473. Matchsticks to Square
思路：有n根长度不一的火柴，这些火柴可以拼接在一起，但不能被折断。这些火柴能够围城一个正方形吗？每个火柴可以并且必须使用一次。分析得到每个边的长度应该是所有火柴长度和的1/4。接下来就是将火柴分组。可以用4个变量或者一个数组记录每组火柴目前已经分配的长度。如果正好分配完成就返回true，否则返回false。
这里的一个小技巧是对输入nums排序。先分配火柴长度长的火柴。这样可以更早地找到不合理分配的情况。
代码
743. Network Delay Time
思路：这是一道关于在图中找从一个顶点到其他顶点的最短路径的问题。我的错误在于忽略了最短路径。
思路1：普通的dfs。只是要注意遍历的时候先访问距离短的边。
思路2：Dijkstra’s Algorithm。但是我比较了dfs版本的代码与堆实现版本的代码，认为思路是一样的。只是代码书写结构不同。排序位置不同。它们的耗时确实不同。前者耗时101ms，后者耗时51ms。
public int networkDelayTime(int[][] times, int N, int K) {
int[] costs = new int[N+1];
Arrays.fill(costs,-1);
Map<Integer, List<int[]>> map = new HashMap<Integer, List<int[]>>();
for(int[] a : times){
if( map.get(a[0])==null){
map.put(a[0],new ArrayList<int[]>());
}
map.get(a[0]).add(new int[]{a[1],a[2]});
}
//按dist排序，可以优先选择距离短的边
for (int node: map.keySet()) {//(a, b) -> a[0] - b[0]
Collections.sort(map.get(node), new Comparator<int[]>(){
public int compare(int[] o1, int[] o2) {
return o1[1]-o2[1];
}
});
}
visitNode(map,costs,K,0);
int max = 0;
for(int i=1;i<=N;i++){
if(costs[i] == -1) return -1;
max = Math.max(max, costs[i]);
}
return max;
}
public void visitNode(Map<Integer,List<int[]>> timeMap,int[] costs,int node,int cost){
if(costs[node]!=-1){
if(cost >= costs[node]){
return;
}
}
costs[node] = cost;
if(timeMap.get(node)!=null){
for(int[] edge :timeMap.get(node)){
visitNode(timeMap,costs,edge[0],edge[1]+cost);
}
}
} public int networkDelayTimeV2(int[][] times, int N, int k) {
Map<Integer, List<int[]>> graph = new HashMap<Integer, List<int[]>>();
for(int[] a : times){
if( graph.get(a[0])==null){
graph.put(a[0],new ArrayList<int[]>());
}
graph.get(a[0]).add(new int[]{a[1],a[2]});
}
PriorityQueue<int[]> heap = new PriorityQueue<int[]>(N,new Comparator<int[]>(){
public int compare(int[] o1, int[] o2) {
return o1[1]-o2[1];
}
});
heap.offer(new int[]{k,0});
int[] dist = new int[N+1];
Arrays.fill(dist,Integer.MAX_VALUE);
while(!heap.isEmpty()){
int[] info = heap.poll();
int d = info[1];
int node = info[0];
if(dist[node]!=Integer.MAX_VALUE) continue;
dist[node] = d;
if(graph.containsKey(node)){
for(int[] edge :graph.get(node)){
if(dist[edge[0]]==Integer.MAX_VALUE){
heap.offer(new int[]{edge[0],edge[1]+d});
}
}
}
}
int max = 0;
for(int i=1;i<=N;i++){
if(dist[i] == Integer.MAX_VALUE) return -1;
max = Math.max(max, dist[i]);
}
return max;
}思路3：也是Dijkstra’s算法。但是是用数组实现的。快很多，耗时13ms。代码
代码
417. Pacific Atlantic Water Flow
思路：这道题目不难。难的是理解题目含义。红色框的所有位置相当于都是Pacific的入口。能到达这些位置的点，都能流入Pacific。同理对于Atlantic也一样。标记哪些位置是能流入二者的点就是需要返回的点。
代码
207. Course Schedule
思路：检测有向图上是否有环。
思路1：BFS。1、构建图；2 找到入度为0的点，加入到队列；3 从队列中弹出一个元素，count+1，找到这个元素可以达到的点（课程），将这些课程的入度减1；4 如果发现有新的入度为0的点，继续加入到队列；5 重复步骤3,4直到队列为空；6 判断count是否等于课程数。如果等于返回true。
思路2：DFS。1、构建图；2 参考802. Find Eventual Safe States，我们设计节点的访问有三种状态，还没有开始访问节点是白(0)，开始访问一个节点是灰(1)，访问一个节点结束是黑(2)；3 我们依次访问所有课程，如果节点状态是1，则表示有环，返回false；如果节点状态是2，则表示已经访问成功直接返回true；如果节点状态是0，则进入访问，状态修改为1；接着dfs访问这个节点的邻接节点。
代码
721. Accounts Merge
思路：这题目初看上去很简单。map吧。把email和用户名做映射。但实际上没这么简单。
学习：DFS。这是一个图。图的链接技巧是将第一个email和同一个list内的其他email双向相连。连通的email就是在同一个组内。
DFS思路代码 AccountsMergeV2
union-find代码思路 AccountsMergeV3 AccountsMergeV4
我自己写的union-find超时了。
542. 01 Matrix
思路：这道题目DFS思路可以解决。但有一个细节需要解决。如果matrix[i][j]=1，计算最近0距离的时候。1 先判断周围是否有0，如果有则距离为1，直接退出。2 不满足条件1，继续搜索周围相邻节点。这个过程中，没有把相邻节点的计算保留下来，所以会有重复计算.在整个dfs过程中并没有对r的有效修改，所以会有重复的。 例如，在计算(0,4)的最近0距离的时候，会计算(1,4)点的最近0距离，但是结果并没有保存下来。
这个问题的解决，在别人文章中学到了。在从左到右，从上到下的遍历中，dist[i][j] = Min(dist[i][j],min(dist[i-1][j]+1,dist[i][j-1]+1))。因为在这样的遍历中，(i-1,j)和(i,j-1)节点是计算过的。在从下到上，从右到左的遍历中，dist[i][j] = Min(dist[i][j],min(dist[i+1][j]+1,dist[i][j+1]+1))。因为在这样的遍历中,(i,j+1)和(i+1,j)节点是计算过的。
这是一种DP的思想。但是这样的思维，就确定整个计算过程不会出错。要不，我总会想，是应该先计算(1,4)还是先计算(0,4)。究竟是(0,4)点的距离影响(1,4)还是(1,4)点的距离影响(0,4)。而这种从上到下，从左到右遍历一次；从下到上，从右到左再遍历一次，就好多了。
学习：BFS思路，考虑从matrix[i][j]=0的点开始扩散查找，更有意思了。
代码