文章目录
- 题目
- 标题和出处
- 难度
- 题目描述
- 要求
- 示例
- 数据范围
- 解法一
- 思路和算法
- 代码
- 复杂度分析
- 解法二
- 思路和算法
- 代码
- 复杂度分析
题目
标题和出处
标题:判断路径是否相交
出处:1496. 判断路径是否相交
难度
3 级
题目描述
要求
给你一个字符串 path \texttt{path} path,其中 path[i] \texttt{path[i]} path[i] 的值可以是 ‘N’ \texttt{`N'} ‘N’、 ‘S’ \texttt{`S'} ‘S’、 ‘E’ \texttt{`E'} ‘E’ 或 ‘W’ \texttt{`W'} ‘W’,分别表示向北、向南、向东、向西移动一个单位。你从二维平面上的原点 (0, 0) \texttt{(0, 0)} (0, 0) 处开始出发,按 path \texttt{path} path 所指示的路径行走。
如果路径在任何位置上与自身相交,也就是走到之前已经走过的位置,请返回 true \texttt{true} true;否则,返回 false \texttt{false} false。
示例
示例 1:
输入:
path
=
"NES"
\texttt{path = "NES"}
path = "NES"
输出:
false
\texttt{false}
false
解释:该路径没有在任何位置相交。
示例 2:
输入:
path
=
"NESWW"
\texttt{path = "NESWW"}
path = "NESWW"
输出:
true
\texttt{true}
true
解释:该路径经过原点两次。
数据范围
- 1 ≤ path.length ≤ 10 4 \texttt{1} \le \texttt{path.length} \le \texttt{10}^\texttt{4} 1≤path.length≤104
- path[i] \texttt{path[i]} path[i] 为 ‘N’ \texttt{`N'} ‘N’、 ‘S’ \texttt{`S'} ‘S’、 ‘E’ \texttt{`E'} ‘E’ 或 ‘W’ \texttt{`W'} ‘W’
解法一
思路和算法
判断路径是否相交,等价于判断是否存在到达超过一次的位置,可以使用哈希集合存储到达过的位置。
在二维平面内,每个位置由横坐标和纵坐标共同决定,哈希集合中的元素需要同时包含横坐标和纵坐标的信息。
一种做法是使用长度为 2 2 2 的数组记录横坐标和纵坐标。由于数组本身不能判断是否重复,需要将数组转成字符串。
初始坐标是 ( 0 , 0 ) (0, 0) (0,0)。将初始坐标加入哈希集合,然后遍历 path \textit{path} path,对于每个字符,计算移动之后到达的坐标并加入哈希集合,如果存在一个到达的坐标已经在哈希集合中,则该坐标位置到达超过一次,路径相交,返回 true \text{true} true。如果遍历结束之后没有遇到同一个坐标位置到达超过一次,返回 false \text{false} false。
代码
class Solution {
public boolean isPathCrossing(String path) {
int x = 0, y = 0;
Set<String> visited = new HashSet<String>();
visited.add(Arrays.toString(new int[]{x, y}));
int length = path.length();
for (int i = 0; i < length; i++) {
char c = path.charAt(i);
switch (c) {
case 'N':
y++;
break;
case 'S':
y--;
break;
case 'E':
x++;
break;
case 'W':
x--;
break;
}
if (!visited.add(Arrays.toString(new int[]{x, y}))) {
return true;
}
}
return false;
}
}
复杂度分析
-
时间复杂度: O ( n ) O(n) O(n),其中 n n n 是字符串 path \textit{path} path 的长度。需要遍历路径一次,对于每次移动需要计算到达的下标并加入哈希集合。这里假设存入哈希集合的字符串的长度是常数,哈希集合的每次操作的时间是 O ( 1 ) O(1) O(1),实际运行时字符串在哈希集合中的操作所需时间和空间都较高。
-
空间复杂度: O ( n ) O(n) O(n),其中 n n n 是字符串 path \textit{path} path 的长度。需要使用哈希集合存储到达的下标,最多需要存储 n + 1 n + 1 n+1 个下标。这里假设存入哈希集合的字符串的长度是常数,哈希集合的每次操作的时间是 O ( 1 ) O(1) O(1),实际运行时字符串在哈希集合中的操作所需时间和空间都较高。
解法二
思路和算法
为了避免字符串操作,可以自定义哈希函数,将坐标转成整数。哈希函数应满足相同的坐标得到的哈希值相同,不同的坐标得到的哈希值不同。
由于 path \textit{path} path 的长度最大为 1 0 4 10^4 104,因此横坐标和纵坐标的取值范围都是 [ − 1 0 4 , 1 0 4 ] [-10^4, 10^4] [−104,104],各有 20001 20001 20001 种可能的取值。可以定义哈希函数为 f ( x , y ) = x × 20001 + y f(x, y) = x \times 20001 + y f(x,y)=x×20001+y,该哈希函数可以确保不同的坐标得到的哈希值不同。
假设存在整数坐标 ( x 1 , y 1 ) (x_1, y_1) (x1,y1) 和 ( x 2 , y 2 ) (x_2, y_2) (x2,y2) 满足 f ( x 1 , y 1 ) = f ( x 2 , y 2 ) f(x_1, y_1) = f(x_2, y_2) f(x1,y1)=f(x2,y2),则有 x 1 × 20001 + y 1 = x 2 × 20001 + y 2 x_1 \times 20001 + y_1 = x_2 \times 20001 + y_2 x1×20001+y1=x2×20001+y2,即 20001 ( x 1 − x 2 ) = y 2 − y 1 20001(x_1 - x_2) = y_2 - y_1 20001(x1−x2)=y2−y1。由于 ∣ x 1 − x 2 ∣ ≤ 20000 |x_1 - x_2| \le 20000 ∣x1−x2∣≤20000, ∣ y 2 − y 1 ∣ ≤ 20000 |y_2 - y_1| \le 20000 ∣y2−y1∣≤20000,且坐标都是整数,因此一定有 x 1 − x 2 = y 2 − y 1 = 0 x_1 - x_2 = y_2 - y_1 = 0 x1−x2=y2−y1=0, ( x 1 , y 1 ) (x_1, y_1) (x1,y1) 和 ( x 2 , y 2 ) (x_2, y_2) (x2,y2) 是相同的坐标。
使用自定义哈希函数表示坐标,虽然时间复杂度和空间复杂度都与解法一相同(将解法一的哈希集合操作的时间和空间看成常数),但是实际运行时的性能会更好。
代码
class Solution {
public boolean isPathCrossing(String path) {
int x = 0, y = 0;
Set<Integer> visited = new HashSet<Integer>();
visited.add(getHash(x, y));
int length = path.length();
for (int i = 0; i < length; i++) {
char c = path.charAt(i);
switch (c) {
case 'N':
y++;
break;
case 'S':
y--;
break;
case 'E':
x++;
break;
case 'W':
x--;
break;
}
if (!visited.add(getHash(x, y))) {
return true;
}
}
return false;
}
public int getHash(int x, int y) {
return x * 20001 + y;
}
}
复杂度分析
-
时间复杂度: O ( n ) O(n) O(n),其中 n n n 是字符串 path \textit{path} path 的长度。需要遍历路径一次,对于每次移动需要计算到达的下标并加入哈希集合。
-
空间复杂度: O ( n ) O(n) O(n),其中 n n n 是字符串 path \textit{path} path 的长度。需要使用哈希集合存储到达的下标,最多需要存储 n + 1 n + 1 n+1 个下标。