127. 单词接龙

Problem: 127. 单词接龙

文章目录

思路

给你两个单词 beginWord 和 endWord 和一个字典 wordList ,返回 从 beginWord 到 endWord 的 最短转换序列 中的 单词数目 。如果不存在这样的转换序列,返回 0。很显然这道题目可以用双向广搜来解决。

解题方法

将开始字符添加到小的一侧(set),将结束字符添加到大的一侧(set)。

从小的一侧开始拓展,暴力展开,如果大的一侧中有与当前字符相同的就说明找到了,两侧连通起来的,返回当前的len即可,每变换一次在总的字典中寻找如果存在,删除记录防止重复也就是剪枝。交换的过程:如果当前层小于等于较大层,交换当前层和较小层,反之,当前层大于较大层,交换当前层和较大层,较大层和较小层

复杂度

时间复杂度:

时间复杂度方面,由于我们同时从两个方向进行搜索,所以时间复杂度会相对较低。具体的时间复杂度取决于搜索的层数,最坏情况下为 O ( M ∗ N 2 ) O(M*N^2) O(M∗N2),其中M为wordList的长度,N为单词的平均长度。

空间复杂度:

空间复杂度方面,我们使用了三个集合smallLevel、bigLevel和nextLevel来存储单词,以及一个HashSet来存储总词汇表。所以空间复杂度为 O ( M ) O(M) O(M),其中M为wordList的长度。

Code

Java 复制代码
class Solution {
    public int ladderLength(String beginWord, String endWord, List<String> wordList) {
        // 总词汇表
        Set<String> dict = new HashSet<>(wordList);
        if (!dict.contains(endWord)) {
            return 0;
        }
        // 数据量小的一侧
        Set<String> smallLevel = new HashSet<>();
        // 数据量大的一侧
        Set<String> bigLevel = new HashSet<>();
        // 数据量小的下一侧
        Set<String> nextLevel = new HashSet<>();
        smallLevel.add(beginWord);
        bigLevel.add(endWord);
        for (int len = 2; !smallLevel.isEmpty(); len++) {
            for (String w : smallLevel) {
                // 从小的一侧拓展
                char[] word = w.toCharArray();
                for (int j = 0; j < word.length; j++) {
                    char old = word[j];
                    for (char change = 'a'; change <= 'z'; change++) {
                        if (change != old) {
                            word[j] = change;
                            String next = String.valueOf(word);
                            if (bigLevel.contains(next)) {
                                return len;
                            }
                            if (dict.contains(next)) {
                                dict.remove(next);
                                nextLevel.add(next);
                            }
                        }
                    }
                    word[j] = old;
                }

            }
            if (nextLevel.size() <= bigLevel.size()) {
                // 交换当前层和较小层
                Set<String> temp = smallLevel;
                smallLevel = nextLevel;
                nextLevel = temp;
            } else {
                // 当前层大于较大层 交换当前层和较大层 较大层和较小层
                Set<String> temp = smallLevel;
                smallLevel = bigLevel;
                bigLevel = nextLevel;
                nextLevel = temp;
            }
            nextLevel.clear();
        }
        return 0;
    }
}
相关推荐
Swizard8 分钟前
别再只会算直线距离了!用“马氏距离”揪出那个伪装的数据“卧底”
python·算法·ai
cat三三9 分钟前
java之异常
java·开发语言
浙江第二深情14 分钟前
前端性能优化终极指南
java·maven
flashlight_hi28 分钟前
LeetCode 分类刷题:199. 二叉树的右视图
javascript·算法·leetcode
养乐多072230 分钟前
【Java】IO流
java
俊男无期30 分钟前
超效率工作法
java·前端·数据库
LYFlied30 分钟前
【每日算法】LeetCode 46. 全排列
前端·算法·leetcode·面试·职场和发展
2301_8234380230 分钟前
【无标题】解析《采用非对称自玩实现强健多机器人群集的深度强化学习方法》
数据库·人工智能·算法
oscar99933 分钟前
CSP-J教程——第二阶段第十二、十三课:排序与查找算法
数据结构·算法·排序算法
中国胖子风清扬34 分钟前
SpringAI和 Langchain4j等 AI 框架之间的差异和开发经验
java·数据库·人工智能·spring boot·spring cloud·ai·langchain