[leetcode] 994. 腐烂的橘子

在给定的 m x n 网格 grid 中,每个单元格可以有以下三个值之一:

  • 值 0 代表空单元格;
  • 值 1 代表新鲜橘子;
  • 值 2 代表腐烂的橘子。

每分钟,腐烂的橘子 周围 4 个方向上相邻 的新鲜橘子都会腐烂。

返回 直到单元格中没有新鲜橘子为止所必须经过的最小分钟数。如果不可能,返回 -1 。

示例 1:

复制代码
输入:grid = [[2,1,1],[1,1,0],[0,1,1]]
输出:4

示例 2:

复制代码
输入:grid = [[2,1,1],[0,1,1],[1,0,1]]
输出:-1
解释:左下角的橘子(第 2 行, 第 0 列)永远不会腐烂,因为腐烂只会发生在 4 个方向上。

示例 3:

复制代码
输入:grid = [[0,2]]
输出:0
解释:因为 0 分钟时已经没有新鲜橘子了,所以答案就是 0 。

提示:

  • m == grid.length
  • n == grid[i].length
  • 1 <= m, n <= 10
  • grid[i][j] 仅为 0、1 或 2

Python实现

宽度优先,这里要使用队列,先记录腐烂的橘子,然后从队列里面取出橘子进行拓展,如果能想到这个,代码就容易写出来了。

复制代码
class Solution:

    def isValid(self, grid, i,j):
        return 0<=i<len(grid) and 0<=j<len(grid[0])

    def orangesRotting(self, grid: List[List[int]]) -> int:
        m = len(grid)
        n = len(grid[0])

        q = deque()
        for i in range(m):
            for j in range(n):
                if grid[i][j]==2:
                    q.append([i,j,0])
        d=0
        while q:
            row,col, d = q.popleft()
            xy= [[0,1],[0,-1],[1,0],[-1,0]]
            for x,y in xy:
                dx = row+x
                dy = col+y
                if self.isValid(grid,dx,dy):
                    if grid[dx][dy]==1:
                        grid[dx][dy]=2
                        q.append([dx,dy,d+1])
        for i in range(m):
            for j in range(n):
                if grid[i][j]==1:
                    return -1
        return d
相关推荐
前端摸鱼匠7 小时前
【AI大模型春招面试题11】什么是模型的“涌现能力”(Emergent Ability)?出现条件是什么?
人工智能·算法·ai·自然语言处理·面试·职场和发展
MORE_778 小时前
leecode-合并区间-贪心算法
算法·贪心算法
2401_873204658 小时前
分布式系统安全通信
开发语言·c++·算法
sw1213899 小时前
C++中的代理模式实战
开发语言·c++·算法
ballball~~10 小时前
ISP-CCM(Color Correction Matrix)
图像处理·数码相机·算法
sheeta199810 小时前
LeetCode 每日一题笔记 日期:2025.03.24 题目:2906.构造乘积矩阵
笔记·leetcode·矩阵
Sunshine for you10 小时前
实时操作系统中的C++
开发语言·c++·算法
中科院提名者10 小时前
BPE 算法的硬核拆解——理解词表(Vocabulary)是如何从零训练出来的,以及字符串是如何被切碎的
算法
「QT(C++)开发工程师」11 小时前
C++11三大核心特性深度解析:类型特征、时间库与原子操作
java·c++·算法
乐分启航11 小时前
SliMamba:十余K参数量刷新SOTA!高光谱分类的“降维打击“来了
java·人工智能·深度学习·算法·机器学习·分类·数据挖掘