初学python记录：力扣928. 尽量减少恶意软件的传播 II

题目：

给定一个由 n 个节点组成的网络，用 n x n 个邻接矩阵 graph 表示。在节点网络中，只有当 graph[i][j] = 1 时，节点 i 能够直接连接到另一个节点 j。

一些节点 initial 最初被恶意软件感染。只要两个节点直接连接，且其中至少一个节点受到恶意软件的感染，那么两个节点都将被恶意软件感染。这种恶意软件的传播将继续，直到没有更多的节点可以被这种方式感染。

假设 M(initial) 是在恶意软件停止传播之后，整个网络中感染恶意软件的最终节点数。

我们可以从 initial 中删除一个节点，并完全移除该节点以及从该节点到任何其他节点的任何连接。

请返回移除后能够使 M(initial) 最小化的节点。如果有多个节点满足条件，返回索引 最小的节点 。

提示：

• n == graph.length
• n == graph[i].length
• 2 <= n <= 300
• graph[i][j] 是 0 或 1.
• graph[i][j] == graph[j][i]
• graph[i][i] == 1
• 1 <= initial.length < n
• 0 <= initial[i] <= n - 1
•  initial 中每个整数都不同

思考：

今天的题和昨天的很相似，区别在于：“从 initial 中删除一个节点 = 完全移除该节点以及从该节点到任何其他节点的任何连接”

相似的，仍然将图中所有彼此有路径到达的节点们看成一组，如果一组中有至少一个节点初始时被感染，那么这一组所有节点最后都会被感染。

我们要去掉initial中的一个节点和它的所有边之后，使剩下的感染节点最少 ----> 这个节点能且只能凭自己感染的节点最多（1. 通过其他initial节点连接的节点不算  2. 被多个initial节点感染的节点不算）

那么我们的算法步骤如下，数组visited记录每个节点能被多少initial节点凭自己感染（"≥0"表示唯一的initial节点索引；"-2"表示有多个initial节点连接）；字典sum_dict记录initial节点能且只能凭自己感染的节点数：

1. 遍历initial中的每个节点node。

2. 找到所有和node之间有路径的节点k，并进行判断：1. 若visited[k]为-1，则将visited[k]设为node；2. 若visited[k]为大于等于0的值，说明此前已经有initial节点感染他了，则将visited[k]设为-2.

3. initial中的每个节点node都判断完后，遍历visited数组，若值大于等于0，则说明这个节点只被一个initial节点感染了，将字典sum_dict中该initial节点对应的值加一。

4. 在字典sum_dict中找到值最大的initial节点返回。

代码如下：

from collections import dequeclass Solution(object):def minMalwareSpread(self, graph, initial):""":type graph: List[List[int]]:type initial: List[int]:rtype: int"""# 将互相能到达的节点们视为一个组，（如果initial中有属于这一组的节点）每组的节点数量即为这一个小网络的感染恶意软件的最终节点数n = len(graph)sum_dict = {}  # 字典sum_dict记录initial节点能且只能凭自己感染的节点数visited = [-1] * n  # 数组visited记录节点能被多少initial节点凭自己感染("≥0"表示唯一的initial节点索引；"-2"表示有多个initial节点连接)def connectedNodes(graph, initial, node):judged = [-1] * n    # 表示在这次遍历中，节点是否已经判断过了queue = deque()  # 队列储存待判断相邻节点的节点queue.append(node)while queue:x = queue.popleft()for k in range(n):if k == x:  # 跳过当前节点本身continueif judged[k] == -1 and graph[x][k] == 1 and k not in queue and k not in initial:queue.append(k)judged[k] = 1if visited[k] == -1:visited[k] = nodeelif visited[k] >= 0 and visited[k] != node and graph[x][k] == 1:visited[k] = -2for i in initial:connectedNodes(graph, initial, i)sum_dict[i] = 1for j in range(n):if visited[j] >= 0:sum_dict[visited[j]] += 1m = 0for key, value in sum_dict.items():    # 在字典sum_dict中找到值最大的initial节点返回if value > m:m = valueres = keyif value == m and key < res:res = keyreturn res

提交通过，debug了一万年，泪目：