【题解】【字符串】【BFS】【Leetcode】Word Ladder

本文介绍如何使用广度优先搜索(BFS)算法解决Word Ladder问题,即找到两个单词间最短的转换序列。文章详细解释了优化技巧以避免超时,并提供了一个高效的C++实现。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Given two words (start and end), and a dictionary, find the length of shortest transformation sequence from start to end, such that:

  1. Only one letter can be changed at a time
  2. Each intermediate word must exist in the dictionary

For example,

Given:
start = "hit"
end = "cog"
dict = ["hot","dot","dog","lot","log"]

As one shortest transformation is "hit" -> "hot" -> "dot" -> "dog" -> "cog",
return its length 5.

Note:

  • Return 0 if there is no such transformation sequence.
  • All words have the same length.
  • All words contain only lowercase alphabetic characters.

思路:

字符串的花儿挺多,word ladder也是CC150 v5上的18.10题,乍一看无从下手,其实就是BFS求单源无权最短路径。

想要大set不超时,关键有几点:

1. 一边加新词进queue,一边从dict里remove掉

2. 直接寻找所有可能的OneEditWords判断是否在dict里面,每次都过一遍dict一个一个判断是否为OneEditWords会超时。我还有一个超时的方法,就是寻找所有可能的OneEditWords再建一个unordered_set跟dict求交集,后来发现algoritm里的set_intersection只支持两个有序集合很坑,需要先把unordered_set转化为vector排序,结果不言而喻。

3. 将unordered_map<string, int > path并到访问队列qwords里去会跑得更快,反正这里不要求输出路径,这个可以做下优化

4. 将getOneEditWords这个函数并到ladderLength里头会跑得更快,不过我觉得可读性会降低

 1 int ladderLength(string start, string end, unordered_set<string> &dict) {
 2     unordered_set<string> ndict(dict);//最好不要修改输入参数
 3     queue<string> qwords;//BFS访问队列
 4     unordered_map<string, int > path;//记录到start的最短路径,其实可以并入qwords中
 5     
 6     qwords.push(start);
 7     path[start] = 1;
 8     ndict.erase(start);
 9     
10     while(!qwords.empty()){
11         start = qwords.front();
12         qwords.pop();
13         int len = path[start];
14         for(string s :getOneEditWords(start)){//边局部构建map,边处理
15             if(ndict.find(s) == ndict.end()) continue;//一个一个判断dict中元素是否为OneEditWords会超时
16             if(s == end) return len+1;
17             qwords.push(s);
18             path[s] = len+1;
19             ndict.erase(s);//如果不erase访问过的元素会超时
20         }
21     }
22     return 0;    
23 } 
24 
25 vector<string> getOneEditWords(string start){
26     vector<string> words;
27     for(unsigned int i = 0; i < start.size(); i++){
28         string word(start);
29         for(char ch = 'a'; ch <= 'z'; ch++){
30             if(ch != start[i]){
31                 word[i] = ch;
32                 words.push_back(word);
33             }
34         }
35     }
36     return words;      
37 }

 

 

 

转载于:https://www.cnblogs.com/wei-li/p/WordLadder.html

内容概要:本文系统介绍了基于C#(VS2022+.NET Core)与HALCON 24.11的工业视觉测量拟合技术,涵盖边缘提取、几何拟合、精度优化及工业部署全流程。文中详细解析了亚像素边缘提取、Tukey抗噪算法、SVD平面拟合等核心技术,并提供了汽车零件孔径测量、PCB焊点共面性检测等典型应用场景的完整代码示例。通过GPU加速、EtherCAT同步等优化策略,实现了±0.01mm级测量精度,满足ISO 1101标准。此外,文章还探讨了深度学习、量子启发式算法等前沿技术的应用前景。 适合人群:具备一定编程基础,尤其是熟悉C#和HALCON的工程师或研究人员,以及从事工业视觉测量与自动化检测领域的技术人员。 使用场景及目标:①学习如何使用C#和HALCON实现高精度工业视觉测量系统的开发;②掌握边缘提取、抗差拟合、3D点云处理等核心技术的具体实现方法;③了解工业部署中的关键技术,如GPU加速、EtherCAT同步控制、实时数据看板等;④探索基于深度学习和量子计算的前沿技术在工业视觉中的应用。 其他说明:本文不仅提供了详细的理论分析和技术实现,还附有完整的代码示例和实验数据,帮助读者更好地理解和实践。同时,文中提到的硬件选型、校准方法、精度验证等内容,为实际项目实施提供了重要参考。文章最后还给出了未来的技术演进方向和开发者行动建议,如量子-经典混合计算、自监督学习等,以及参与HALCON官方认证和开源社区的建议。
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