- 1

Grafos y Árboles: Estructuras de Datos Avanzadas
06:48 - 2

Estructuras de Datos: Introducción a Árboles y Sus Propiedades
07:12 - 3

Recursión: Concepto y Aplicaciones Prácticas con Ejemplos
09:11 - 4

Aplicaciones Prácticas de Grafos en Tecnología e Industria
05:16 - 5
Representación de Grafos: Matriz y Lista de Adyacencia
01:02
Combinaciones de Letras a partir de un Número de Teléfono
Clase 38 de 52 • Curso de Algoritmos Avanzados: Grafos y Árboles
Contenido del curso
- 6

Búsqueda en Profundidad (DFS) en Árboles y Grafos
04:50 - 7

Implementación de DFS recursivo para búsqueda en árboles
12:10 - 8
Búsqueda en Profundidad (DFS) para Grafos: Enfoque Iterativo y Recursivo
01:27 - 9

Recorridos y Profundidad en Árboles Binarios y Enearios
07:09 - 10

Suma de Caminos en Árboles Binarios
02:05 - 11

Suma de Números de Raíz a Hoja en Árboles
07:32 - 12
Playground: Sum Root to Leaf Numbers
00:00 - 13

Implementación de Algoritmo DFS en Árboles Binarios con Golang
15:03 - 14

Resolución del Problema de Número de Islas con DFS
02:32 - 15

Conteo de Islas en Matrices con DFS
08:51 - 16
Playground: Number of Islands
00:00 - 17

Implementación de "Número de Islas" con Recursión en Python
10:18 - 18
Ejercicios Prácticos de Búsqueda en Profundidad (DFS)
02:22 - 19
Algoritmos de Búsqueda en Profundidad (DFS) en Problemas Comunes
06:19
- 20

Algoritmo BFS: Recorrido en Anchura de Grafos y Árboles
02:05 - 21

Implementación de BFS en Árboles usando Python
08:43 - 22

Movimiento mínimo de caballo en ajedrez infinito
02:55 - 23

Resolviendo el Problema Mínimo de Movimiento del Caballo en Ajedrez
08:11 - 24
Playground: Minimum Knights Moves
00:00 - 25

Resolución de Problemas de Caballos de Ajedrez con BFS en Python
17:49 - 26

Propagación de Plagas en Cultivos: Cálculo de Días para Contagio Total
03:50 - 27

Resolución de Rotting Oranges usando BFS
08:44 - 28
Playground: Rotting Oranges
00:00 - 29

Propagación de Plagas en Matrices usando BFS en Java
23:44 - 30

Construcción de Puentes Cortos entre Islas en Matrices Binarias
03:39 - 31

Resolución del Problema Shortest Bridge con DFS y BFS
07:36 - 32
Playground: Shortest Bridge Between Islands
00:00 - 33

Búsqueda del camino más corto entre islas usando BFS en Python
14:58 - 34
Búsqueda en anchura: Ejercicios prácticos y aplicaciones
03:41 - 35
Ejercicios avanzados de búsqueda en anchura (BFS) en programación
08:47
- 36

Algoritmo Backtracking: Solución de Problemas Complejos
04:21 - 37

Combinaciones de Letras en Números Telefónicos
01:52 - 38

Combinaciones de Letras a partir de un Número de Teléfono
09:20 - 39

Generación de combinaciones de letras con teclados numéricos en C++
14:08 - 40
Playground: Letter Combinations of a Phone Number
00:00 - 41

Generación de Direcciones IP Válidas a partir de Cadenas Numéricas
03:51 - 42

Generación de IPs válidas con backtracking en C++
28:17 - 43
Playground: Restore IP Addresses
00:00 - 44

Búsqueda de Palabras en Matrices: Solución y Complejidad
02:55 - 45

Búsqueda de Palabras en Matrices usando Backtracking y DFS
08:31 - 46
Playgrund: Word Search
00:00 - 47

Implementación de búsqueda de palabras en matrices con DFS en JavaScript
18:19 - 48
Resolución del problema de las n reinas en ajedrez
01:08 - 49
Ejercicios de Backtracking: Combinaciones y Permutaciones
01:05 - 50
Combinaciones y Permutaciones con Backtracking
02:14
¿Cómo resolver la combinación de letras de un número de teléfono?
En esta clase de Platzi, nos adentramos en la fascinante tarea de resolver el problema conocido como Letter Combinations of a Phone Number. La lógica es simple a primera vista: ante un número de teléfono como entrada (en forma de string), debemos devolver una lista de todas las combinaciones de palabras posibles que se pueden formar con el teclado del teléfono. ¿Has pensado alguna vez cómo las letras en un teclado de teléfono pueden usarse para generar palabras? Aquí es donde entra en juego ingeniosamente el concepto de backtracking.
¿Qué es el backtracking y por qué es útil aquí?
Cuando hablamos de generar todas las combinaciones posibles, no podemos evitar pensar en algoritmos eficientes, y aquí el backtracking juega un papel esencial. Este método nos permite explorar todas las posibilidades de combinaciones de letras, manteniendo el orden intacto, lo cual es crucial en un número de teléfono. El enfoque se asemeja al de una búsqueda en profundidad (DFS), donde exploramos cada nodo (o número) y sus letras antes de pasar al siguiente.
¿Cómo implementamos la solución?
-
Comprensión del problema:
- Un teclado de teléfonos contiene letras asociadas a los números del 2 al 9.
- Por ejemplo, el número "2" corresponde a las letras "A", "B", "C" y el "3" a "D", "E", "F".
-
Abordaje del problema:
- Usar backtracking permite la exploración completa de todas las combinaciones de manera eficiente.
- La recursividad ayuda a mantener la simplicidad, procesando cada dígito y combinando las posibilidades.
-
Estructuración con hash table:
- Crearemos un hash table que asocia cada número del 2 al 9 con su respectiva lista de letras.
- Esta tabla facilita el acceso rápido a las letras correspondientes y permite la agregación iterativa de soluciones.
Ejemplo de implementación
En pseudocódigo, la idea general para implementar esta solución podría parecerse a lo siguiente:
# Mapa de números a letras
hash_table = {
'2': ['A', 'B', 'C'],
'3': ['D', 'E', 'F'],
# ... se continua hasta el number 9
}
def combinar(número):
# Solución inicial vacía
soluciones = [""]
# Iterar sobre cada dígito en el número de teléfono
for dígito in número:
# Obtener las letras correspondientes al dígito
letras = hash_table[dígito]
# Expandir cada combinación actual con las nuevas letras
nueva_lista = []
for solución_existente in soluciones:
for letra in letras:
nueva_lista.append(solución_existente + letra)
soluciones = nueva_lista
return soluciones
# Ejemplo de uso
resultado = combinar("23")
print(resultado)
¿Qué elementos considerar al implementar?
- Optimización: Evitar iteraciones redundantes usando estructuras de datos eficientes como
hash tabley potencialmentehash setpara manejar duplicados. - Recursión vs. Iteración: Decidir cuándo y cómo usar recursión para gestionar el crecimiento del árbol de posibilidades sin comprometer la performance.
- Escalabilidad: Asegurarse de que la solución sea escalable para números de teléfono de mayor longitud.
Arma tu propio código para resolver este ejercicio y experimenta con las posibilidades. A medida que avances, no dudes en confiar en estas técnicas y herramientas como backtracking, DFS, y estructuras de datos eficientes. ¡No te detengas aquí, sigue explorando y mejorando!