最小操作数

本文介绍了一种算法,用于寻找两个单词间的最短转换路径。给定初始单词、目标单词及单词字典,通过最少步骤将初始单词转换为目标单词,每步仅改变一个字符且中间结果必须在字典中。采用双向广度优先搜索策略,提高了搜索效率。

给定一个单词集合Dict,其中每个单词的长度都相同。现从此单词集合Dict中抽取两个单词A、B,我们希望通过若干次操作把单词A变成单词B,每次操作可以改变单词的一个字母,同时,新产生的单词必须是在给定的单词集合Dict中。求所有行得通步数最少的修改方法。

举个例子如下:

Given:
A = "hit"
B = "cog"
Dict = ["hot","dot","dog","lot","log"]
Return
[
["hit","hot","dot","dog","cog"],
["hit","hot","lot","log","cog"]
]

即把字符串A = "hit"转变成字符串B = "cog",有以下两种可能:

"hit" -> "hot" -> "dot" -> "dog" -> "cog";

"hit" -> "hot" -> "lot" -> "log" ->"cog"。

class Solution {
public:
	vector<vector<string> > findLadders(string start, string end,
			set<string>& dict) {
		vector<vector<string> > result, result_temp;
		if (dict.erase(start) == 1 && dict.erase(end) == 1) {
//			为当前方向上所有点与其下一结点的配对
			map<string, vector<string> > kids_from_start;
			map<string, vector<string> > kids_from_end;

			//开始方向经过的点集
			set<string> reach_start;
			reach_start.insert(start);
			//终点方向经过的点集
			set<string> reach_end;
			reach_end.insert(end);

			set<string> meet;
			//BFS直到相交
			while (meet.empty() && !reach_start.empty() && !reach_end.empty()) {
				if (reach_start.size() < reach_end.size()) {
					//从开始方向搜索子结点和其分支
					search_next_reach(reach_start, reach_end, meet,
							kids_from_start, dict);
					/*cout << "start ";
					 printMap(kids_from_start);*/
				} else {
					search_next_reach(reach_end, reach_start, meet,
							kids_from_end, dict);
					/*	cout << "end ";
					 printMap(kids_from_end);*/
				}
//				printset(meet);
			}

			if (!meet.empty()) {
				//由相遇点拓展可走路径数
				for (set<string>::iterator it = meet.begin(); it != meet.end();
						++it) {
					//参数1是空间,参数2是值
					vector<string> words(1, *it);
					result.push_back(words);
				}

				//由相遇点向起点拓展分支
				walk(result, kids_from_start);
				/*printvv(result);
				 printMap(kids_from_start);*/
				for (size_t i = 0; i < result.size(); ++i) {
					reverse(result[i].begin(), result[i].end());
				}
				walk(result, kids_from_end);
				/*printvv(result);
				 printMap(kids_from_end);*/
			}
		}

		return result;
	}

private:
	/*reach为该方向已经经过的点集,
	 * other_reach为反方向,
	 * meet为两个方向点集相交点集,
	 * path为当前方向上所有点与其下一结点的配对,(下一元素:{当前元素})
	 * dict为字典集合*/
	void search_next_reach(set<string>& reach, const set<string>& other_reach,
			set<string>& meet, map<string, vector<string> >& path,
			set<string>& dict) {
		//reach必须从端点开始遍历,所以必须重新添加,不然会重复
		set<string> temp;
		reach.swap(temp);

		/*对该方向已出现的元素匹配下一元素
		 * 匹配方案:
		 * 尝试依次改变指定位置上的元素来匹配*/
		for (set<string>::iterator it = temp.begin(); it != temp.end(); ++it) {
			string s = *it;
			for (size_t i = 0; i < s.length(); ++i) {
				char back = s[i];
				for (s[i] = 'a'; s[i] <= 'z'; ++s[i]) {
					if (s[i] != back) {
						//已出现在当前点集
						if (reach.count(s) == 1) {
							path[s].push_back(*it);
						} else if (dict.erase(s) == 1) {	//存在于字典中,删除后加入点集
							path[s].push_back(*it);
							reach.insert(s);
						} else if (other_reach.count(s) == 1) {	//存在于相反方向集合,说明点集相交
							path[s].push_back(*it);
							reach.insert(s);
							meet.insert(s);
						}
					}
				}
				s[i] = back;
			}
		}
	}

	void walk(vector<vector<string> >& all_path,
			map<string, vector<string> > kids) {
		vector<vector<string> > temp;
		//到达起止点则为空
		while (!kids[all_path.back().back()].empty()) {
			//每个路径的结尾元素可以对应多个子元素,则拼接路径有多条,所以必须先清空再添加
			all_path.swap(temp);
			all_path.clear();
			for (vector<vector<string> >::iterator it = temp.begin();
					it != temp.end(); ++it) {
				vector<string>& one_path = *it;
				//取得当前路径尾元素的下一元素集合
				vector<string>& p = kids[one_path.back()];
				//将下一元素集合的每一元素与尾元素分别拼接,存为新路径
				for (size_t i = 0; i < p.size(); ++i) {
					all_path.push_back(one_path);
					all_path.back().push_back(p[i]);
				}
			}
		}
	}
};


### 删除叶子节点的最小操作数算法 在树结构中,删除顶点或叶子节点的问题可以通过递归的方式解决。对于计算删除顶点 1 所需的最小操作数,通常需要考虑以下几点: - 树的遍历方式:可以使用深度优先搜索(DFS)来遍历树。 - 删除条件:如果一个节点是叶子节点,则可以直接删除;否则需要先删除其子节点。 - 操作计数:每次删除一个节点时,增加操作计数。 以下是基于引用内容和相关知识的具体实现方法[^1]。 #### 算法描述 1. 定义一个递归函数 `minOperations(TreeNode* node)`,用于计算以当前节点为根的子树所需的最小操作数。 2. 如果当前节点为空,则返回 0。 3. 如果当前节点是叶子节点(即没有子节点),则返回 1 表示直接删除该节点。 4. 否则,递归地计算左子树和右子树所需的最小操作数,并将结果相加后加 1(表示删除当前节点的操作)。 #### 实现代码 以下是一个 C++ 实现示例[^2]: ```cpp // 定义二叉树节点结构 struct TreeNode { int val; TreeNode* left; TreeNode* right; TreeNode(int x) : val(x), left(nullptr), right(nullptr) {} }; // 计算删除顶点所需的最小操作数 int minOperations(TreeNode* root) { if (root == nullptr) { return 0; // 空节点不需要任何操作 } if (root->left == nullptr && root->right == nullptr) { return 1; // 叶子节点可以直接删除 } // 递归计算左右子树的操作数 int leftOps = minOperations(root->left); int rightOps = minOperations(root->right); return leftOps + rightOps + 1; // 当前节点的操作数 } ``` #### 示例分析 假设有一棵如下所示的二叉树: ``` 1 / \ 2 3 / \ 4 5 ``` 调用 `minOperations(root)` 时,算法会按照以下步骤执行: 1. 从根节点 1 开始,递归计算左右子树的操作数。 2. 左子树包含节点 2、4 和 5,需要 3 次操作删除。 3. 右子树仅包含节点 3,需要 1 次操作删除。 4. 最后删除根节点 1,总操作数为 5。 因此,删除顶点 1 所需的最小操作数为 5。 ### 注意事项 - 如果树中存在多个相同的值,需要确保删除的是指定的顶点。 - 在实际应用中,可能需要对树进行预处理,例如标记节点或记录父节点信息。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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