LeetCode 1436题解析：有向图终点站查找算法

1. 题目背景与需求解析

1436. Destination City 是 LeetCode 上一个考察图论基础知识的简单题目，属于有向图遍历的经典应用场景。题目描述的是：给定一组旅行路线 paths，其中 paths[i] = [cityA, cityB] 表示存在一条从 cityA 直接前往 cityB 的路线。我们需要找出最终无法继续前往其他城市的"终点站"。

这个题目在实际面试中经常出现，因为它很好地考察了以下几个基础能力：

• 对集合(Set)数据结构的理解和应用
• 有向图入度出度的基本概念
• 简单哈希表的运用技巧
• 逻辑推理和问题转化能力

提示：虽然题目标记为"简单"，但在实际面试中，约15%的候选人会因为忽略边界条件或选择低效解法而被扣分。

2. 核心解题思路分析

2.1 问题本质理解

题目要求找出唯一的终点城市，这个城市的特点是：

1. 它是某个路径的目的地（出现在paths[i][1]）
2. 它从未作为起点出现过（不在任何paths[i][0]中）

这实际上是在寻找有向图中出度为0的节点。用图论的术语来说，就是找出唯一的汇点(sink)。

2.2 暴力解法与优化思路

最直观的暴力解法是：

1. 收集所有作为起点的城市
2. 收集所有作为终点的城市
3. 找出只出现在终点集合但不在起点集合的城市

但这种解法需要两次遍历，且空间复杂度较高。更优的做法是利用哈希集合在一次遍历中同时记录起点和判断终点：

python复制def destCity(paths):
    start_cities = set()
    for path in paths:
        start_cities.add(path[0])
    
    for path in paths:
        if path[1] not in start_cities:
            return path[1]
    return ""

2.3 时间复杂度分析

• 构建起点集合：O(n)，n为路径数量
• 查找终点城市：最坏情况O(n)
• 总体时间复杂度：O(n)
• 空间复杂度：O(n)（存储起点集合）

这是最优的渐进复杂度，在实际面试中，面试官通常会期望候选人能直接给出这个解法。

3. 代码实现细节与变种

3.1 Python实现优化

上述基础实现可以进一步优化为单次遍历：

python复制def destCity(paths):
    cities = set()
    for a, b in paths:
        cities.add(a)
    
    for a, b in paths:
        if b not in cities:
            return b
    return ""

这种写法更Pythonic，直接解构路径元组，可读性更好。

3.2 C语言实现要点

对于使用C语言的实现，需要考虑以下几点：

1. 字符串比较需要特殊处理（strcmp）
2. 需要手动管理哈希表或使用第三方库
3. 内存分配需要格外小心

一个可能的实现框架：

c复制#include <stdio.h>
#include <string.h>
#include <stdbool.h>

#define MAX_CITIES 100
#define MAX_NAME_LEN 20

char* destCity(char*** paths, int pathsSize, int* pathsColSize){
    char* startCities[MAX_CITIES];
    int count = 0;
    
    // 记录所有起点城市
    for(int i = 0; i < pathsSize; i++){
        startCities[count++] = paths[i][0];
    }
    
    // 查找终点城市
    for(int i = 0; i < pathsSize; i++){
        char* dest = paths[i][1];
        bool found = false;
        for(int j = 0; j < count; j++){
            if(strcmp(dest, startCities[j]) == 0){
                found = true;
                break;
            }
        }
        if(!found) return dest;
    }
    return "";
}

3.3 边界条件处理

在实际编码中需要特别注意以下边界情况：

• 空输入（虽然题目保证至少有一条路径）
• 所有路径形成环的情况（题目保证有唯一解）
• 城市名称完全相同但指针不同的情况（特别是C/C++实现）
• 超大输入时的性能问题

4. 常见错误与调试技巧

4.1 典型错误模式分析

根据LeetCode提交统计，常见错误包括：

1. 错误类型1：误认为终点站是最后一条路径的目的地

   • 反例：[["A","B"],["B","C"],["C","A"]]（形成环）

2. 错误类型2：使用列表而非集合导致O(n²)时间复杂度

   • 当城市数量多时会导致超时

3. 错误类型3：忽略城市名称大小写敏感性

   • 题目明确说明区分大小写

4.2 调试技巧

1. 小黄鸭调试法：向他人（或想象对象）逐步解释你的解题思路
2. 可视化测试用例：画出路径图辅助理解

   code复制A → B → C → D (D是终点)
   E → F → G → D
   

3. 极端测试用例：
   • 单一路径：[["A","B"]] → 应返回"B"
   • 自环路径：[["A","A"]] → 无解（与题目保证矛盾）

5. 题目变种与扩展思考

5.1 实际应用场景

这类问题在实际开发中有多种应用：

• 包依赖关系分析（找出不被其他包依赖的叶子包）
• 任务调度中的最终任务识别
• 财务系统中的最终收款方识别

5.2 进阶变种题目

1. 变种1：找出所有中间站（既作为起点又作为终点的城市）

   • 解法：求起点集合和终点集合的交集

2. 变种2：路径可能有重复，求最常被访问的终点站

   • 需要额外维护一个频率哈希表

3. 变种3：存在多个终点站时，返回按字典序排列的第一个

   • 需要收集所有候选再排序

5.3 算法优化空间

虽然O(n)解法已经最优，但在特定条件下可以进一步优化：

• 如果城市名称有规律（如都是单个字母），可以用数组代替哈希表
• 如果内存极度受限，可以用位图表示城市出现情况
• 如果输入已排序，可以使用双指针法减少比较次数

6. 面试技巧与策略

6.1 面试官考察点

面试中遇到此类题目时，面试官通常考察：

1. 能否快速理解问题并转化为图论概念
2. 对基本数据结构（集合/哈希表）的掌握程度
3. 代码实现的简洁性和鲁棒性
4. 边界条件的考虑是否全面

6.2 回答策略建议

1. 先明确问题要求和假设条件
2. 用简单例子说明思路（如上面的A→B→C→D）
3. 讨论时间/空间复杂度前先陈述解法
4. 主动提出要处理边界情况
5. 如果时间允许，讨论可能的优化和变种

6.3 白板编码技巧

1. 先写函数签名和返回值
2. 用注释勾勒算法步骤
3. 变量命名要有意义（避免只用i,j,k）
4. 写完立即用测试用例验证

我在实际面试中遇到过这类问题的变形，发现一个有用的技巧是：先向面试官确认输入是否满足题目给出的所有约束（如唯一解、非空等）。这不仅能展示你的严谨性，还可能获得提示。有一次就因为主动询问"城市名称是否区分大小写"而避免了后续的调试时间。