Python算法题集_单词搜索
- 题22：单词搜索
- 1. 示例说明
- 2. 题目解析
- - 题意分解
- - 优化思路
- - 测量工具
- 3. 代码展开
- 1) 标准求解【原始矩阵状态+回溯】
- 2) 改进版一【字典检测+原始矩阵状态+回溯】
- 3) 改进版二【矩阵状态+回溯】
- 4. 最优算法
- 5. 相关资源
本文为Python算法题集之一的代码示例
题22：单词搜索
1. 示例说明
-
给定一个
m x n二维字符网格board和一个字符串单词word。如果word存在于网格中，返回true；否则，返回false。单词必须按照字母顺序，通过相邻的单元格内的字母构成，其中“相邻”单元格是那些水平相邻或垂直相邻的单元格。同一个单元格内的字母不允许被重复使用。
示例 1：
输入：board = [["A","B","C","E"],["S","F","C","S"],["A","D","E","E"]], word = "ABCCED" 输出：true示例 2：
输入：board = [["A","B","C","E"],["S","F","C","S"],["A","D","E","E"]], word = "SEE" 输出：true示例 3：
输入：board = [["A","B","C","E"],["S","F","C","S"],["A","D","E","E"]], word = "ABCB" 输出：false提示：
m == board.lengthn = board[i].length1 <= m, n <= 61 <= word.length <= 15board和word仅由大小写英文字母组成
**进阶：**你可以使用搜索剪枝的技术来优化解决方案，使其在
board更大的情况下可以更快解决问题？
2. 题目解析
- 题意分解
- 本题是在矩阵内检查是否有相邻元素组成对应单词
- 矩阵内每一个元素最多有4个方向，考虑到搜索进入方向，从第二个字母开始，最多有3个方向，可以用回溯法解题
- 回溯法（探索与回溯法）是一种选优搜索法，又称为试探法，按选优条件向前搜索，以达到目标。但当探索到某一步时，发现原先选择并不优或达不到目标，就退回一步重新选择，这种走不通就退回再走的技术为回溯法。
- 优化思路
-
通常优化：减少循环层次
-
通常优化：增加分支，减少计算集
-
通常优化：采用内置算法来提升计算速度
-
分析题目特点，分析最优解
-
可以使用字典进行字符检测，只有存在检测单词所有字符的矩阵才展开搜索
-
可以使用原始矩阵保存检测状态，也可以另外使用矩阵保存检测状态
-
- 测量工具
- 本地化测试说明：LeetCode网站测试运行时数据波动很大【可把页面视为功能测试】，因此需要本地化测试解决数据波动问题
CheckFuncPerf（本地化函数用时和内存占用测试模块）已上传到CSDN，地址：Python算法题集_检测函数用时和内存占用的模块- 本题本地化超时测试用例自己生成，详见章节【最优算法】，代码文件包含在【相关资源】中
3. 代码展开
1) 标准求解【原始矩阵状态+回溯】
使用原始矩阵保存检测状态【当前已检测路径值设置为’'】，实现回溯
页面功能测试，马马虎虎，超过76%
import CheckFuncPerf as cfp
class Solution:
def exist_base(self, board, word):
def dfs_backtrack(irow, icol, icheckpos):
if not 0 <= irow < len(board) or not 0 <= icol < len(board[0]) or \
board[irow][icol] != word[icheckpos]:
return False
if icheckpos == len(word) - 1:
return True
board[irow][icol] = ''
result = dfs_backtrack(irow + 1, icol, icheckpos + 1) or \
dfs_backtrack(irow - 1, icol, icheckpos + 1) or \
dfs_backtrack(irow, icol + 1, icheckpos + 1) or \
dfs_backtrack(irow, icol - 1, icheckpos + 1)
board[irow][icol] = word[icheckpos]
return result
for irow in range(len(board)):
for icol in range(len(board[0])):
if board[irow][icol] == word[0] and dfs_backtrack(irow, icol, 0):
return True
return False
aSolution = Solution()
checkmapmatrix = copy.deepcopy(mapmatrix)
result = cfp.getTimeMemoryStr(aSolution.exist_base, checkmapmatrix, checkword)
print(result['msg'], '执行结果 = {}'.format(result['result']))
# 运行结果
函数 exist_base 的运行时间为 24.00 ms；内存使用量为 684.00 KB 执行结果 = True
2) 改进版一【字典检测+原始矩阵状态+回溯】
使用字典进行字符集检测，符合要求的才开始回溯；回溯中使用原始矩阵保存检测状态
页面功能测试，性能卓越，超越95%
import CheckFuncPerf as cfp
class Solution:
def exist_ext1(self, board, word):
def preCheck():
preDict = {}
for chr in word:
if chr in preDict:
preDict[chr] += 1
else:
preDict[chr] = 1
for arow in board:
for achr in arow:
if achr in preDict and preDict[achr] > 0:
preDict[achr] -= 1
for aval in preDict.values():
if aval > 0:
return False
return True
def dfs_backtrack(irow, icol, icheckpos):
if icheckpos == imaxlen:
return True
if 0 <= irow < imaxrow and 0 <= icol < imaxcol and board[irow][icol] == word[icheckpos]:
board[irow][icol] = ''
for inextrow, inextcol in (irow, icol + 1), (irow, icol - 1), \
(irow + 1, icol), (irow - 1, icol):
if dfs_backtrack(inextrow, inextcol, icheckpos + 1):
return True
board[irow][icol] = word[icheckpos]
return False
if preCheck() == False:
return False
imaxrow, imaxcol, imaxlen = len(board), len(board[0]), len(word)
for irow in range(imaxrow):
for icol in range(imaxcol):
if board[irow][icol] == word[0] and dfs_backtrack(irow, icol, 0):
return True
return False
aSolution = Solution()
checkmapmatrix = copy.deepcopy(mapmatrix)
result = cfp.getTimeMemoryStr(aSolution.exist_ext1, checkmapmatrix, checkword)
print(result['msg'], '执行结果 = {}'.format(result['result']))
# 运行结果
函数 exist_ext1 的运行时间为 25.01 ms；内存使用量为 644.00 KB 执行结果 = True
3) 改进版二【矩阵状态+回溯】
使用多维列表结构保存检测路径状态，实现回溯
页面功能测试，性能良好，超过88%
import CheckFuncPerf as cfp
class Solution:
def exist_ext2(self, board, word):
imaxrow, imaxcol, imaxlen = len(board), len(board[0]), len(word)
path = [''] * imaxlen
map_check = [[False] * imaxcol for x in range(imaxrow)]
def dfs_backtrack(icheckpos, irow, icol, imaxrow, imaxcol, board, word, checkmatrix):
if irow < 0 or irow >= imaxrow or icol < 0 or icol >= imaxcol:
return False
if checkmatrix[irow][icol]:
return False
if board[irow][icol] != word[icheckpos]:
return False
if icheckpos == imaxlen - 1:
return True
path[icheckpos] = word[icheckpos]
checkmatrix[irow][icol] = True
if dfs_backtrack(icheckpos + 1, irow - 1, icol, imaxrow, imaxcol, board, word, checkmatrix) or \
dfs_backtrack(icheckpos + 1, irow + 1, icol, imaxrow, imaxcol, board, word, checkmatrix) or \
dfs_backtrack(icheckpos + 1, irow, icol - 1, imaxrow, imaxcol, board, word, checkmatrix) or \
dfs_backtrack(icheckpos + 1, irow, icol + 1, imaxrow, imaxcol, board, word, checkmatrix):
return True
checkmatrix[irow][icol] = False
path[icheckpos] = ''
return False
for irow in range(imaxrow):
for icol in range(imaxcol):
if dfs_backtrack(0, irow, icol, imaxrow, imaxcol, board, word, map_check):
return True
return False
aSolution = Solution()
checkmapmatrix = copy.deepcopy(mapmatrix)
result = cfp.getTimeMemoryStr(aSolution.exist_ext2, checkmapmatrix, checkword)
print(result['msg'], '执行结果 = {}'.format(result['result']))
# 运行结果
函数 exist_ext2 的运行时间为 43.01 ms；内存使用量为 384.00 KB 执行结果 = True
4. 最优算法
根据本地日志分析，最优算法为第1种方式【原始矩阵状态+回溯】exist_base
本题测试数据，似乎能推出以下结论：
- 字典过滤检测性能消耗极小
- 额外的数据存储，带来额外的性能消耗
- 在检测集合和字符串多样化的情况下，第二种算法其实是会表现更好
import random, copy
imaxrow, imaxcol, checkword = 500, 300, ''
mapmatrix=[['' for x in range(imaxcol)] for y in range(imaxrow)]
words = list('abcdefghijklmnopqrstuvwxyz')
for irow in range(imaxrow):
for icol in range(imaxcol):
mapmatrix[irow][icol] = random.choice(words)
for iIdx in range(1, min(imaxrow, imaxcol)):
checkword += mapmatrix[imaxrow-iIdx][imaxcol-iIdx] + mapmatrix[imaxrow-iIdx][imaxcol-iIdx-1]
aSolution = Solution()
checkmapmatrix = copy.deepcopy(mapmatrix)
result = cfp.getTimeMemoryStr(aSolution.exist_base, checkmapmatrix, checkword)
print(result['msg'], '执行结果 = {}'.format(result['result']))
checkmapmatrix = copy.deepcopy(mapmatrix)
result = cfp.getTimeMemoryStr(aSolution.exist_ext1, checkmapmatrix, checkword)
print(result['msg'], '执行结果 = {}'.format(result['result']))
checkmapmatrix = copy.deepcopy(mapmatrix)
result = cfp.getTimeMemoryStr(aSolution.exist_ext2, checkmapmatrix, checkword)
print(result['msg'], '执行结果 = {}'.format(result['result']))
# 算法本地速度实测比较
函数 exist_base 的运行时间为 24.00 ms；内存使用量为 684.00 KB 执行结果 = True
函数 exist_ext1 的运行时间为 25.01 ms；内存使用量为 644.00 KB 执行结果 = True
函数 exist_ext2 的运行时间为 43.01 ms；内存使用量为 384.00 KB 执行结果 = True
5. 相关资源
本文代码已上传到CSDN，地址：Python算法题源代码_LeetCode(力扣)_单词搜索
一日练，一日功，一日不练十日空
may the odds be ever in your favor ~
