130. Surrounded Regions

本文介绍一种算法,用于在包含‘X’和‘O’字符的二维棋盘上捕获被‘X’包围的所有‘O’区域,并通过翻转这些区域内的字符实现捕获。该算法首先搜索棋盘边缘的‘O’字符,并将其以及相邻的‘O’字符标记为‘W’,最后将未被标记的‘O’字符变为‘X’。
  1. 问题描述
    Given a 2D board containing ‘X’ and ‘O’ (the letter O), capture all regions surrounded by ‘X’.

    A region is captured by flipping all ‘O’s into ‘X’s in that surrounded region.

    For example,

    X X X X
    X O O X
    X X O X
    X O X X

    After running your function, the board should be:

    X X X X
    X X X X
    X X X X
    X O X X
  2. 解决思路
    对边缘的元素进行搜索,将边缘的o元素,以及与边缘o元素相邻的o元素变成‘w‘存储。然后将剩下的o元素变成x,将w重新变回o即可。值得注意的是,这里需要考虑空间问题,要进行枝,搜索过的就不要再搜索了。。。

  3. 代码

class Solution {
public:
    void solve(vector<vector<char>>& board) {
        int m = board.size();
        if (m == 0)
            return;
        int n = board[0].size();
        for (int i = 0; i < n; ++i) {
            helper(board,0,i,m,n);
            helper(board,m-1,i,m,n);
        }
        for (int i = 0; i < m; ++i) {
            helper(board,i,0,m,n);
            helper(board,i,n-1,m,n);
        }
        for (int i = 0; i < m; ++i) {
            for (int j = 0; j < n; ++j) {
                if (board[i][j] == 'W')
                    board[i][j] = 'O';
                else if (board[i][j] == 'O')
                    board[i][j] = 'X';
            }
        }
    }
    void helper(vector<vector<char>>& board, int i, int j, int row, int col) {
        if (board[i][j] == 'O') {
            board[i][j] = 'W';
            if (i > 1)
                helper(board,i-1,j,row,col);
            if (j > 1)
                helper(board,i,j-1,row,col);
            if (i + 1 < row)
                helper(board,i+1,j,row,col);
            if (j + 1 < col)
                helper(board,i,j+1,row,col);
        }
    }
};
### 解决执行区域中没有空间的问题 在处理类似 `Surrounded Regions` 的问题时,如果出现“no space in execution regions”错误,通常与内存使用、算法效率或数据结构选择有关。以下是一些可能的解决方案以及优化策略。 #### 1. 内存优化 内存不足可能是由于递归深度过大或临时存储占用过多空间引起的。可以通过减少递归调用或避免不必要的数据复制来解决这个问题。例如,在实现 `Surrounded Regions` 时,可以采用广度优先搜索(BFS)而非深度优先搜索(DFS),以降低递归深度带来的栈溢出风险[^2]。 ```python from collections import deque def solve(board): if not board or not board[0]: return m, n = len(board), len(board[0]) queue = deque() # 将边界上的 'O' 加入队列,并标记为暂存状态 '' for i in range(m): if board[i][0] == 'O': board[i][0] = '' queue.append((i, 0)) if board[i][n-1] == 'O': board[i][n-1] = '' queue.append((i, n-1)) for j in range(n): if board[0][j] == 'O': board[0][j] = '' queue.append((0, j)) if board[m-1][j] == 'O': board[m-1][j] = '' queue.append((m-1, j)) # BFS 遍历所有与边界相连的 'O' while queue: x, y = queue.popleft() for dx, dy in [(-1, 0), (1, 0), (0, -1), (0, 1)]: nx, ny = x + dx, y + dy if 0 <= nx < m and 0 <= ny < n and board[nx][ny] == 'O': board[nx][ny] = '' queue.append((nx, ny)) # 将剩余的 'O' 转换为 'X',并将暂存的 '' 恢复为 'O' for i in range(m): for j in range(n): if board[i][j] == 'O': board[i][j] = 'X' elif board[i][j] == '': board[i][j] = 'O' ``` #### 2. 算法优化 对于较大的输入数据,需要确保算法的时间复杂度和空间复杂度都尽可能低。上述 BFS 方法的时间复杂度为 \(O(m \times n)\),空间复杂度主要取决于队列的最大长度,通常远小于递归调用栈的空间消耗[^2]。 #### 3. 数据结构选择 在内存敏感的情况下,尽量避免创建额外的数据结构(如复制整个棋盘)。可以通过直接修改原数组的方式减少内存占用。例如,在遍历边界时,可以直接将符合条件的 'O' 修改为暂存状态,而不是创建新的副本[^3]。 #### 4. 缓存与索引优化 如果涉及多次访问相同位置的数据,可以考虑引入缓存机制或优化索引结构,以减少重复计算。例如,通过预先计算边界上的 'O' 并存储其位置,可以加速后续的 BFS 或 DFS 过程[^2]。 --- ###
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