leetcode133 克隆图

最新推荐文章于 2024-04-17 08:30:00 发布

原创最新推荐文章于 2024-04-17 08:30:00 发布 · 置顶 · 327 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#leetcode133

本文介绍了一种用于深拷贝无向连通图的算法实现，通过递归方式创建图的完整复制，确保每个节点及其邻居都被正确地复制。算法首先检查节点是否为None，然后使用字典存储原始节点与其副本的映射，通过宽度优先遍历创建新的节点并更新邻居列表。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

给定无向连通图中一个节点的引用，返回该图的深拷贝（克隆）。图中的每个节点都包含它的值 val（Int）和其邻居的列表（list[Node]）。

示例：

输入：
{"$id":"1","neighbors":[{"$id":"2","neighbors":[{"$ref":"1"},{"$id":"3","neighbors":[{"$ref":"2"},{"$id":"4","neighbors":[{"$ref":"3"},{"$ref":"1"}],"val":4}],"val":3}],"val":2},{"$ref":"4"}],"val":1}

解释：
节点 1 的值是 1，它有两个邻居：节点 2 和 4 。
节点 2 的值是 2，它有两个邻居：节点 1 和 3 。
节点 3 的值是 3，它有两个邻居：节点 2 和 4 。
节点 4 的值是 4，它有两个邻居：节点 1 和 3 。

提示：

节点数介于 1 到 100 之间。
无向图是一个简单图，这意味着图中没有重复的边，也没有自环。
由于图是无向的，如果节点 p 是节点 q 的邻居，那么节点 q 也必须是节点 p 的邻居。
必须将给定节点的拷贝作为对克隆图的引用返回。

代码以及注释:

"""
# Definition for a Node.
class Node:
    def __init__(self, val, neighbors):
        self.val = val
        self.neighbors = neighbors
"""
class Solution:
    def cloneGraph(self, node: 'Node') -> 'Node':
        if node != None:
            d = {}
            head = Node(node.val,[])
            # 副本结点的neighbors暂时保存原始结点node的各个child
            # self.f函数中还需要创建新结点，进行替换
            for e in node.neighbors:
                head.neighbors.append(e)
            d[node] = head
            self.f(head, d)
            return head
        return None
    def f(self,head,d):
        # d是一个字典，用来保存原始结点 到 对应副本结点的映射
        # r用来保存当前函数新创建的副本结点
        r = []
        for index,e in enumerate(head.neighbors):
            # 如果原始结点不在d中，说明该原始结点还不在新图当中
            if e not in d:
                cur = Node(e.val, [])
                for t in e.neighbors:
                    cur.neighbors.append(t)
                # e对应的副本r已经创建，添加映射关系
                d[e] = cur
                # 跟新新图中当前结点的neighbors
                head.neighbors[index] = cur
                # 当前for循环宽度优先遍历完之后，
                # 遍历新创建的副本结点
                r.append(cur)
            # 若有原始借点在d中，说明该结点已经存在新图中
            else:
                head.neighbors[index] = d[e]
        # 宽度优先遍历完之后，进入下一层。
        for i in r:
            self.f(i, d)