单词接龙(dragon)(BFS)

单词接龙(dragon)

时间限制: 1 Sec  内存限制: 64 MB
提交: 12  解决: 5
[提交][状态][讨论版]

题目描述

单 词接龙是一个与我们经常玩的成语接龙相类似的游戏,现在我们已知一组单词,且给定一个开头的字母,要求出以这个字母开头的最长的“龙”(每个单词都最多在 “龙”中出现两次),在两个单词相连时,其重合部分合为一部分,例如beast和astonish,如果接成一条龙则变为beastonish,另外相邻 的两部分不能存在包含关系,例如at和atide间不能相连。

输入

第1行为一个单独的整数n(n≤20),表示单词数,以下n行每行有一个单词,输入的最后1行为一个字符,表示“龙”开头的字母。你可以假定以此字母开头的“龙”一定存在。

输出

输出以此字母开头的最长的“龙”的长度。

样例输入

5
at
touch
cheat
choose
tact
a

样例输出

23

提示

样例说明:连成的“龙”为atoucheatactactouchoose。

【分析】哎 这个题  一开始WA了好几发  仔细检查发现好多BUG  主要是判断两个字符串相交部分想错了  题目要求最长龙  而我找重复子字符串时  是从

首字符串头部开始遍历找的  导致在有些情况下把重复字符串找长了  例如:(头)CDABABA  (尾)BABABA  这个时候重复字符串应该是BA 而不应该

是BABA  哎  还是我太菜  路还长  需要学的还很多  下面是AC代码  可能还可以优化  谁让我太菜  wo te e fa ke?

#include <iostream>
#include <cstring>
#include <cstdio>
#include <cstring>
#include <algorithm>
#include <cmath>
#include <time.h>
#include <string>
#include <map>
#include <stack>
#include <vector>
#include <set>
#include <queue>
#define inf 0x3f3f3f3f
#define mod 1000000007
typedef long long ll;
using namespace std;
const int N=100010;
int n,dp[N],len;
int w[21][21];
int g[3];
int b,c;
string str[21],ch;
int maxn=1;
map<string,int>p,pp;
struct man
{
    string sa;
    int aa[25];
};

int charge(string a,string b)
{
    for(int ii=a.size()-1;ii>=0;ii--)
    {
        int jj=ii,kk=0;
        while(jj<a.size()&&kk<b.size())
        {
            if(a[jj]!=b[kk])break;
            jj++;kk++;
        }
        if(jj==a.size()&&ii!=0)return (kk);
        else if(jj==a.size()&&ii==0) return 0;
        else if(jj==a.size()&&kk==b.size())return 0;
    }
}

void bfs()
{
    queue<man>q;
    for(int i=0;i<n;i++)
    {
        if(str[i][0]==ch[0])
        {
            man CH;
             CH.sa=str[i];
            for(int j=0;j<=20;j++){CH.aa[j]=0;if(i==j)CH.aa[i]=1;}
            q.push(CH);
        }
    }
    while(!q.empty())
    {
        man t=q.front();
        int y=t.sa.size();
        maxn=max(maxn,y);
        q.pop();
        for(int i=0;i<n;i++)
        {
            string l=str[i],k;
            if(t.aa[i]>=2)continue;
            int mm=charge(t.sa,l);
            //printf("!!!%d\n",mm);
            if(mm==0)continue;
            else
            {
                man K=t;

             K.aa[i]++;
               l= l.erase(0,mm);
                k=t.sa+l;
                K.sa=k;
                if(pp[k]!=1){q.push(K);pp[k]=1;}
            }
        }
    }
}

int main() {
    memset(w,0,sizeof(w));
    cin>>n;
    for(int i=0;i<n;i++)
    {
        cin>>str[i];
        p[str[i]]=0;
    }
    cin>>ch;
    bfs();
    cout<<maxn<<endl;
    return 0;
}
View Code

 下面是我们实验室一个大神写的DFS。

#include <iostream>
#include <cstdio>
#include <cstdlib>
#include <cmath>
#include <algorithm>
#include <cstring>
#include <stack>
#include <cctype>
#include <queue>
#include <string>
#include <vector>
#include<functional>
#include <set>
#include <map>
#include <climits>
#define lson root<<1,l,mid
#define rson root<<1|1,mid+1,r
#define fi first
#define se second
#define ping(x,y) ((x-y)*(x-y))
#define mst(x,y) memset(x,y,sizeof(x))
#define mcp(x,y) memcpy(x,y,sizeof(y))
using namespace std;
#define gamma 0.5772156649015328606065120
#define MOD 1000000007
#define inf 0x3f3f3f3f
#define N 1000005
#define maxn 10005
typedef pair<int,int> PII;
typedef long long LL;
 
int n,m,k,ans,temp;
string str[50];
int len[50];
int vis[50];
int pic[50][50];
int match(int x,int y){
    int res=0;
    int tlen=min(len[x],len[y]);
    for(int i=1;i<=tlen;++i){
        int j=len[x]-i;k=0;
        while(j<len[x]&&k<len[y]&&k<i){
            if(str[x][j]!=str[y][k])break;
            ++j;++k;
        }
        if(k==i){
            res=i;
            break;
        }
    }
    return res==tlen?0:res;
}
void init(){
    for(int i=1,t;i<=n;++i)
    for(int j=1;j<=n;++j){
        if(t=match(i,j)){
            pic[i][j]=t;
        }
    }
}
void dfs(int x){
    if(temp>ans)ans=temp;
    for(int i=1;i<=n;++i)if(!vis[i]&&pic[x][i]){
        temp=temp+len[i]-pic[x][i];
        vis[i]=1;
        dfs(i);
        vis[i]=0;
        temp=temp+pic[x][i]-len[i];
    }
}
int main() {
    //freopen("in.txt","r",stdin);
    int i,j,group;
    cin>>n;n<<=1;
    for(i=1;i<=n;i+=2){
        cin>>str[i];
        str[i+1]=str[i];
        len[i]=len[i+1]=str[i].length();
    }
    char ch;cin>>ch;
    init();
    ans=0;
    for(i=1;i<=n;++i)if(str[i][0]==ch){
        temp=len[i];
        vis[i]=1;
        dfs(i);
        vis[i]=0;
    }
    cout<<ans<<endl;
    return 0;
}
View Code

 

转载于:https://www.cnblogs.com/jianrenfang/p/5721059.html

<think>首先,用户的问题是关于双向BFS算法在单词接龙和基因变化问题中的应用方式。我需要基于提供的引用和系统指令来构建回答。 关键引用: - 引用[1]:提到双向BFS在八数码问题中的效率,强调策略的重要性。 - 引用[2]:解释双向BFS的基本原理,从起点和终点同时遍历直到交集。 - 引用[3]:提供Python代码实现双向BFS用于单词接龙问题。 - 引用[4]:链接到LeetCode问题,提到单词接龙和基因变化的相似性。 用户的具体问题是:“双向BFS算法在单词接龙与基因变化问题中的具体应用与实现方法”。所以,我需要覆盖: 1. 双向BFS的概述。 2. 在单词接龙中的应用。 3. 在基因变化中的应用(尽管引用中主要提到单词接龙,但基因变化类似)。 4. 实现方法,包括代码示例。 系统指令: - 所有行内数学表达式用$...$格式(但这个问题可能不需要数学)。 - 独立公式用$$...$$(同样,可能不适用)。 - LaTeX语法正确(在回答中使用)。 - 使用中文回答。 - 生成相关问题。 - 回答中引用的段落末尾添加引用标识,如[^1]。 - 回答结构清晰,逐步解决问题。 - 参考站内引用,但用户提供的引用是给定的,我需要引用它们。 结构回答: 1. **介绍双向BFS**:简要解释双向BFS的概念和优势,引用[1]和[2]。 2. **在单词接龙中的应用**:使用引用[3]的代码示例。 3. **在基因变化中的应用**:推断或基于相似性解释,因为引用[4]提到类似问题。 4. **实现方法**:详细步骤,代码示例。 5. **总结**。 6. **生成相关问题**:在末尾添加相关问题。 确保回答真实可靠:基于提供的引用,不要添加虚假信息。 引用添加:在相关句子末尾添加引用标识。例如,提到效率时加[^1],提到原理时加[^2],代码时加[^3],相似问题时加[^4]。 最终输出格式: - 回答部分。 - &sect;&sect;相关问题&sect;&sect;部分。 现在,构建回答大纲: 1. **引言**:解释双向BFS及其在搜索问题中的优势。 2. **双向BFS单词接龙中的应用**: - 描述问题:LeetCode 127. 单词接龙。 - 实现细节:使用双向BFS减少搜索空间。 - 代码示例:引用[3]的Python代码。 3. **双向BFS在基因变化中的应用**: - 描述问题:类似单词接龙,但基因序列变化。 - 实现相似性:基于引用[4],基因变化与单词接龙类似。 - 简要代码或描述。 4. **通用实现方法**: - 步骤总结。 - 优化技巧。 5. **总结**:强调效率。 6. **相关问题**:生成2-3个相关问题。 相关问题示例: 1. 双向BFS与单向BFS时间复杂度上有什么区别? 2. 在基因变化问题中,如何处理无效的基因序列? 3. 双向BFS适用于哪些其他类型的问题? 确保使用中文。</think>### 双向BFS算法在单词接龙与基因变化问题中的应用与实现 双向BFS(双向广度优先搜索)是一种高效的图搜索算法,通过从起点和终点同时进行BFS遍历,直到两个搜索方向“相遇”,从而大幅减少搜索空间和计算时间。这种方法特别适用于状态空间大、但目标状态明确的路径搜索问题,如单词接龙(LeetCode 127)和基因变化(LeetCode 433)。下面我将逐步解释其应用方式、实现细节和代码示例,确保回答基于可靠引用(如用户提供的站内引用)。 #### 1. **双向BFS的核心原理** - 双向BFS的核心思想是“双向夹逼”:从起点(如起始单词)和终点(如目标单词)同时启动BFS,每次扩展当前层的节点。当两个方向的搜索出现交集(即某个节点被双方访问过)时,路径即被找到。这避免了单向BFS的指数级增长问题,将时间复杂度从$O(b^d)$降低到$O(b^{d/2})$(其中$b$是分支因子,$d$是路径深度)[^2]。 - 优势:在状态空间大的问题中,如单词接龙或基因变化,能显著提升效率,尤其当路径较长时。引用中强调:“双向BFS通过巧妙的双向夹逼策略,在八数码问题中展现了惊人的效率”[^1]。 #### 2. **在单词接龙问题中的应用** - **问题描述**:单词接龙要求从起始单词(如"hit")通过单次字符变换(如将"h"改为"c"得到"cit"),逐步转换为目标单词(如"cog"),且所有中间单词必须在给定单词列表中。路径长度即为变换步数。 - **双向BFS的应用**: - 起点BFS从起始单词开始,终点BFS从目标单词开始,同时扩展。 - 每次只处理较小队列的一侧(优化策略),减少无效搜索。 - 当某个单词被双方访问时,路径长度 = 起点步数 + 终点步数 + 1(交集点)。 - 这种方法避免了单向BFS的“组合爆炸”,尤其当单词列表庞大时[^3][^4]。 - **实现方法(Python代码)**: - 基于引用[3]的实现,使用集合存储当前层节点,并动态切换队列大小以优化。 - 关键步骤: 1. 初始化起点集和终点集。 2. 循环直到队列为空或找到交集。 3. 优先处理较小队列(减少计算量)。 4. 生成所有可能变换(如26个字母替换)。 5. 检查交集并返回路径。 ```python from typing import Set, List def ladderLength(beginWord: str, endWord: str, wordList: List[str]) -> int: # 创建有效单词集,并检查边界条件 valid_words = set(wordList) if endWord not in valid_words or not wordList: return 0 # 初始化双向BFS:起点集和终点集 begin_set, end_set, step = {beginWord}, {endWord}, 1 while begin_set and end_set: # 优化:始终处理较小队列,减少搜索空间 if len(begin_set) > len(end_set): begin_set, end_set = end_set, begin_set next_level = set() # 存储下一层节点 # 遍历当前层所有单词 for word in begin_set: # 尝试替换每个位置的字符 for i in range(len(word)): for char in 'abcdefghijklmnopqrstuvwxyz': if char != word[i]: # 跳过相同字符 new_word = word[:i] + char + word[i+1:] # 检查是否与终点集交集:找到路径 if new_word in end_set: return step + 1 # 如果新单词有效,加入下一层并移除以避免重复 if new_word in valid_words: next_level.add(new_word) valid_words.remove(new_word) begin_set = next_level # 更新起点集为下一层 step += 1 # 步数增加 return 0 # 无路径时返回0 ``` - **分析**:此代码在LeetCode 127中高效运行,时间复杂度约为$O(N \times L \times 26)$($N$为单词数,$L$为单词长度),比单向BFS快数倍。引用指出:“Python - 深夜数据结构与算法之 Two-Ended BFS” 提供了类似实现,强调优先处理小队列的优化[^3]。 #### 3. **在基因变化问题中的应用** - **问题描述**:基因变化(如LeetCode 433)要求从起始基因序列(如"AACCGGTT")通过单次碱基变换(A、C、G、T的替换),转换为目标基因序列(如"AAACGGTA"),且所有中间序列必须在有效基因库中。路径长度即为最小步数。 - **双向BFS的应用**: - 与单词接龙高度相似:基因序列可视为“单词”,碱基替换类似于字符变换。引用提到:“Leetcode0127. 单词接龙...另外跟leetcode752(打开转盘锁)也很相似,本题换成换成单词了”[^4]。 - 实现差异:基因序列使用4个碱基(A/C/G/T),而非26个字母,因此分支因子更小($O(4 \times L)$ vs $O(26 \times L)$),搜索效率更高。 - 关键步骤:同单词接龙,但替换字符集改为['A','C','G','T'],并处理无效序列(如基因库过滤)。 - **实现方法(Python代码)**: - 修改上述代码,适配基因序列: - 替换字符集为"ACGT"。 - 添加基因库验证。 ```python def minMutation(startGene: str, endGene: str, bank: List[str]) -> int: valid_genes = set(bank) if endGene not in valid_genes or not bank: return -1 # 无有效路径 begin_set, end_set, step = {startGene}, {endGene}, 0 mutations = ['A', 'C', 'G', 'T'] while begin_set and end_set: if len(begin_set) > len(end_set): begin_set, end_set = end_set, begin_set next_level = set() for gene in begin_set: for i in range(len(gene)): for mut in mutations: if mut != gene[i]: new_gene = gene[:i] + mut + gene[i+1:] if new_gene in end_set: # 找到交集 return step + 1 if new_gene in valid_genes: next_level.add(new_gene) valid_genes.remove(new_gene) # 避免重复 begin_set = next_level step += 1 return -1 # 无路径 ``` - **分析**:基因变化问题中,双向BFS将搜索深度减半,适合序列长度$L$较大时(如$L=8$)。引用类比了单词接龙,指出“可选项以wordlist的形式出现”[^4],实现时需确保基因库的快速查找。 #### 4. **通用实现技巧与优化** - **步骤总结**: 1. **初始化**:创建起点集、终点集、步数计数器,验证目标状态是否有效。 2. **循环处理**:当双方队列非空时,优先扩展较小队列(减少内存和计算)。 3. **生成邻居**:对于每个状态,生成所有可能变换(如字符或碱基替换),并检查有效性。 4. **检查交集**:如果新状态在对方集合中,返回总步数(起点步数 + 终点步数 + 1)。 5. **更新队列**:将有效邻居加入下一层,并从有效集移除以避免环。 - **优化建议**: - **队列大小平衡**:始终处理较小队列,如引用[3]代码所示,这能避免无效分支。 - **去重机制**:使用集合存储有效状态,确保$O(1)$查找。 - **边界处理**:提前检查目标状态是否可达,避免无效搜索。 - **时间复杂度**:一般$O(b^{d/2})$,其中$b$为平均分支因子(单词接龙$b \approx 26L$,基因变化$b \approx 4L$),$d$为最短路径深度[^2][^3]。 - **注意事项**:双向BFS要求目标状态明确;如果问题允许,可结合启发式方法(如A*)进一步优化。 #### 5. **总结** 双向BFS单词接龙和基因变化问题中,通过双向夹逼策略,高效解决了路径搜索问题。其核心是减少搜索空间,尤其适合状态转换规则简单但空间大的场景。实现时,注意队列优化和去重,代码可复用性强(只需修改状态生成逻辑)。正如引用所述:“问题的解决往往不在于更强的算力,而在于更聪明的策略”[^1],双向BFS正是这种策略的体现。
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