LintCode 677: Number of Big Islands (经典题)

本文介绍了一种算法问题,即在二维布尔矩阵中找到大小等于或大于K的岛屿数量。通过两个示例详细展示了问题场景,并提供了两种解决方案:深度优先搜索(DFS)和宽度优先搜索(BFS)。代码示例使用C++实现。
  1. Number of Big Islands
    中文English
    Given a boolean 2D matrix, 0 is represented as the sea, 1 is represented as the island. If two 1 is adjacent, we consider them in the same island. We only consider up/down/left/right adjacent.

Find the number of islands that size bigger or equal than K.

Example
Example1

Input:
[[1,1,0,0,0],[0,1,0,0,1],[0,0,0,1,1],[0,0,0,0,0],[0,0,0,0,1]]
2
Output: 2
Explanation:
the 2D grid is
[
[1, 1, 0, 0, 0],
[0, 1, 0, 0, 1],
[0, 0, 0, 1, 1],
[0, 0, 0, 0, 0],
[0, 0, 0, 0, 1]
]
there are two island which size is equals to 3.
Example2

Input:
[[1,0],[0,1]]
1
Output: 2

解法1:
DFS。我用了visited数组。注意也可以不用,直接将访问过的节点清0即可。
代码如下:

class Solution {
public:
    /**
     * @param grid: a 2d boolean array
     * @param k: an integer
     * @return: the number of Islands
     */
    int numsofIsland(vector<vector<bool>> &grid, int k) {
        int nRow = grid.size();
        if (nRow == 0) return 0;
        int nCol = grid[0].size();
        visited.resize(nRow, vector<int>(nCol, 0));
        int result = 0;
        
        for (int i = 0; i < nRow; ++i) {
            for (int j = 0; j < nCol; ++j) {
                if (grid[i][j] && !visited[i][j]) {
                    amount = 0;
                    dfs(grid, i, j);
                    if (amount >= k) {
                        result++;
                    }
                }
            }
        }
        
        return result;
    }
    
private:
    void dfs(vector<vector<bool>> &grid, int i, int j) {
        if (i < 0 || i >= grid.size() || j < 0 || j >= grid[0].size()) return;
        
        if (visited[i][j] || !grid[i][j]) return;
        visited[i][j] = 1;
        amount++;
        vector<int> dx = {-1, 1, 0, 0};
        vector<int> dy = {0, 0, -1, 1};
        for (int k = 0; k < 4; ++k) {
            int newX = i + dx[k];
            int newY = j + dy[k];
            dfs(grid, newX, newY);
        }
        
    }
    int amount;
    vector<vector<int>> visited;
};

解法2:BFS

解法3:Union-Find

下载方式:https://pan.quark.cn/s/26794c3ef0f7 本文阐述了在Django框架中如何适当地展示HTML内容的方法。 在Web应用程序的开发过程中,常常需要向用户展示HTML格式的数据。 然而,在Django的模板系统中,为了防御跨站脚本攻击(XSS),系统会默认对HTML中的特殊字符进行转义处理。 这意味着,如果直接在模板代码中插入包含HTML标签的字符串,Django会自动将其转化为文本形式,而不是渲染为真正的HTML组件。 为了解决这个问,首先必须熟悉Django模板引擎的安全特性。 Django为了防止不良用户借助HTML标签注入有害脚本,会自动对模板中输出的变量实施转义措施。 具体而言,模板引擎会将特殊符号(例如`<`、`>`、`&`等)转变为对应的HTML实体,因此,在浏览器中呈现的将是纯文本而非可执行的代码。 尽管如此,在某些特定情形下,我们确实需要在页面上呈现真实的HTML内容,这就需要借助特定的模板标签或过滤器来调控转义行为。 在提供的示例中,开发者期望输出的字符串`<h1>helloworld</h1>`能被正确地作为HTML元素展示在页面上,而不是被转义为文本`<h1>helloworld</h1>`。 为实现这一目标,作者提出了两种解决方案:1. 应用Django的`safe`过滤器。 当确认输出的内容是安全的且不会引发XSS攻击时,可以在模板中这样使用变量:```django<p>{{ data|safe }}</p>```通过这种方式,Django将不会对`data`变量的值进行HTML转义,而是直接将其当作HTML输出。 2. 使用`autoescape`标签。 在模板中,可以通过`autoesc...
已经博主授权,源码转载自 https://pan.quark.cn/s/1d1f47134a16 Numerical Linear Algebra Visual Studio C++实现数值线性代数经典算法。 参考教材:《数值线性代数(第2版)》——徐树方、高立、张平文 【代码结构】 程序包含两个主要文件 和 。 中实现矩阵类(支持各种基本运算、矩阵转置、LU 分解、 Cholesky 分解、QR分解、上Hessenberg化、双重步位移QR迭代、二对角化),基本方程组求解方法(上三角、下三角、Guass、全主元Guass、列主元Guass、Cholesky、Cholesky改进),范数计算方法(1范数、无穷范数),方程组古典迭代解法(Jacobi、G-S、JOR),实用共轭梯度法,幂法求模最大根,隐式QR算法,过关Jacobi法,二分法求第K大特征值,反幂法,SVD迭代。 中构建矩阵并求解。 【线性方程组直接解法】 不选主元、全主元、列主元三种Guass消去法,Cholesky分解及其改进版。 【report】 【方程组解误差分析】 矩阵范数计算、方程求解误差分析。 【report】 【最小二乘】 QR分解算法求解线性方程组、最小二乘问。 【report】 【线性方程组古典迭代解法】 Jacobi迭代法、G-S迭代法、SOR迭代法求解方程组。 【report】 【共轭梯度法】 实用共轭梯度法。 【report】 【非对称特征值】 幂法求模特征根、QR方法(上Hessenberg分解、双重步位移QR迭代、隐式QR法) 【report】 【对称特征值】 过关Jacobi法、二分法、反幂法。 【report】 【对称特征值】 矩阵二对角化、SVD迭代。 【report】
【EI复现】基于阶梯碳交易的含P2G-CCS耦合和燃气掺氢的虚拟电厂优化调度(Matlab代码实现)内容概要:本文介绍了一项基于阶梯碳交易机制的虚拟电厂优化调度研究,重点整合了P2G-CCS(电转气-碳捕集与封存)耦合技术和燃气掺氢技术,旨在提升虚拟电厂在低碳环境下的调度效率与能源利用率。研究通过构建相应的数学模型,并采用Matlab进行代码实现与仿真分析,综合考虑电力、天然气与氢能系统的协同运行,优化系统运行成本与碳排放水平。该资源属于EI期刊复现内容,具备较强的学术参考价值和技术实现细节。; 适合人群:具备一定电力系统、能源系统背景知识,熟悉Matlab编程,从事新能源、综合能源系统、优化调度等相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①用于复现EI级别论文中的虚拟电厂优化调度模型;②学习阶梯碳交易机制在能源系统中的建模方法;③掌握P2G-CCS与燃气掺氢技术在综合能源系统中的集成与优化应用;④开展碳减排与能源高效利用相关的科研项目或课程设计。; 阅读建议:建议读者结合Matlab代码与文档内容同步学习,重点关注模型构建思路、约束条件设定及优化求解过程,可借助YALMIP等工具包进行算法调试与结果验证,建议拓展研究不同碳交易机制对系统经济性与环保性的影响。
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