首先回顧一下圖的深度優先遍歷(DFS)和廣度優先遍歷(BFS)算法分析
方法一:深度優先搜索
我們可以將二維網格看成一個無向圖,豎直或水平相鄰的 1 之間有邊相連。
爲了求出島嶼的數量,我們可以掃描整個二維網格。如果一個位置爲 1,則以其爲起始節點開始進行深度優先搜索。在深度優先搜索的過程中,每個搜索到的 1 都會被重新標記爲 0。
最終島嶼的數量就是我們進行深度優先搜索的次數。
class Solution {
private:
void dfs(vector<vector<char>>& grid, int r, int c) {
int nr = grid.size(); //行
int nc = grid[0].size(); //列
// 當前單元格
grid[r][c] = '0'; //在深度優先搜索的過程中,每個搜索到的 1 都會被重新標記爲 0
if (r - 1 >= 0 && grid[r-1][c] == '1') dfs(grid, r - 1, c); //上
if (r + 1 < nr && grid[r+1][c] == '1') dfs(grid, r + 1, c); //下
if (c - 1 >= 0 && grid[r][c-1] == '1') dfs(grid, r, c - 1); //左
if (c + 1 < nc && grid[r][c+1] == '1') dfs(grid, r, c + 1); //右
//當沒有未訪問過的頂點時,則回到上一個頂點,繼續試探別的頂點,直至所有的頂點都被訪問過。
}
public:
int numIslands(vector<vector<char>>& grid) {
int nr = grid.size();
if (!nr) return 0;
int nc = grid[0].size();
int num_islands = 0;
for (int r = 0; r < nr; ++r) {
for (int c = 0; c < nc; ++c) {
if (grid[r][c] == '1')//如果一個位置爲 1,則以其爲起始節點開始進行深度優先搜索。
{
++num_islands; //島嶼的數量
dfs(grid, r, c); //深度優先搜索
}
}
}
return num_islands;
}
};
複雜度分析
時間複雜度:O(MN),其中 M 和 N 分別爲行數和列數。
空間複雜度:O(MN),在最壞情況下,整個網格均爲陸地,深度優先搜索的深度達到 MN。
方法二:廣度優先搜索
爲了求出島嶼的數量,我們可以掃描整個二維網格。如果一個位置爲 1,則將其加入隊列,開始進行廣度優先搜索。在廣度優先搜索的過程中,每個搜索到的 1 都會被重新標記爲 0。直到隊列爲空,搜索結束。
最終島嶼的數量就是我們進行廣度優先搜索的次數。
class Solution {
public:
int numIslands(vector<vector<char>>& grid) {
int nr = grid.size();
if (!nr) return 0;
int nc = grid[0].size();
int num_islands = 0;
for (int r = 0; r < nr; ++r) {
for (int c = 0; c < nc; ++c) {
if (grid[r][c] == '1') {
++num_islands;
grid[r][c] = '0';
queue<pair<int, int>> neighbors;
neighbors.push({r, c});
while (!neighbors.empty()) {
auto rc = neighbors.front();
neighbors.pop();
int row = rc.first, col = rc.second;
if (row - 1 >= 0 && grid[row-1][col] == '1') {
neighbors.push({row-1, col});
grid[row-1][col] = '0';
}
if (row + 1 < nr && grid[row+1][col] == '1') {
neighbors.push({row+1, col});
grid[row+1][col] = '0';
}
if (col - 1 >= 0 && grid[row][col-1] == '1') {
neighbors.push({row, col-1});
grid[row][col-1] = '0';
}
if (col + 1 < nc && grid[row][col+1] == '1') {
neighbors.push({row, col+1});
grid[row][col+1] = '0';
}
}
}
}
}
return num_islands;
}
};
時間複雜度:O(MN),其中 M 和 N 分別爲行數和列數。
空間複雜度:O(min(M, N)),在最壞情況下,整個網格均爲陸地,隊列的大小可以達到 min(M, N)。
方法三:並查集
爲了求出島嶼的數量,我們可以掃描整個二維網格。如果一個位置爲 1,則將其與相鄰四個方向上的 1 在並查集中進行合併。
最終島嶼的數量就是並查集中連通分量的數目。
下面的動畫展示了整個算法。
class UnionFind {
public:
UnionFind(vector<vector<char>>& grid) {
count = 0;
int m = grid.size();
int n = grid[0].size();
for (int i = 0; i < m; ++i) {
for (int j = 0; j < n; ++j) {
if (grid[i][j] == '1') {
parent.push_back(i * n + j);
++count;
}
else {
parent.push_back(-1);
}
rank.push_back(0);
}
}
}
int find(int i) {
if (parent[i] != i) {
parent[i] = find(parent[i]);
}
return parent[i];
}
void unite(int x, int y) {
int rootx = find(x);
int rooty = find(y);
if (rootx != rooty) {
if (rank[rootx] < rank[rooty]) {
swap(rootx, rooty);
}
parent[rooty] = rootx;
if (rank[rootx] == rank[rooty]) rank[rootx] += 1;
--count;
}
}
int getCount() const {
return count;
}
private:
vector<int> parent;
vector<int> rank;
int count;
};
class Solution {
public:
int numIslands(vector<vector<char>>& grid) {
int nr = grid.size();
if (!nr) return 0;
int nc = grid[0].size();
UnionFind uf(grid);
int num_islands = 0;
for (int r = 0; r < nr; ++r) {
for (int c = 0; c < nc; ++c) {
if (grid[r][c] == '1') {
grid[r][c] = '0';
if (r - 1 >= 0 && grid[r-1][c] == '1') uf.unite(r * nc + c, (r-1) * nc + c);
if (r + 1 < nr && grid[r+1][c] == '1') uf.unite(r * nc + c, (r+1) * nc + c);
if (c - 1 >= 0 && grid[r][c-1] == '1') uf.unite(r * nc + c, r * nc + c - 1);
if (c + 1 < nc && grid[r][c+1] == '1') uf.unite(r * nc + c, r * nc + c + 1);
}
}
}
return uf.getCount();
}
};
複雜度分析
時間複雜度:O(MN∗α(MN)),其中 M 和 N 分別爲行數和列數。注意當使用路徑壓縮(見 find 函數)和按秩合併(見數組 rank)實現並查集時,單次操作的時間複雜度爲 α(MN),其中 α(x) 爲反阿克曼函數,當自變量 x 的值在人類可觀測的範圍內(宇宙中粒子的數量)時,函數 α(x) 的值不會超過 55,因此也可以看成是常數時間複雜度。
空間複雜度:O(MN),這是並查集需要使用的空間。
參考
https://leetcode-cn.com/problems/number-of-islands/solution/dao-yu-shu-liang-by-leetcode