Surrounded Regions

本文介绍了一种解决LeetCode第130题的方法,采用广度优先搜索算法来找出与边界相连的所有'O'字符,并将被包围的'O'字符替换为'X'。文章详细解释了实现过程及注意事项。

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

leetcode第130题,迷宫题的近似题,深搜广搜问题,但是据说这道题用深搜会溢出,所以还是使用广搜比较好。

分析问题可以看出,所有与边界搭边的O全部都要被保留,因此这道题应该反过来考虑,那就是不要考虑哪些圆圈被包围,而是哪些圆圈在边界上,然后依次为基础进行广搜,搜索出所有与边界圆圈接壤的圆圈,并把它们做一个标记,此时剩下的就是被包围的圆圈了,再做一次遍历,把包围的圆圈改成X,然后标记过的位置再改回圆圈即可。

注意,这道题的python数据类型很坑,虽然输入时双重列表,但是测试数据却是字符串列表,究其原因是因为python字符串是不可变类型,是不能原地修改的。这里OJ内部应该有一个转换程序。

class Solution(object):
    def solve(self, board):
        """
        :type board: List[List[str]]
        :rtype: void Do not return anything, modify board in-place instead.
        """
        queue = []
        m = len(board)
        if m <= 2 or board is None: return
        n = len(board[0])
        if n <= 2: return
        for i in range(n):
            if board[0][i] == 'O':
                queue.append((0,i))
        for i in range(n):
            if board[m-1][i] == 'O':
                queue.append((m-1,i))
    
        for i in range(m):
            if board[i][0] == 'O':
                queue.append((i,0))
    
        for i in range(m):
            if board[i][n-1] == 'O':
                queue.append((i,n-1))
        #queue = list(set(queue))
        print queue
    
        go = [[0,1],[0,-1],[1,0],[-1,0]]
        while len(queue) != 0:
            head = queue.pop()
            board[head[0]][head[1]] = '*'
            for i in range(4):
                nextx = head[0]+go[i][0]
                nexty = head[1]+go[i][1]
                if nextx < m  and nextx >= 0 and nexty < n and nexty >= 0:
                    if board[nextx][nexty] == 'O':
                        board[nextx][nexty] = '*'
                        queue.append((nextx,nexty))
        for i in range(m):
            for j in range(n):
                if board[i][j] == 'O':
                    board[i][j] = 'X'
                if board[i][j] == '*':
                    board[i][j] = 'O'
                    


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