LintCode-岛屿的个数II

本文介绍了一种计算二维矩阵中岛屿数量的算法,通过使用类似于并查集的方法,在每次更改矩阵元素后更新岛屿的数量。讨论了如何优化查找过程以及避免重复计算岛屿的问题。
434. 岛屿的个数II

给定 n,m,分别代表一个2D矩阵的行数和列数,同时,给定一个大小为 k 的二元数组A。起初,2D矩阵的行数和列数均为 0,即该矩阵中只有海洋。二元数组有 k 个运算符,每个运算符有 2 个整数 A[i].x, A[i].y,你可通过改变矩阵网格中的A[i].x],[A[i].y] 来将其由海洋改为岛屿。请在每次运算后,返回矩阵中岛屿的数量。

注意事项

0 代表海,1 代表岛。如果两个1相邻,那么这两个1属于同一个岛。我们只考虑上下左右为相邻。

样例

给定 n = 3, m = 3, 二元数组 A = [(0,0),(0,1),(2,2),(2,1)].

返回 [1,1,2,2].


这题用到了类似并查集的思路,题目不算难,但自己给自己挖了个大坑:
x = parent[x][y].x;
y = parent[x][y].y;
还有set并不是很方便,改一改是可以不用的。
在查找root的过程中可以进行压缩路径,将父节点指向上一级的指针设置为祖父节点指向的上一级指针,可以大幅减少查找时的时间开销。

主要思路是将新增岛屿的root设为自己,将上下左右四个方向连接的岛屿(如果有)的root->root指向自己,每次操作必定使(最多)五块岛屿合为一个,用1减去操作之前四周岛屿的不同root数量即为岛屿数变化量。也可在在周围四块岛屿查找root结束时判断root是否指向新增岛屿,若不是则岛屿数量-1。参考https://www.cnblogs.com/grandyang/p/5190419.html,这种方法不用进行岛屿查重,会方便很多。

struct NPoint {
    int x;
    int y;
    NPoint() : x(-1), y(-1) {}
    NPoint(int a, int b) : x(a), y(b) {}
    NPoint(Point& a) : x(a.x), y(a.y) {}
    bool operator < (const NPoint &a) const 
    { 
        if (this->x == a.x && this->y == a.y)
            return false;
        else {
            if (this->y != a.y)
                return this->y > a.y;
            else
                return this->x > a.x;
        }
    }
};
class Solution {
public:
    /*
    * @param n: An integer
    * @param m: An integer
    * @param operators: an array of point
    * @return: an integer array
    */
    vector<int> numIslands2(int n, int m, vector<Point> &operators) {
        // write your code here
        int count = 0;
        vector<int> result;
        vector<vector<int>> map(n, vector<int>(m));
        vector<vector<NPoint>> parent(n, vector<NPoint>(m));

        auto getroot = [&](int x, int y) {
            while (parent[x][y].x != x || parent[x][y].y != y) {
                //x = parent[x][y].x;//注意
                //y = parent[x][y].y;
                int xtmp = parent[x][y].x;
                int ytmp = parent[x][y].y;
                parent[x][y].x=parent[xtmp][ytmp].x;
                parent[x][y].y=parent[xtmp][ytmp].y;
                y = ytmp;
                x = xtmp;
            }
            return NPoint(x, y);
        };
        for (Point& p : operators) {
            if (map[p.x][p.y] == 1) {
                result.push_back(count); 
                continue;
            }
            if (map[p.x][p.y] == 0) {
                vector<NPoint> ps;
                if (p.x>0)
                    if (map[p.x - 1][p.y] == 1) ps.push_back(NPoint(p.x - 1, p.y));
                if (p.y>0)
                    if (map[p.x][p.y - 1] == 1) ps.push_back(NPoint(p.x, p.y - 1));
                if (p.x<n - 1)
                    if (map[p.x + 1][p.y] == 1) ps.push_back(NPoint(p.x + 1, p.y));
                if (p.y<m - 1)
                    if (map[p.x][p.y + 1] == 1) ps.push_back(NPoint(p.x, p.y + 1));
                set<NPoint> num;
                for (NPoint point : ps) {
                    num.insert(getroot(point.x, point.y));
                }
                int n1 = num.size();
                for (NPoint point : num) {
                    parent[point.x][point.y] = NPoint(p.x, p.y);
                }
                ps.push_back(p);
                map[p.x][p.y] = 1;
                parent[p.x][p.y]=NPoint(p.x,p.y);
                count += 1 - n1;
                result.push_back(count);
            }
        }
        return result;
    }
};
### 蓝桥杯2023年第十四届省赛真题——岛屿个数 #### 题目描述 给定一幅大小为 \( M \times N \) 的格子地图,该地图仅包含字符 '0' 和 '1'。其中 '0' 表示海水,'1' 表示陆地。每个岛屿由上下左右相邻的 '1' 连接而成。如果某个岛屿的部分区域构成一个“环”,并且其他岛屿完全位于此“环”的内部,则这些岛屿被认为是前者的子岛屿。 任务是计算这个地图上的独立岛屿数量(不计子岛屿的数量)。输入多组测试数据,每组数据给出地图尺寸以及具体的地图布局,输出每组数据中的独立岛屿总数。 --- #### 输入格式 第一行为整数 \( T \),表示有 \( T \) 组测试数据。 随后依次输入 \( T \) 组数据: - 每组的第一行包含两个正整数 \( M \) 和 \( N \),分别表示地图的高度和宽度。 - 接下来的 \( M \) 行,每行包含 \( N \) 个字符 ('0' 或 '1'),表示地图的具体布局。 --- #### 输出格式 对于每一组测试数据,输出一行,包含一个整数,表示独立岛屿的数量。 --- #### 样例输入 ``` 2 5 5 01111 11001 10101 10001 11111 5 6 111111 100001 010101 100001 111111 ``` #### 样例输出 ``` 1 3 ``` --- #### 解法思路 为了求解本问题,可以采用广度优先搜索 (BFS) 方法逐一遍历地图中的每一个位置: 1. **初始化变量**:定义一个布尔型矩阵 `visited` 来记录哪些位置已经被访问过,防止重复遍历同一片区域[^2]。 2. **外层循环**:遍历整个地图,找到未被访问过的陆地点作为 BFS 的起点。 3. **BFS 实现**: - 使用队列存储待处理的位置。 - 对于当前节点 `(i, j)`,将其四周的有效邻居加入队列并标记为已访问。 4. **特殊处理**:当发现某一片陆地区域形成了“环”结构时,需跳过其包围范围内的所有子岛屿[^3]。 5. **统计结果**:每次成功完成一次完整的 BFS 即认为找到了一个新的独立岛屿,更新计数器。 以下是基于上述逻辑实现的一个 Python 版本代码示例: ```python from collections import deque def bfs(grid, visited, m, n, i, j): queue = deque([(i, j)]) visited[i][j] = True directions = [(-1, 0), (1, 0), (0, -1), (0, 1)] while queue: x, y = queue.popleft() for dx, dy in directions: nx, ny = x + dx, y + dy if 0 <= nx < m and 0 <= ny < n and not visited[nx][ny]: if grid[nx][ny] == '1': visited[nx][ny] = True queue.append((nx, ny)) def count_islands(T, test_cases): result = [] for case in test_cases: m, n, grid = case visited = [[False]*n for _ in range(m)] island_count = 0 for i in range(m): for j in range(n): if grid[i][j] == '1' and not visited[i][j]: bfs(grid, visited, m, n, i, j) island_count += 1 result.append(island_count) return result T = int(input()) test_cases = [] for _ in range(T): m, n = map(int, input().split()) grid = [input() for _ in range(m)] test_cases.append((m, n, grid)) results = count_islands(T, test_cases) for res in results: print(res) ``` --- #### 复杂度分析 - 时间复杂度:\( O(M \cdot N) \),因为每个单元格最多只会被访问一次。 - 空间复杂度:\( O(M \cdot N) \),主要来源于辅助数组 `visited` 和 BFS 中使用的队列。 ---
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