广度优先搜索(Breadth First Search,简称bfs)是属于图论的一种,广泛应用于数据结构的搜索,通常用于解决一些最短路径的问题。
广度优先搜索的核心思路是:确定一个或多个源点,以这些源点为起点向外发散,确定下一步可能会走到的所有点(必要时可使用哈希去重,记录走过的点,因为有些时候bfs可能会进入死循环,并且可以验证:一个点若在第n次遍历时走到过,此后的任意一次遍历走到的这个点必然没有第一次走到的时候快),将这些点当成源点,再进行一次扩散,如此往复以找到最短路径。
模板代码:
present = [start] # 起始点(一个点或多个点)
num = 0 # 从起始点到目标点需要走的次数
visited = set() # 去重
while present:
future = [] # 创建一个空列表用来储存扩散点
for i in present: # 遍历源点,扩散寻找
for x, y in [1, 0], [0, 1], [-1, 0], [0, -1]: # 以一个点的走法为上下左右为例
if (present[0] + x, present[1] + y) in visited: # 去重
continue
if ...: # 判断能否由起始点走到该扩散点,如图的大小限制或障碍物等
visited.add((present[0] + x, present[1] + y)) # 将走过的点记录
future.append((present[0] + x, present[1] + y)) # 将可以走到的点加入扩散点列表中
present = future # 将此次的扩散点作为下一次的起始点
num += 1 # 走的步数 + 1
思路:这题要我们求锁的最小旋转次数,所以我们可以优先考虑广度优先搜索。
代码实现:
class Solution(object):
def openLock(self, deadends, target):
"""
:type deadends: List[str]
:type target: str
:rtype: int
"""
lock = set()
for i in deadends:
lock.add(i) # 将无法转到的锁组合加入集合中,避免后续取到
present = ["0000"] # 起始点
visited = set() # 定义去重集合
num = 0
while present:
future = []
for q in present:
if q == target: # 说明找到了,返回答案
return num
if q not in visited: # 去重
visited.add(q)
if q in lock: # 如果取到了死亡数字,则跳过
continue
for i in range(4): # 锁的每一个数字一共有两种取法,第一种+1第二种-1,注意对10取余以免超出范围
f = list(q)
f[i] = str((int(f[i]) + 1) % 10)
future.append("".join(f))
f[i] = str((int(f[i]) + 8) % 10) # 防止取到负数,用+8代替-1
future.append("".join(f))
present = future
num += 1
return -1
希望我的分享对您有所帮助!