给你无向 连通 图中一个节点的引用,请你返回该图的 深拷贝(克隆)。
图中的每个节点都包含它的值 val(int) 和其邻居的列表(list[Node])。
class Node {
public int val;
public List
}
测试用例格式:
简单起见,每个节点的值都和它的索引相同。例如,第一个节点值为 1(val = 1),第二个节点值为 2(val = 2),以此类推。该图在测试用例中使用邻接列表表示。
邻接列表 是用于表示有限图的无序列表的集合。每个列表都描述了图中节点的邻居集。
给定节点将始终是图中的第一个节点(值为 1)。你必须将 给定节点的拷贝 作为对克隆图的引用返回。
示例 1:
输入:adjList = [[2,4],[1,3],[2,4],[1,3]]
输出:[[2,4],[1,3],[2,4],[1,3]]
解释:
图中有 4 个节点。
节点 1 的值是 1,它有两个邻居:节点 2 和 4 。
节点 2 的值是 2,它有两个邻居:节点 1 和 3 。
节点 3 的值是 3,它有两个邻居:节点 2 和 4 。
节点 4 的值是 4,它有两个邻居:节点 1 和 3 。
示例 2:
输入:adjList = [[]]
输出:[[]]
解释:输入包含一个空列表。该图仅仅只有一个值为 1 的节点,它没有任何邻居。
示例 3:
输入:adjList = []
输出:[]
解释:这个图是空的,它不含任何节点。
示例 4:
输入:adjList = [[2],[1]]
输出:[[2],[1]]
提示:
节点数不超过 100 。
每个节点值 Node.val 都是唯一的,1 <= Node.val <= 100。
无向图是一个简单图,这意味着图中没有重复的边,也没有自环。
由于图是无向的,如果节点 p 是节点 q 的邻居,那么节点 q 也必须是节点 p 的邻居。
图是连通图,你可以从给定节点访问到所有节点。
/*
深度优先搜索
我们只有一个节点的引用,为了知道整个图的结构和对应节点的值,需要从给定的节点出发,进行【图的遍历】
并在遍历的过程中完成【图的深拷贝】
为了避免在深拷贝的过程中陷入死循环,需要理解图的结构。对于一张无向图,任何给定的无向边都可以表示为两个有向边,【为了防止多次遍历同一个节点,陷入死循环】需要采用一种数据结构记录已经被克隆过的节点。
算法:<br /> 1、使用一个哈希表存储所有已经被访问和克隆过的节点。key是原图中的节点,value是克隆图中的对应节点;<br /> 2、从给定节点开始遍历图,如果某一个节点已经被访问过了,则返回其克隆图中的对应节点。<br /> 3、如果当前访问的节点不在哈希表中,则创建他的克隆节点并存储在哈希表中。<br /> 【注意】在进行递归之前,必须先创建克隆节点并保存在哈希表中,如果不保存这种顺序,可能会在递归再次遇到<br /> 同一个节点,陷入死循环。<br /> 4、递归调用每个节点的邻接点。每个节点递归调用的次数等于邻接点的数量,每一次调用返回其对应邻接点的克隆节点。<br /> 最终返回这些克隆邻接点的列表,将其放入对应克隆节点的邻接表中。<br /> */
// Definition for a Node.
/*
class Node {
public:
int val;
vector<Node*> neighbors;
Node() {
val = 0;
neighbors = vector<Node*>();
}
Node(int _val) {
val = _val;
neighbors = vector<Node*>();
}
Node(int _val, vector<Node*> _neighbors) {
val = _val;
neighbors = _neighbors;
}
};
*/
class Solution {
public:
// 深度递归调用
unordered_map<Node*, Node*> visited_map;
Node* cloneGraph(Node* node) {
if(!node)
return node;
// 如果该节点已经被访问过了,直接从哈希表中取出对应的克隆节点返回
if(visited_map.find(node) != visited_map.end())
return visited_map[node];
// 克隆节点,为了深拷贝不克隆它的邻居列表
Node *cloneNode = new Node(node->val);
// 哈希表存储
visited_map[node] = cloneNode;
for(auto & neighbor_node : node->neighbors)
{
cloneNode->neighbors.emplace_back(cloneGraph(neighbor_node));
}
return cloneNode;
}
};
欢迎交流,批评指正!