LeetCode 827最大人工岛：DFS与优化解法详解-代码聚汇网

LeetCode 827最大人工岛：DFS与优化解法详解

lnstagram优选

1. 问题背景与理解

LeetCode 827题"最大人工岛"是一个经典的图论问题，它考察的是对二维网格结构的理解和深度优先搜索(DFS)算法的应用。题目给定一个由0和1组成的二维网格，其中0代表海洋，1代表陆地。我们可以将最多一个0变成1（即填海造陆），要求找出操作后可能形成的最大岛屿面积。

岛屿在本题中的定义是：由相邻的1组成的区域，相邻指的是水平或垂直相邻（即上下左右四个方向）。例如，在以下3x3网格中：

code复制1 0 1
0 1 0
1 0 1

最大的岛屿面积是1，但如果我们将中心的0变成1，就能形成一个面积为5的大岛屿。

2. 解题思路分析

2.1 暴力解法及其局限性

最直观的解法是：尝试将每一个0变成1，然后计算此时的最大岛屿面积，最后取所有情况中的最大值。这种方法虽然直接，但效率很低。对于一个n×m的网格，时间复杂度为O((n×m)^2)，因为每次改变一个0后都需要重新扫描整个网格。

2.2 优化思路

更高效的解法需要利用以下观察：

我们可以预先计算并存储每个岛屿的面积，这样在填海造陆时就不需要重新计算。
填海造陆后形成的新岛屿面积等于：1（新填的陆地）加上所有与之相邻的不同岛屿的面积之和。

基于此，我们可以设计一个两阶段算法：

标记阶段：遍历网格，为每个岛屿分配唯一ID并计算其面积。
连接阶段：对于每个海洋格子，检查其四周的岛屿ID，计算如果将其变为陆地能连接成的总面积。

3. 详细实现解析

3.1 数据结构选择

为了实现上述思路，我们需要以下数据结构：

id[][]：二维数组，记录每个格子所属的岛屿ID。初始时，海洋格子为0，未标记的陆地格子为1。
area：哈希表，映射岛屿ID到其面积。
curId：当前可用的岛屿ID，从2开始分配（避免与0和1冲突）。

3.2 标记阶段实现

标记阶段使用深度优先搜索(DFS)来探索和标记每个岛屿：

java复制private void dfs(int[][] grid, int[][] id, int i, int j, int curId, int[] size) {
    int n = grid.length, m = grid[0].length;
    // 边界检查：超出网格范围、不是陆地或已标记则返回
    if (i < 0 || i >= n || j < 0 || j >= m || grid[i][j] != 1 || id[i][j] != 0) {
        return;
    }
    id[i][j] = curId;  // 标记当前格子
    size[0]++;         // 增加当前岛屿面积
    // 递归探索四个方向
    dfs(grid, id, i + 1, j, curId, size);
    dfs(grid, id, i - 1, j, curId, size);
    dfs(grid, id, i, j + 1, curId, size);
    dfs(grid, id, i, j - 1, curId, size);
}

注意：这里使用size[0]而不是简单的int变量，是因为Java中基本类型参数是按值传递的，使用数组可以绕过这个限制。

3.3 连接阶段实现

对于每个海洋格子，我们检查其四个方向的相邻格子：

java复制Set<Integer> neighborIds = new HashSet<>();
for (int d = 0; d < 4; d++) {
    int x = i + dirs[d], y = j + dirs[d + 1];
    if (x >= 0 && x < n && y >= 0 && y < m && id[x][y] > 1) {
        neighborIds.add(id[x][y]);
    }
}
int total = 1; // 当前格子变为1
for (int neiId : neighborIds) {
    total += area.get(neiId);
}
maxArea = Math.max(maxArea, total);

使用HashSet来去重很重要，因为一个岛屿可能在多个方向都与当前海洋格子相邻。

4. 边界情况处理

4.1 全陆地网格

如果网格中全是1（没有海洋格子），那么最大面积就是整个网格的面积n×m。我们的算法会正确处理这种情况，因为在标记阶段就已经计算出了最大岛屿面积。

4.2 全海洋网格

虽然题目通常保证至少有一个1，但为了代码的健壮性，我们仍需处理全0的情况。此时，将任何一个0变成1都会得到面积为1的岛屿：

java复制return maxArea == 0 ? 1 : maxArea;

5. 复杂度分析

时间复杂度：O(n×m)。每个格子最多被访问两次：一次在标记阶段，一次在连接阶段。
空间复杂度：O(n×m)。需要额外的id数组和递归栈空间（最坏情况下，如整个网格是一个大岛屿，递归深度为n×m）。

6. 实际编码中的注意事项

岛屿编号的选择：从2开始编号，避免与海洋(0)和未标记陆地(1)冲突。这是一个容易忽略但重要的细节。
面积累加技巧：在Java中，使用数组来传递和修改面积值是一个实用技巧，因为基本类型参数是按值传递的。
方向数组的使用：定义dirs = {-1, 0, 1, 0, -1}可以简洁地表示四个方向，比单独定义dx, dy数组更紧凑。
去重的重要性：在计算连接后的面积时，必须使用Set来去重，否则可能会重复计算同一个岛屿的面积。

7. 算法优化思考

虽然这个解法已经很高效，但仍有优化空间：

并查集(Union-Find)：可以使用并查集数据结构来标记和合并岛屿。在某些情况下，并查集的空间效率可能更好。
BFS替代DFS：对于非常大的网格，DFS可能导致栈溢出。可以改用BFS来避免这个问题。
原地标记：如果不允许修改原网格，我们需要额外的id数组。但如果可以修改原网格，可以直接在grid上标记岛屿ID，节省空间。

8. 类似问题扩展

掌握了这个问题的解法后，可以尝试解决以下类似问题：

岛屿数量（LeetCode 200）：统计网格中岛屿的数量。
岛屿周长（LeetCode 463）：计算岛屿的周长。
最大岛屿面积（LeetCode 695）：不进行填海操作时的最大岛屿面积。
封闭岛屿数量（LeetCode 1254）：统计完全被海洋包围的岛屿数量。

9. 个人实现心得

在实际编码中，我发现以下几点特别值得注意：

测试案例设计：除了常规情况，一定要测试全陆地、全海洋、单行、单列等边界情况。
调试技巧：可以打印出id数组和area映射来验证标记阶段的正确性。
性能考量：对于非常大的网格（如1000×1000），递归DFS可能导致栈溢出，这时需要改用BFS或迭代式DFS。
代码可读性：将标记阶段和连接阶段分离，并使用辅助函数（如dfs），可以大大提高代码的可读性和可维护性。

这个问题的解法展示了如何通过预处理和合理的数据结构选择，将看似O(n²)的问题优化到O(n)的解决方案。这种"空间换时间"的思想在算法设计中非常常见，值得深入理解和掌握。