【广度优先搜索-中等】841. 钥匙和房间

菜菜2022

关注

原创最新推荐文章于 2026-09-11 00:16:05 发布 172 阅读 AI 写同款· GEO 优化 ›

【人工智能-数据集】RML2018 时域信号的时序信号和星座图的图片信号生成方式（可用于多模态特征融合） RML2018（RadioML 2018）数据集是一个广泛用于无线通信信号识别的开源数据集。它包含了多种调制方式（如OOK、QPSK、16QAM等）在不同信噪比下的信号样本。这些数据以 HDF5 格式存储，适用于大规模的数据处理和分析。数据集特点：多调制方式：涵盖24种不同的调制方式。多信噪比：包括从-20 dB到30 dB的26种信噪比。大规模样本：每种调制方式和信噪比下包含4096个样本。数据切分：将原始的 HDF5 数据集按照调制方式和信噪比切分成单个文件，便于后续处理。样本选择。阅读详情

【题目】
在这里插入图片描述
1 <= sum(rooms[i].length) <= 3000
0 <= rooms[i][j] < n
所有 rooms[i] 的值互不相同

【代码】
【方法1】深度优先搜索
在这里插入图片描述

class Solution:
    def canVisitAllRooms(self, rooms: List[List[int]]) -> bool:
        visited=[0 for i in range(len(rooms))]
        def dfs(x):
            visited[x]=1
            for item in rooms[x]:
                if visited[item]==0:
                    dfs(item)
        dfs(0)
        return sum(visited)==len(visited)

【方法2】普通模拟
在这里插入图片描述

class Solution:
    def canVisitAllRooms(self, rooms: List[List[int]]) -> bool:
        visited=[0 for i in range(len(rooms))]
        visited[0]=1
        keys=set(rooms[0])
        prelen=-1
        while prelen!=len(keys):
            prelen=len(keys)
            for key in keys:
                visited[key]=1
                keys=keys|set(rooms[key])
        return sum(visited)==len(visited)

【方法3】
在这里插入图片描述

class Solution:
    def canVisitAllRooms(self, rooms: List[List[int]]) -> bool:
        visited=[0 for i in range(len(rooms))]
        keys=[0]
        while keys:
            item=keys.pop(0)
            visited[item]=1
            for key in rooms[item]:
                if visited[key]==0:
                    keys.append(key)
        return sum(visited)==len(visited)