hot100-48腐烂的橘子

代码学习的是小红书的尼布斯老师,写的好好,思路写的也好好,很清晰易懂。

力扣的代码学习主要参考小红书的尼布斯老师和小熊饼干老师。

一、题目

m x n 的网格 grid 中,每个单元格可以有三个值:0、1、2。

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。

二、思路

1、DFS是一条路走到黑,从一个腐烂橘子出发,先一路向下感染到底,再回溯。无法保证同一时间被感染的橘子在同一轮处理。所以这道题要用BFS,逐层遍历,按时间层推进。【多源BFS】

2、遍历网格,将腐烂的橘子加入队列,并且新鲜的橘子计数统计。如果新鲜的橘子为0,那么腐烂的时间为0。如果队列不为空,就BFS传播,从队列中取出当前腐烂的橘子,并将四周的橘子变腐烂。处理一个队列就minutes++。最后判断新鲜橘子剩余那么返回-1,不剩余则返回minutes。

三、代码

java 复制代码
class Solution {
    public int orangesRotting(int[][] grid) {
        int[][] dirs = {{0,1},{0,-1},{1,0},{-1,0}};
        LinkedList<int[]> queue = new LinkedList<>();
        int m = grid.length, n = grid[0].length;
        int freshCount = 0;
        for(int i =0;i<m;i++){
            for(int j = 0; j<n;j++){
                if(grid[i][j] == 2){
                    queue.offer(new int[] {i,j});
                }else if(grid[i][j] == 1){
                    freshCount++;
                }
            }
        }
        if(freshCount ==0) return 0;
        int minutes = -1;
        while(!queue.isEmpty()){
            int size = queue.size();
            for(int k = 0;k<size;k++){
                int[] cur = queue.poll();
                int x = cur[0],y = cur[1];
                for(int[] d : dirs){
                    int nx = x + d[0],ny = y+d[1];
                    if(nx>=0 && nx<m && ny>=0 && ny<n && grid[nx][ny] == 1){
                        grid[nx][ny] = 2;
                        freshCount--;
                        queue.offer(new int[]{nx,ny});
                    }
                }
            }
            minutes++;
        }
        return freshCount == 0 ? minutes :-1;
    }
}
相关推荐
ZhengEnCi2 小时前
大模型的分类到底怎么分:从基础模型到推理模型、从通用到专用的完整图谱
算法
取名真是2 小时前
Python 算法知识点从基础到进阶
开发语言·python·算法
罗西的思考3 小时前
【轻量化复刻大模型 / KIMI K3】KDA 模块交互式演示
人工智能·算法·机器学习
nm_zfyjt5 小时前
信息流广告投放优化实践:线索成本评估模型与转化链路重构(家装建材案例)
算法·重构·内蒙古朋友圈广告服务商·内蒙古朋友圈获客
w_zero_one6 小时前
算法--构造
java·数据结构·算法
其实防守也摸鱼7 小时前
信创安全竞赛知识总结与题库
大数据·网络·人工智能·算法·安全·php
小超人诞生日记8 小时前
C++ 智能指针的使用及其原理详解
c++·算法
AiNightVision11 小时前
无人机夜视模块如何选择?——从参数指标到系统集成的完整选型指南
人工智能·算法·计算机视觉·车载系统·无人机·视频·智能硬件
牧羊人.33312 小时前
卷积神经网络之VGG
人工智能·深度学习·神经网络·算法·cnn