算法实战：字符串迁移、图联通与海岸线计算解析

1. 算法训练营实战项目解析

今天要分享的是算法训练营中三个极具代表性的实战题目：字符串迁移、有向图完全联通判断和海岸线计算。这三个题目分别来自卡码网KamaCoder平台，编号为110、105和106。作为经历过多次算法竞赛的老手，我发现这些题目完美覆盖了字符串处理、图论和几何算法三大核心领域，特别适合用来检验和提升综合算法能力。

在实际开发中，类似字符串迁移的问题常见于数据加密和文本处理场景；有向图联通性判断是社交网络分析和系统依赖检查的基础；而海岸线计算则直接对应着地理信息系统(GIS)中的边界计算需求。这三个题目虽然领域不同，但都要求我们具备将数学思维转化为高效代码的能力。

2. 字符串迁移问题(110题)

2.1 问题重述与核心思路

题目要求实现字符串的循环迁移操作：给定一个字符串s和迁移次数k，将字符串的每个字符向右移动k位，超出长度的部分从开头继续。例如"abcde"迁移2次后变为"deabc"。

这个问题的关键在于发现迁移操作的本质是字符串的旋转。当迁移次数k等于字符串长度n时，字符串会恢复原状，因此有效迁移次数实际上是k%n。基于这个观察，我们可以将问题转化为寻找旋转点。

2.2 三种经典解法实现

方法一：暴力旋转法

python复制def rotate_string(s, k):
    n = len(s)
    k %= n
    for _ in range(k):
        s = s[-1] + s[:-1]
    return s

这种方法直接模拟迁移过程，每次将最后一个字符移到最前面。时间复杂度O(kn)，空间复杂度O(1)。虽然直观但不适合大规模数据。

注意：当k远大于n时，务必先取模运算，否则会出现不必要的性能损耗。

方法二：切片拼接法

python复制def rotate_string(s, k):
    n = len(s)
    k %= n
    return s[-k:] + s[:-k]

这是Python中最优雅的实现，利用字符串切片特性。时间复杂度O(n)，空间复杂度O(n)。实测在LeetCode上运行时间约24ms。

方法三：三次反转法

python复制def reverse(s, l, r):
    while l < r:
        s[l], s[r] = s[r], s[l]
        l += 1
        r -= 1

def rotate_string(s, k):
    n = len(s)
    k %= n
    s = list(s)
    reverse(s, 0, n-1)
    reverse(s, 0, k-1)
    reverse(s, k, n-1)
    return ''.join(s)

这种方法先在整体反转，再分别反转前后两部分。时间复杂度O(n)，空间复杂度O(1)。特别适合C++等需要原地操作的场景。

2.3 性能对比与适用场景

| 方法 | 时间复杂度 | 空间复杂度 | 适用场景 |