统计子岛屿的数量
统计子岛屿
题目描述
给你两个 m x n 的二进制矩阵 grid1 和 grid2 ,它们只包含 0 (表示水域)和 1 (表示陆地)。一个 岛屿 是由 四个方向 (水平或者竖直)上相邻的 1 组成的区域。任何矩阵以外的区域都视为水域。
如果 grid2 的一个岛屿,被 grid1 的一个岛屿 完全 包含,也就是说 grid2 中该岛屿的每一个格子都被 grid1 中同一个岛屿完全包含,那么我们称 grid2 中的这个岛屿为 子岛屿 。
请你返回 grid2 中 子岛屿 的 数目 。


思路:
对于(i, j)来说,有四种情况
case1:grid1[i][j] = 1, grid2[i][j] = 1.
case2:grid1[i][j] = 1, grid2[i][j] = 0.
case3: grid1[i][j] = 0, grid2[i][j] = 1.
case4: grid1[i][j] = 0, grid2[i][j] = 0.
对于case4,我们完全不用关心;剩下的case1、case2、case3我们再看,由于是grid1包含grid2,对于case3,如果grid2是陆地,grid1是海水,那么grid1就不包含grid2,那么我们就可以提前干掉grid2中的点;对于case2,如果grid1是陆地,grid2是海水,那么grid2必然不是grid1的子岛,我们可以不做任何操作;对于case1,那么grid2必然是grid1的子岛,我们就计数,然后dfs。
下面看代码:
public int countSubIslands(int[][] grid1, int[][] grid2) {int m = grid1.length, n = grid1[0].length, count = 0;// 先排除不是子岛屿的节点for(int i = 0;i < m;i++){for(int j = 0;j < n;j++){if(grid2[i][j] == 1 && grid1[i][j] == 0){dfs(grid2, i, j, m, n);}}}System.out.println("======");for(int i = 0;i < m;i++){for(int j = 0;j < n;j++){// 对于条件case1和case2来说// 这块可以优化成if(grid2[i][j] == 1)if(grid2[i][j] == 1 && grid1[i][j] == 1){count++;dfs(grid2, i, j, m, n);}}}return count;}public void dfs(int[][] grid, int i, int j, int m, int n){if(i >= m || i < 0 || j >= n || j < 0|| grid[i][j] == 0 ){return;}grid[i][j] = 0;dfs(grid, i + 1, j, m, n);dfs(grid, i - 1, j, m, n);dfs(grid, i, j + 1, m, n);dfs(grid, i, j - 1, m, n);}public static void main(String[] args) {int[][] grid1 = {{1,1,1,0,0},{0,1,1,1,1},{0,0,0,0,0},{1,0,0,0,0},{1,1,0,1,1}};int[][] grid2 = {{1,1,1,0,0},{0,0,1,1,1},{0,1,0,0,0},{1,0,1,1,0},{0,1,0,1,0}};CountSubIslands countSubIslands = new CountSubIslands();countSubIslands.countSubIslands(grid1, grid2);}相关文章:
统计子岛屿的数量
统计子岛屿 题目描述 给你两个 m x n 的二进制矩阵 grid1 和 grid2 ,它们只包含 0 (表示水域)和 1 (表示陆地)。一个 岛屿 是由 四个方向 (水平或者竖直)上相邻的 1 组成的区域。任何矩阵以外…...
IntelliJ IDEA Maven 项目的依赖分析
在一个 maven 的项目中,我们需要知道我们的项目中使用的包可能有哪些冲突。 这个在 IntelliJ IDEA 中提供了贴心的查看。 选择 Maven 项目中的分析依赖。 随后,IntelliJ IDEA 将会打开一个依赖分析的标签页。 在这个标签页中,我们可以看到…...
数学建模、统计建模、计量建模整体框架的理解以及建模的步骤
数学建模、统计建模、计量建模整体框架的理解以及建模的步骤 引言正文模型的设定模型的估计建模中可能遇到的四种数据类型 模型的检验模型的应用 最后 引言 这篇博客主要写给统计或者数学专业的小白,以供快速上手建模比赛;本人将在这里整合参加建模比赛…...
WaitGroup原理分析
背景 在实际业务开发中,我们会遇到以下场景:请求数据库,批量获取1000条数据记录后,处理数据 为了减少因一次批量获取的数据太多,导致的数据库延时增加,我们可以把一次请求拆分成多次请求,并发去…...
java直播源码:如何使用Java构建一个高效的直播系统
Java直播源码是一种用于实现实时视频流传输的技术,它可以将视频流从一个地方传送到另一个地方。它使用Java语言编写,可以支持多种视频格式,如MPEG、H.264等。 Java直播源码是一种用于实现实时视频流传输的技术,它可以将视频流从一…...
Websocket获取B站直播间弹幕教程——第二篇、解包/拆包
教程一、Websocket获取B站直播间弹幕教程 — 哔哩哔哩直播开放平台 1、封包 我们连接上B站Websocket成功后,要做两件事情: 第一、发送鉴权包。第二、发送心跳包,每30秒一次,维持websocket连接。 这两个包不是直接发送过去&…...
膝关节检测之1设计目标手势与物体交互的动画
原来只用unity自带的IK,发现背部不能动,且手和手指的移动和旋转试了好像没法通过animation实现(加入关键帧并修改最终状态的数值后播放没有变化,确定最终关键帧的数值已经改了的)。看资料,发现final IK&…...
canvas力导布局
老规矩,先上效果图 <html><head><style>* {margin: 0;padding: 0;}canvas {display: block;width: 100%;height: 100%;background: #000;}</style> </head><body><canvas id"network"></canvas> </…...
【网络安全】「漏洞原理」(二)SQL 注入漏洞之理论讲解
前言 严正声明:本博文所讨论的技术仅用于研究学习,旨在增强读者的信息安全意识,提高信息安全防护技能,严禁用于非法活动。任何个人、团体、组织不得用于非法目的,违法犯罪必将受到法律的严厉制裁。 【点击此处即可获…...
JavaScript中类的学习
一、JavaScript中的类 1.什么是类 类描述了一种代码的组织结构形式,不同的语言中对其实现形式各有差异。JavaScript中的类Class实际是一种描述对象之间引用关系的语法糖。 在Class语法糖出现之前,我们想重用一个功能模块,通常是用一个函数来…...
1600*A. Linova and Kingdom(DFS优先队列贪心)
Problem - 1336A - Codeforces Linova and Kingdom - 洛谷 解析: 开始认为分情况讨论 k 小于等于叶子结点和大于叶子结点的情况,然后选择深度最深的叶子结点和子孙数量最小的结点,但是发现如果把某一个非叶子结点选取,那么其子孙…...
gitlab git lfs的替代软件整理汇总及分析
文章目录 前言替代软件分析git-annexgit-fatgit-symgit-meida 总结 前言 git-lfs科普 Git LFS(Large File Storage)是一个Git扩展,用于管理大型文件。Git LFS通过将大型文件存储在Git仓库之外,从而加快了Git操作的速度。它使用指…...
IDEA 2023.2.2图文安装教程及下载
IDE 系列的第二个年度更新现已发布,涵盖 IntelliJ IDEA、WebStorm、PyCharm、DataGrip、GoLand、DataSpell 以及 All Products Pack 订阅中包含的其他工具。该版本还包括多项用户体验增强功能,例如 Search Everywhere(随处搜索)中…...
第六届“中国法研杯”司法人工智能挑战赛
解锁司法科技的未来 “中国法研杯”司法人工智能挑战赛(Legal AI Challenge,简称LAIC),是面向法院侧人工智能应用领域唯一权威比赛,大赛愿景是在拥有全球最大规模司法数据的中国,实现法律界、学术界、产业界…...
Springcloud中间件-----分布式搜索引擎 Elasticsearch
该笔记是根据黑马程序员的课来自己写了一遍的,b站有对应教程和资料 第一部分 第二部分 第三部分 预计看完跟着练习5小时足够 1.初识elasticsearch 1.1.了解ES 1.1.1.elasticsearch的作用 elasticsearch是一款非常强大的开源搜索引擎,具备非常多强大功能ÿ…...
基于深度学习的目标检测和语义分割:机器视觉中的最新进展
基于深度学习的目标检测和语义分割是机器视觉领域的两个重要任务,它们在图像处理、自动驾驶、医学影像分析和智能视频监控等应用中发挥着关键作用。以下是这两个领域的最新进展: 目标检测(Object Detection): 一阶段检…...
微信小程序报错request:fail -2:net::ERR_FAILED(生成中间证书)
微信小程序报错request:fail -2:net::ERR_FAILED-生成中间证书 前言一、检查网站ssl证书二、生成证书方法1.获取中间证书手动合并1.进入网站:[https://www.myssl.cn/tools/downloadchain.html](https://www.myssl.cn/tools/downloadchain.html)2.点击下一步3.手动合…...
Ubuntu更改时区
sudo apt install tzdata 进行安装时区,有很多时区可供选择。 然后执行:tzselect rootd75c94dcd226:/# date 2023年 10月 11日 星期三 06:25:12 UTC rootd75c94dcd226:/# tzselect Please identify a location so that time zone rules can be set correctly. Ple…...
0144 文件管理
目录 4.文件管理 4.1文件系统基础 4.2目录 4.3文件系统 部分习题 4.文件管理 4.1文件系统基础 4.2目录 4.3文件系统 部分习题 1.UNIX操作系统忠,输入/输出设备视为() A.普通文件 B.目录文件 C.索引文件 D.特殊文…...
python psutil库之——获取网络信息(网络接口信息、网络配置信息、以太网接口、ip信息、ip地址信息)
文章目录 使用Python psutil库获取网络信息安装psutil库获取网络连接信息查看所有网络连接过滤特定状态的连接 获取网络接口信息获取网络IO统计信息实例1实例2 总结 使用Python psutil库获取网络信息 Python的psutil库是一个跨平台库,能够方便地获取系统使用情况和…...
Pixel Couplet Gen 嵌入式设备部署探索:在边缘计算场景的应用
Pixel Couplet Gen 嵌入式设备部署探索:在边缘计算场景的应用 1. 边缘计算时代的轻量化AI需求 随着智能终端设备普及,越来越多的场景需要本地化AI能力。想象一下,春节期间走进一家智能家居体验店,门口的电子屏能实时为你生成个性…...
UniApp扫码插件选型指南:从MLKit极速识别到ZXing经典方案的实战解析
1. UniApp扫码插件选型核心考量因素 当你需要在UniApp项目中集成扫码功能时,面对市面上五花八门的插件往往会陷入选择困难。作为经历过多个商业项目的老手,我建议从以下几个维度进行考量: 识别速度是最直观的体验指标。实测数据显示ÿ…...
REX-UniNLU与LaTeX协同工作:智能学术论文写作助手
REX-UniNLU与LaTeX协同工作:智能学术论文写作助手 科研写作的痛点,只有经历过的人才懂:反复调整格式、手动整理参考文献、绞尽脑汁写图表描述... 但现在,AI技术正在改变这一切。 1. 学术写作的新革命 如果你正在写学术论文&#…...
程序实现仪器故障时,自动保存当前数据,方便维修时分析故障原因。
一、实际应用场景描述在某高校《智能仪器》实验中,使用一台高精度温度采集仪:- 仪器长期运行(24h 连续采样)- 偶发异常:- 传感器断线- ADC 超限- 通信超时- 一旦故障:- 当前采样数据丢失- 维修人员只能“凭…...
Graphormer多任务预测指南:property-guided与catalyst-adsorption双模式切换详解
Graphormer多任务预测指南:property-guided与catalyst-adsorption双模式切换详解 1. Graphormer模型概述 Graphormer是一种基于纯Transformer架构的图神经网络,专门为分子图(原子-键结构)的全局结构建模与属性预测而设计。这个创…...
OpenClaw性能调优:提升Phi-3-vision-128k-instruct多模态任务执行效率
OpenClaw性能调优:提升Phi-3-vision-128k-instruct多模态任务执行效率 1. 问题背景与挑战 去年夏天,当我第一次尝试用OpenClaw驱动Phi-3-vision处理产品截图分析任务时,遭遇了令人抓狂的性能问题——处理20张手机截图竟耗时47分钟。这个效率…...
5分钟搞定!cv_unet_image-matting图像抠图WebUI快速抠图技巧
5分钟搞定!cv_unet_image-matting图像抠图WebUI快速抠图技巧 1. 为什么选择这款AI抠图工具 在电商设计、社交媒体运营、证件照处理等场景中,高质量图像抠图是刚需。传统手动抠图不仅耗时耗力,对技术要求也高。而这款基于U-Net架构的AI抠图工…...
实战踩坑记录:用Cesium控制无人机飞行轨迹,Entity的HPR姿态更新那些‘坑’
实战踩坑记录:用Cesium控制无人机飞行轨迹,Entity的HPR姿态更新那些‘坑’ 在数字孪生和飞行模拟领域,精确控制无人机或其他飞行器的三维姿态一直是个技术难点。最近接手了一个无人机航迹回放项目,需要根据预设航点动态调整无人机…...
AI赋能:借助快马平台轻松打造集成大语言模型的智能openclaw飞书助手
最近在尝试给团队开发一个智能化的飞书助手,发现结合大语言模型的AI能力确实能大幅提升工作效率。经过一番摸索,我总结出一套用InsCode(快马)平台快速实现这类需求的方法,整个过程比想象中简单很多。 明确核心需求场景 智能助手主要解决三个高…...
Windows效率翻倍!这些隐藏的Win+R命令和CMD技巧你用过几个?
Windows效率革命:解锁WinR与CMD的终极生产力指南 你是否曾在同事飞速敲击键盘时暗自惊叹?那些看似简单的组合键背后,藏着Windows系统最强大的效率武器库。今天我们要探索的不仅是快捷键列表,而是一套完整的生产力操作系统——从Wi…...
