srcx=0,srcy=0;
        for(int i=0;i<paths.size();i++){
            auto [dstx,dsty]=paths[i];
            int step=bfs(forest,srcx,srcy,dstx,dsty);
            if(step==-1) return -1;
            res+=step;
            srcx=dstx;
            srcy=dsty;
        }
        return res;
    }
};

方法二:Dijkstra 算法

也是采用bfs的方法,只不过用【优化队列,每次取出路径最小(把 pair(路径,idx),放入优先队列即可)】的方法, 来取代方法一中的,【层次遍历+每层路径+1】的方法。

在性能上,与方法一来说,其实差不多的

方法三:A* 启发式搜索算法

与Dijstra基本上是一样的,但是 额外记录一个cost,通过优先队列,每次选取cost小的

class Solution {
public:
    int m,n;
    int dirs[4][2]={{-1,0},{1,0},{0,-1},{0,1}};
    int bfs(vector<vector<int>>& forest,int srcx,int srcy,int dstx,int dsty){
        if(srcx==dstx&&srcy==dsty) return 0;
        vector<vector<int>> costed(m,vector<int>(n,INT_MAX));
        costed[srcx][srcy]=abs(dstx-srcx)+abs(dsty-srcy);
        priority_queue<tuple<int,int,int,int>,vector<tuple<int,int,int,int>>,greater<tuple<int,int,int,int>>> q;
        q.emplace(costed[srcx][srcy],0,srcx,srcy);
        while(!q.empty()){
            auto [cost,dist,x,y]=q.top();
            q.pop();
            if(x==dstx&&y==dsty) return dist;
            for(int i=0;i<4;i++){
                int nx=x+dirs[i][0];
                int ny=y+dirs[i][1];
                if(nx<0||nx>=m||ny<0||ny>=n||forest[nx][ny]==0) continue;
                int ncost=dist+abs(nx-dstx)+abs(ny-dsty);
                if(ncost<costed[nx][ny]){
                    q.emplace(ncost,dist+1,nx,ny);
                    costed[nx][ny]=ncost;
                }
            }
        }
        return -1;
    }
    int cutOffTree(vector<vector<int>>& forest) {
        m=forest.size(),n=forest[0].size();
        vector<pair<int,int>> paths;
        for(int i=0;i<m;i++){
            for(int j=0;j<n;j++){
                if(forest[i][j]>=2){
                    paths.emplace_back(i,j);
                }
            }
        }
        sort(paths.begin(),paths.end(),[&](pair<int,int>&a,pair<int,int>&b){
            return forest[a.first][a.second]<forest[b.first][b.second];
        });
        int res=0;
        int srcx=0,srcy=0;
        for(int i=0;i<paths.size();i++){
            auto [dstx,dsty]=paths[i];
            int step=bfs(forest,srcx,srcy,dstx,dsty);
            if(step==-1) return -1;
            res+=step;
            srcx=dstx;
            srcy=dsty;
        }
        return res;
    }
};
相关文章
|
存储 运维 监控
基于 C# 语言的 Dijkstra 算法在局域网内监控软件件中的优化与实现研究
本文针对局域网监控系统中传统Dijkstra算法的性能瓶颈,提出了一种基于优先队列和邻接表优化的改进方案。通过重构数据结构与计算流程,将时间复杂度从O(V²)降至O((V+E)logV),显著提升大规模网络环境下的计算效率与资源利用率。实验表明,优化后算法在包含1000节点、5000链路的网络中,计算时间缩短37.2%,内存占用减少21.5%。该算法适用于网络拓扑发现、异常流量检测、故障定位及负载均衡优化等场景,为智能化局域网监控提供了有效支持。
344 5
|
存储 人工智能 算法
数据结构与算法细节篇之最短路径问题:Dijkstra和Floyd算法详细描述,java语言实现。
这篇文章详细介绍了Dijkstra和Floyd算法,这两种算法分别用于解决单源和多源最短路径问题,并且提供了Java语言的实现代码。
1437 3
数据结构与算法细节篇之最短路径问题:Dijkstra和Floyd算法详细描述,java语言实现。
|
11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)
755 4
|
10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。
|
12月前
|
算法 机器人 定位技术
基于机器视觉和Dijkstra算法的平面建筑群地图路线规划matlab仿真
本程序基于机器视觉与Dijkstra算法,实现平面建筑群地图的路径规划。通过MATLAB 2022A读取地图图像,识别障碍物并进行路径搜索,支持鼠标选择起点与终点,最终显示最优路径及长度,适用于智能导航与机器人路径规划场景。
|
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。
588 1
|
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。
1344 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。
420 0
|
存储 算法 测试技术
【狂热算法篇】探秘图论之 Floyd 算法:解锁最短路径的神秘密码(通俗易懂版)
【狂热算法篇】探秘图论之 Floyd 算法:解锁最短路径的神秘密码(通俗易懂版)
|
算法 编译器 C++
【狂热算法篇】探秘图论之Dijkstra 算法:穿越图的迷宫的最短路径力量(通俗易懂版)
【狂热算法篇】探秘图论之Dijkstra 算法:穿越图的迷宫的最短路径力量(通俗易懂版)

热门文章

最新文章