【经典算法】LeetCode133克隆图(Java/C/Python3实现含注释说明,中等)

🙊🙊作者主页： 🔗进朱者赤的博客
📔📔 精选专栏：🔗经典算法
作者简介：阿里非典型程序员一枚 ，记录在大厂的打怪升级之路。 一起学习Java、大数据、数据结构算法（公众号同名）

💞💞觉得文章还不错的话欢迎大家点赞👍➕收藏⭐️➕评论💬支持博主🤞
————————————————-

• 标签(题目类型)：图、图的遍历、DFS、BFS

题目描述

给你无向 连通 图中一个节点的引用，请你返回该图的 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]）。

class Node {
    public int val;
    public List<Node> neighbors;
}
 

测试用例格式：

简单起见，每个节点的值都和它的索引相同。例如，第一个节点值为 1（val = 1），
第二个节点值为 2（val = 2），以此类推。该图在测试用例中使用邻接列表表示。

邻接列表 是用于表示有限图的无序列表的集合。每个列表都描述了图中节点的邻居集。

给定节点将始终是图中的第一个节点（值为 1）。你必须将 给定节点的拷贝 作为对克隆图的引用返回。

示例 1：

输入：adjList = [[2,4],[1,3],[2,4],[1,3]]
输出：[[2,4],[1,3],[2,4],[1,3]]
解释：
图中有 4 个节点。
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 。

示例 2：

输入：adjList = [[]]
输出：[[]]
解释：输入包含一个空列表。该图仅仅只有一个值为 1 的节点，它没有任何邻居。
示例 3：

输入：adjList = []
输出：[]
解释：这个图是空的，它不含任何节点。

提示：

这张图中的节点数在 [0, 100] 之间。
1 <= Node.val <= 100
每个节点值 Node.val 都是唯一的，
图中没有重复的边，也没有自环。
图是连通图，你可以从给定节点访问到所有节点。

原题：LeetCode 133

思路及实现

方式一：深度优先搜索（DFS）

思路

对于图中的每个节点，我们可以使用深度优先搜索（DFS）来遍历图，并在遍历的过程中复制节点和边。首先，我们需要创建一个与原始图相同大小的空图来存储克隆结果。然后，我们可以从任意节点开始，递归地遍历图，并在遍历过程中复制节点和边。

在遍历过程中，我们需要使用一个哈希表来存储原始节点和克隆节点之间的映射关系，以避免重复复制节点。当我们遇到一个尚未复制的节点时，我们创建它的克隆节点，并将其添加到克隆图中。然后，我们递归地复制与该节点直接相连的所有节点，并在克隆图中添加相应的边。

代码实现

Java版本

import java.util.*;  
  
class Node {
     
    public int val;  
    public List<Node> neighbors;  
      
    public Node() {
     
        val = 0;  
        neighbors = new ArrayList<Node>();  
    }  
      
    public Node(int _val) {
     
        val = _val;  
        neighbors = new ArrayList<Node>();  
    }  
      
    public Node(int _val, ArrayList<Node> _neighbors) {
     
        val = _val;  
        neighbors = _neighbors;  
    }  
}  
  
public class Solution {
     
    private Map<Node, Node> visited = new HashMap<>();  
  
    public Node cloneGraph(Node node) {
     
        if (node == null) {
     
            return null;  
        }  
          
        // 如果已经访问过该节点，则直接返回克隆节点  
        if (visited.containsKey(node)) {
     
            return visited.get(node);  
        }  
          
        // 创建克隆节点  
        Node cloneNode = new Node(node.val);  
        visited.put(node, cloneNode); // 将原始节点和克隆节点映射关系存入哈希表