Shortest Word Distance---LeetCode243

本文介绍了解决LeetCode243题“最短单词距离”的算法思路。该题要求给定一个字符串数组和两个不同的单词,找到这两个单词在数组中的最短距离。文章提供了一种简单高效的遍历数组并更新最短距离的方法。

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

题目描述

/**
* Shortest Word Distance—LeetCode243
* Given a list of words and two words word1 and word2, return the shortest distance between these two words in the list.
* 给定一个数组和两个单词word1,word2,返回两者最近的距离,
* word1和word2不相同,但是都可能在数组中出现多次
* For example,
* Assume that words = [“practice”, “makes”, “perfect”, “coding”, “makes”].
* Given word1 = “coding”, word2 = “practice”, return 3.
* Given word1 = “makes”, word2 = “coding”, return 1.
*
*/

解法

遍历一个数组,当遍历到word1或者word2时,用w1,w2分别记录记录下位置,每次出最小的距离

public int shortestDistance(String[] words, String word1, String word2) {
        int distance=words.length;
        int w1=-1;
        int w2=-1;
        for(int i=0;i<words.length;i++){
            if(words[i].equals(word1)){
                w1=i;
            }
            if (words[i].equals(word2)) {
                w2=i;
            }
            if(w1!=-1&&w2!=-1){
                distance=Math.min(distance,Math.abs(w1-w2));
            }
        }
        return distance;
    }
GCN (Graph Convolutional Network) Shortest-Path-Master 是一种基于图卷积网络的最短路径算法。最短路径问题是图论中的经典问题,对于给定的图和起始点,找到到达目标点的最短路径。 GCN Shortest-Path-Master 通过应用图卷积神经网络的思想来解决最短路径问题。传统的最短路径算法(如Dijkstra算法或贝尔曼-福特算法)在计算过程中不考虑节点的特征信息,只利用图的拓扑结构。而GCN Shortest-Path-Master 利用了节点的特征信息,将节点的邻居节点信息通过图卷积操作进行聚合,得到节点的新特征表示。 GCN Shortest-Path-Master 的核心思想是,通过图卷积层不断更新节点的特征表示,使得节点的特征表示能够包含更多关于最短路径的信息。在每次迭代中,GCN Shortest-Path-Master 将节点的特征与邻居节点的特征进行聚合,得到节点的新特征表示。在网络的最后一层,通过对所有节点进行分类任务,可以得到每个节点到达目标点的最短路径预测。 相比传统的最短路径算法,GCN Shortest-Path-Master 提供了以下优势: 1. GCN Shortest-Path-Master 能够利用节点的特征,从而更好地表达节点之间的相互作用和联系。 2. GCN Shortest-Path-Master 可以自适应地学习节点的特征表示,而无需人工定义特征。 3. GCN Shortest-Path-Master 可以处理大规模的图结构,在计算效率上具有一定优势。 总之,GCN Shortest-Path-Master 是一种基于图卷积神经网络的最短路径算法,通过利用节点的特征信息,能够更好地解决最短路径问题。它在图结构数据中的应用具有很大潜力,在社交网络分析、推荐系统和物流路径规划等领域都有广泛的应用前景。
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