3-------深度优先遍历算法

最新推荐文章于 2023-05-13 20:06:57 发布

原创最新推荐文章于 2023-05-13 20:06:57 发布 · 164 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#二叉树 #算法

数据结构与算法专栏收录该内容

6 篇文章

订阅专栏

本文通过三个实例介绍了深度优先算法在解决实际问题中的应用：1）二叉树别墅的小偷问题，利用深度优先搜索找到最大化财富的盗窃路径；2）二叉树中最大路径和问题，通过深度优先遍历确定最大路径收益；3）最大岛屿问题，使用深度优先搜索求解图中的最大岛屿面积。这些案例展示了深度优先搜索在遍历和优化问题上的强大能力。

在这里插入图片描述
深度优先算法的本质就是“一条路走到黑”
比如：小明要去旅游，右四个目的地（三亚，山东，哈尔滨，新疆），深度优先算法就是小明先查去三亚的机票再查三亚酒店的价格根据都不合适再回到起点，重新出发去查去山东的机票和酒店的价格…
三个问题的答案
详解后面更新
1.小偷在该小区中不能偷两家相邻的住户，找出最大收益且最省力的偷法
在这里插入图片描述

# 二叉树别墅的小偷
# 节点的偷=左侧子节点不偷的值+右侧子节点不偷的值+节点的财富；节点的不偷=左侧子节点的最大值+右侧子节点的最大值
def helper(self, root):  # root是节点，helper输出一个二维数组：root节点的【偷值，不偷值】
    if (root == None):
        return [0, 0]
    left = self.helper(root.left)  # left是一个二维数组，为root左侧节点的【偷值，不偷值】
    right = self.helper(root.right)  # right是一个二维数组，为root右侧节点的【偷值，不偷值】
    robvalue = root.val + left[1] + right[1]  # 节点的偷值=节点的值加上左右两侧的不偷值
    skipvalue = max(left[0], left[1]) + max(right[0] + right[1])  # 节点的不偷值=左右两侧子节点的最大值之和
    return [robvalue, skipvalue]


def rob(self, root):
    a = self.helper(root)
    return max(a[0], a[1])

2.最大路径和问题，圆圈中是收益，找出收益最大的路径
在这里插入图片描述

# 二叉树中最大路径和
# root节点的不停值是三个值的最大值：root值、root值+左侧子节点的不停值、root值+右侧子节点的不停值。
# root节点的停值是五个值的最大值：左侧子节点的停值、右侧子节点的停止、左侧子节点的不停值、右侧子节点的不停值、root值+左右子节点的不停值
class Solution:
    def maxpathsum(self, root):
        return max(self.helper(root))

    def helper(self, root):
        if root == None:  # 叶子节点，也就是没有左子树也没有右子树的节点
            return float('-int'), float('-int')
        leftY, leftN = self.helper(root.left)  # 左侧子节点的不停值和停值
        rightY, rightN = self.helper(root.right)  # 右侧子节点的不停值和停值
        yes = max(root.val + leftY, root.val + rightY, root.val)  # 不停值
        no = max(leftN, rightN, leftY, rightY, root.val + leftY + rightY)  # 停值
        return yes, no

3.最大岛屿问题找出图中的最大岛屿
在这里插入图片描述

# 最大岛屿问题
class Solution(object):
    def maxareaofisland(self, grid):
        self.maxarea = 0  # 最大岛屿的面积
        row = len(grid)  # 储存地图的行数
        col = len(grid[0])  # 储存地图的列数
        for i in range(row):
            for j in range(col):
                if grid[i][j] == 1:
                    current = 1
                    self.dfs(i, j, current, grid)
        return self.maxarea

    def dfs(self, k, z, current, grid):
        # k,z是点的坐标
        # current储存岛屿的面积，grid为地图
        grid[k][z] = 2  # 发现是陆地就把陆地的1改成2
        if k > 0 and grid[k - 1][z] == 1:  # 向上走先查看是否越界并且是否是陆地
            current = self.dfs(k - 1, z, current + 1, grid)  # 递归调用函数，更新x左边和当前面积
        if k < (len(grid) - 1) and grid[k + 1][z] == 1:  # 向下走先查看是否越界并且是否是陆地
            current = self.dfs(k + 1, z, current + 1, grid)
        if z > 0 and grid[k][z - 1] == 1:  # 向左走先查看是否越界并且是否是陆地
            current = self.dfs(k, z - 1, current + 1, grid)
        if z < (len(grid[0]) - 1) and grid[k][z + 1]:  # 向右走先查看是否越界并且是否是陆地
            current = self.dfs(k, z + 1, current + 1, grid)
        self.maxarea = max(self.maxarea, current)
        return current