华为OD机试真题 Java 实现【战场索敌】【2023 B卷 100分】，深度优先搜索dfs算法，这眼花缭乱的，你这是“战场索鬼”吧？

news2025/2/5 12:00:41

在这里插入图片描述

专栏导读

本专栏收录于《华为OD机试（JAVA）真题（A卷+B卷）》。

刷的越多，抽中的概率越大，每一题都有详细的答题思路、详细的代码注释、样例测试，订阅后，专栏内的文章都可看，可加入华为OD刷题群（私信即可），发现新题目，随时更新，全天CSDN在线答疑。

专栏福利：限时订阅49.9，订阅后可加入华为OD刷题群，获得哪吒优先答疑机会（华为OD刷题指导，远程代码调试），群里大佬众多可以抱团取暖，群友刷题经验分享，考试经验分享。

在这里插入图片描述

一、题目描述

有一个大小是N*M的战场地图，被枪毙 ‘#’ 分隔成大小不同的区域，上下左右四个方向相邻的空地’.'，属于同一个区域，只有空地上可能存在敌人 ‘E’ ，请求出地图上总共有多少区域里的敌人数小于K。

二、输入描述

第一行输入为N,M,K；

N表示地图的行数；
M表示地图的列数；
K表示目标敌人数量；

取值范围：

N <= 100 、 M <= 100

第二行开始为N * M大小的字符数组。

三、输出描述

敌人数小于K的区域数量。

四、深度优先搜索dfs

在我们遇到的一些问题当中，有些问题我们不能够确切的找出数学模型，即找不出一种直接求解的方法，解决这一类问题，我们一般采用搜索的方法解决。搜索就是用问题的所有可能去试探，按照一定的顺序、规则，不断去试探，直到找到问题的解，试完了也没有找到解，那就是无解，试探时一定要试探完所有的情况（实际上就是穷举）；

对于问题的第一个状态，叫初始状态，要求的状态叫目标状态。
搜索就是把规则应用于实始状态，在其产生的状态中，直到得到一个目标状态为止。
产生新的状态的过程叫扩展（由一个状态，应用规则，产生新状态的过程）。

搜索的要点：

初始状态；
重复产生新状态；
检查新状态是否为目标，是结束，否转（2）；

如果搜索是以接近起始状态的程序依次扩展状态的，叫宽度优先搜索。

如果扩展是首先扩展新产生的状态，则叫深度优先搜索。

深度优先搜索用一个数组存放产生的所有状态。

把初始状态放入数组中，设为当前状态；
扩展当前的状态，产生一个新的状态放入数组中，同时把新产生的状态设为当前状态；
判断当前状态是否和前面的重复，如果重复则回到上一个状态，产生它的另一状态；
判断当前状态是否为目标状态，如果是目标，则找到一个解答，结束算法；
如果数组为空，说明无解。

五、解题思路

第一行输入三个数，分别是：地图的行数N、地图的列数M、目标敌人数量K；
通过Java8 Steam分隔初始化N、M、K；
定义一个二维数组visitedMatrix，记录是否被访问过；
定义二维矩阵matrix，存储N * M大小的字符数组；
定义变量areaSum，存储敌人数小于K的区域数量；
利用深度优先搜索dfs算法，获取敌人数小于K的区域数量；
输出敌人数小于K的区域数量。

六、Java算法源码

package com.guor.od;

import java.util.Scanner;
import java.util.*;

public class OdTest {
    public static boolean[][] visitedMatrix;
    public static int[][] directions = {{-1, 0}, {1, 0}, {0, -1}, {0, 1}};

    public static void main(String[] args) {
        Scanner in = new Scanner(System.in);
        int[] arr = Arrays.stream(in.nextLine().split(" ")).mapToInt(Integer::parseInt).toArray();
        // 地图的行数
        int N = arr[0];
        // 地图的列数
        int M = arr[1];
        // 目标敌人数量
        int K = arr[2];

        // 矩阵某值是否被访问过
        visitedMatrix = new boolean[N][M];

        // 定义二维矩阵，存储N * M大小的字符数组
        char[][] matrix = new char[N][];
        for (int i = 0; i < N; i++) {
            matrix[i] = in.nextLine().toCharArray();
        }

        // 敌人数小于K的区域数量
        int areaSum = 0;
        for (int i = 0; i < N; i++) {
            for (int j = 0; j < M; j++) {
                if (visitedMatrix[i][j] || matrix[i][j] == '#') {
                    continue;
                }
                // 利用深度优先搜索dfs算法，获取敌人数小于K的区域数量
                areaSum += dfs(i, j, matrix, N, M) < K ? 1 : 0;
            }
        }
        // 输出敌人数小于K的区域数量
        System.out.println(areaSum);
    }

    /**
     * 利用深度优先搜索dfs算法，获取敌人数小于K的区域数量
     *
     * @param i 地图的行数，由0开始的变量
     * @param j 地图的列数，由0开始的变量
     * @param matrix 二维矩阵，N * M大小的字符数组
     * @param N 矩阵的总行数
     * @param M 矩阵的总列数
     * @return
     */
    public static int dfs(int i, int j, char[][] matrix, int N, int M) {
        // 敌军数量
        int enemy_count = 0;

        // 访问过
        visitedMatrix[i][j] = true;

        // 存在敌人 ‘E’，敌军数量+1
        if (matrix[i][j] == 'E') {
            enemy_count += 1;
        }

        // 栈中保存敌军的位置列表
        LinkedList<int[]> stack = new LinkedList<>();
        stack.add(new int[]{i, j});

        while (stack.size() > 0) {
            int[] pos = stack.removeLast();
            int x = pos[0], y = pos[1];

            // 上下左右四个方向
            for (int k = 0; k < 4; k++) {
                int new_x = x + directions[k][0];
                int new_y = y + directions[k][1];

                if (new_x >= 0 && new_x < N && new_y >= 0 && new_y < M && !visitedMatrix[new_x][new_y] && matrix[new_x][new_y] != '#') {
                    // 访问过
                    visitedMatrix[new_x][new_y] = true;

                    // 存在敌人 ‘E’，敌军数量+1
                    if (matrix[new_x][new_y] == 'E') {
                        enemy_count += 1;
                    }

                    stack.add(new int[]{new_x, new_y});
                }
            }
        }
        // 敌人数小于K的区域数量
        return enemy_count;
    }
}