LeetCode:Number of Islands DFS递归

本文介绍了解决LeetCode 200. Number of Islands问题的方法,使用深度优先搜索(DFS)来遍历二维网格,寻找并标记每个岛屿,最终返回岛屿总数。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

题目描述

200. Number of Islands

解题思路

题中的矩阵横纵方向代表的不是岛,而是坐标,所以和LeetCode:Friend Circles 查并集那道题里的矩阵有点区别(当然两道题都是可以查并集,DFS,BFS解决的)
dfs的一个思路是:找到一个为‘1’的点,然后找到周围为’1‘的点,dfs可以把这个点所在的“岛”都找到,岛++,并将岛上的所有‘1’都换成‘0’,遍历矩阵去找下一个岛

代码

class Solution {
public:
    void dfs(int i,int j,int m,int n,vector<vector<char> >& grid){
        if(i<0||i>m-1||j<0||j>n-1||grid[i][j]!='1')
            return;
        else
            grid[i][j] = '0';
            dfs(i+1,j,m,n,grid);
            dfs(i-1,j,m,n,grid);
            dfs(i,j-1,m,n,grid);
            dfs(i,j+1,m,n,grid);

    }
    int numIslands(vector<vector<char>>& grid) {
        int count=0;
        if(grid.size()==0){
            return 0;
        }else{
            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'){
                        dfs(i,j,m,n,grid);
                        count++;
                    }
                }
            }
        }
        return count;

    }

};
内容概要:该研究通过在黑龙江省某示范村进行24小时实地测试,比较了燃煤炉具与自动/手动进料生物质炉具的污染物排放特征。结果显示,生物质炉具相比燃煤炉具显著降低了PM2.5、CO和SO2的排放(自动进料分别降低41.2%、54.3%、40.0%;手动进料降低35.3%、22.1%、20.0%),但NOx排放未降低甚至有所增加。研究还发现,经济性和便利性是影响生物质炉具推广的重要因素。该研究不仅提供了实际排放数据支持,还通过Python代码详细复现了排放特征比较、减排效果计算和结果可视化,进一步探讨了燃料性质、动态排放特征、碳平衡计算以及政策建议。 适合人群:从事环境科学研究的学者、政府环保部门工作人员、能源政策制定者、关注农村能源转型的社会人士。 使用场景及目标:①评估生物质炉具在农村地区的推广潜力;②为政策制定者提供科学依据,优化补贴政策;③帮助研究人员深入了解生物质炉具的排放特征和技术改进方向;④为企业研发更高效的生物质炉具提供参考。 其他说明:该研究通过大量数据分析和模拟,揭示了生物质炉具在实际应用中的优点和挑战,特别是NOx排放增加的问题。研究还提出了多项具体的技术改进方向和政策建议,如优化进料方式、提高热效率、建设本地颗粒厂等,为生物质炉具的广泛推广提供了可行路径。此外,研究还开发了一个智能政策建议生成系统,可以根据不同地区的特征定制化生成政策建议,为农村能源转型提供了有力支持。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值