リートコードにおける配列のネスティングとは？最適解のための2025年DFSガイド

とおりです：

• 反復ループが再帰に取って代わるため、スタック深度に関する懸念がなくなる
• ：どの要素が処理されたかを効率的に追跡するために、別の配列を引き続き使用する
• ：

• 反復処理により、再帰呼び出しスタックに関連するメモリ・オーバーヘッドが削減される。

代替案2：インプレース・サイクル長計算この

方法は、入力配列内でサイクル長を直接計算することで、よりメモリ効率の高いソリューションを提供する。以下のPythonコードは、このインプレースアプローチを示しています:

class Solution:def arrayNesting(self, nums: List[int]) -> int:n = len(nums)max_length = 0for i in range(n):if nums[i] != -1:# このインデックスが処理されていない場合のみ処理を進める start = icount = 0while nums[start] ！= -1:next_index = nums[start]nums[start] = -1# -1に設定することで訪問済みとみなすstart = next_indexcount += 1max_length = max(max_length, count)return max_length# 例題usagenums = [5,4,0,3,1,6,2]solution = Solution()result = solution.arrayNesting(nums)print(f "Length of the longest cycle: {result}") # 出力：4

この手法の

主な

利点は以下の通り：

• メモリフットプリントの削減：
メモリフットプリントの
• 削減：元のリストを修正することで、別の訪問済み配列の必要性を排除
• します
• ：
• 最適化されたパフォーマンス：

DFSアルゴリズム：ステップ・バイ・ステップの実装visited

配列

nums配列と同じ長さのvisitedという名前のブール配列を使用する。visited[i]は、インデックス'i'の要素を探索した時点で真に設定される。

DFS関数 (dfs(nums, i, visited))

この再帰関数は、 'nums' 配列、開始インデックス 'i' および 'visited' 配列を受け取る。インデックス 'i' から始まる深さ優先探索を行い、発見されたサイクルの長さを返す。

1. 基本ケース： visited[i]が既に真であれば、この要素は既に計測したサイクルの一部であることを示す。この関数は冗長な作業を避けるために0を返す。

1. Visitedとしてマーク：異なる開始点から同じサイクルに再び入ることを防ぐために、直ちにvisited[i]をtrueとしてマーク

2. します

3. ：

4. next = nums[i]を使用して次のインデックスを決定し、dfs(nums, next, visited)を再帰的に呼び出してサイクルの探索を続行

5. する

6. ：

7. サイクルの合計の長さは、1（現在のノードの長さ）に再帰呼び出しから返された長さを加えたものになります。この値が返されます。cycle_length = 1 + dfs(nums, next, visited).

メイン関数 (arrayNesting(nums))

1. 'visited' 配列を初期化します：サイズnの真偽値配列を作成し、すべての値をfalseに設定する。
2. maxLength'を0に初期化する：この変数は、見つかった最長のサイクルを追跡する
3. ：nums' 配列の各インデックス 'i' をループする
4. ： visited[i]がfalseの場合、そのインデックスからDFS探索を開始する
5. ： max_length = Math.max(max_length, dfs(nums, i, visited)).
6. Return 'maxLength'：

pricetingtitlepricingDFSアプローチの長所と短所

長所

効果的なサイクルの検出：この配列のようなグラフ構造のサイクルを見つけるのに適している

：

明確な再帰構造：再帰的な性質は、問題を解くためのわかりやすく論理的な流れを提供します。

短所

スタック・オーバーフローの

可能性

：入力サイズが非常に大きい場合、深い再帰はスタックオーバーフローエラーを引き起こす可能性が

ある

：

配列の入れ子にDFSを使用する中核的な機能と利点主要な

コード概念とその利点

配列の入れ子問題を解くためのDFS実装には、成功に貢献するいくつかの重要なプログラミング概念が組み込まれています：

• 再帰性：DFSの再帰的な性質により、配列の各潜在経路を完全に探索することができ、サイクルを見逃すことがない
• ：この配列は、アルゴリズムがどの要素も2回以上処理しないようにする、効率のための基本で
• ある
• ：
• アルゴリズムが本質的にサイクルを検出するのは、すでに現在のトラバーサル・パスの一部になっているノードを訪問しようとするとき
• です
• ：
• 各サイクルの長さは、DFSが配列内を進行する際にその場で計算さ
• れます
• ：
• 最大

• 最大長を継続的に更新することで、最終的な答えが見つかった最大のサイクルであることを保証

1. します

• 。

コード例による理解の向上

DFSプロセスを説明する

ために

、次の例を考えてみましょう。

配列nums = [5,4,0,3,1,6,2]が与えられた場合、DFSアルゴリズムは次のように実行されます。

1. インデックス5から、インデックス5を訪問済みとマークし、nums[5]に移動し、nums[5]は6である。
2. インデックス6から、インデックス6を訪問済みとマークし、nums[6]に移動し、nums[6]は2である。
3. インデックス2において、アルゴリズムはそれを訪問済みとマークし、nums[2]が0であることを発見

する

1. 。0は既に訪問済みであるので、サイクル[0, 5, 6, 2]は長さ4の完全なものである

。

この深い探索により、経路が以前に訪れたノードにループして戻り、サイクルを形成していることを自然に検出することができる。幅優先探索（BFS）は最短経路を見つけるのに適しており、この特定のタスクには直感的でない。

この問題は余分なスペースを使わずに解決できますか？

はい、元の入力配列を変更することでO(1)スペースで解決できます。別の'visited'配列の代わりに、'nums'配列内の訪問済みインデックスを直接マークし、その値を-1のようなセンチネル値に変更することができます。 このアプローチは元の入力データを変更することに注意することが重要です。

配列内の数値の範囲（0からn-1）は解にどのような影響を与えるか？

すべての値が0からn-1の間であるという制約は非常に重要である。これは、配列内のすべての値が配列自体の中で有効なインデックスであることを保証します。

関連する質問

nums[i]が[0, n - 1]の範囲にあるn個の整数の配列numsが与えられたとき、配列内の最長のサイクルを見つけて返す関数を書くことができますか？JavaとPythonの両方の実装を用意し

なさい

。

以下は、JavaとPythonの実装で、最も長いサイクルの長さを見つけるように設計されています：import java.util.Arrays;class Solution {public int arrayNesting(int[] nums) {int n = nums.length;boolean[] visited = new boolean[n];int maxLength = 0;for (int i = 0; i int:n = len(nums)visited = [False] * nmax_length = 0for i in range(n):if not visited[i]:max_length = max(max_length, self.dfs(nums, i, visited))return max_lengthdef dfs(self, nums: List[int], start: int, visited: List[bool]) -> int:if visited[start]:return 0visited[start] = Truenext_val = nums[start]cycle_length = 1 + self.dfs(nums, next_val, visited)return cycle_length# 例 Usagenums = [5,4,0,3,1,6,2]solution = Solution()result = solution.arrayNesting(nums)print(f "Length of the longest cycle: {result}")# 出力：4これらの実装は、不要な再処理を防ぐために訪問された配列を使用して、サイクルを効率的に検出し、その長さを計算するように最適化されている。