- 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
Conteo de Islas en Matrices con DFS
Clase 15 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
¿Qué es el problema número de islas?
El problema "número de islas" es un desafío comúnmente planteado en entrevistas de trabajo de empresas tecnológicas de renombre como Google, Microsoft y Amazon para evaluar habilidades de programación. En esencia, este problema consiste en determinar cuántas "islas" existen en una matriz compuesta por números 1 y 0. En este contexto, el 1 representa la tierra y el 0 el agua. La misión es contar los grupos conectados de tierra, es decir, las islas.
Estrategias para resolver el problema
Resolver este problema requiere una comprensión sólida de búsqueda en profundidad, comúnmente conocida como DFS (Depth First Search). Esta técnica ayuda a identificar cuántas islas hay, navegando a fondo en cada célula de tierra descubierta hasta que se rodee completamente de agua.
¿Cómo se navega en el mapa?
Para abordar el problema, es esencial realizar iteraciones a lo largo de la matriz, explorando cada célula y distinguiendo entre agua y tierra. La lógica parte de un enfoque de búsqueda en profundidad, comenzando desde la primera célula, y extendiéndose a cada célula adyacente que también sea tierra.
¿Cuándo se considera que estamos en una isla?
Una isla se forma solo cuando un conjunto de células de tierra está rodeado por todas partes de agua. Como cada célula de tierra conectada contribuye a una misma isla, es crucial controlar estas conexiones para determinar el límite de cada isla.
¿Cómo implementar una solución con DFS?
Para resolver este problema, una solución efectiva es usar la búsqueda en profundidad (DFS). Este algoritmo permite explorar completamente cada conjunto de tierra, utilizando una función recursiva que se mantiene mientras haya tierra para recorrer.
def numIslands(grid):
if not grid:
return 0
def dfs(i, j):
if i < 0 or i >= len(grid) or j < 0 or j >= len(grid[0]) or grid[i][j] == "0":
return
grid[i][j] = "0" # Marcar como visitado
dfs(i+1, j)
dfs(i-1, j)
dfs(i, j+1)
dfs(i, j-1)
count = 0
for i in range(len(grid)):
for j in range(len(grid[0])):
if grid[i][j] == "1":
dfs(i, j)
count += 1 # Incrementar el contador para cada isla encontrada
return count
Complejidad del algoritmo
La solución mediante DFS tiene una complejidad de tiempo y espacio de (O(n^2)), donde (n) es la dimensión del mapa si se asume que es cuadrado. Esto se debe a que el algoritmo debe explorar cada célula en la cuadrícula para determinar la cantidad de islas, almacenando temporalmente el estado de cada celda en la pila de la recursión.
¡Explora distintas maneras de resolver este problema! Cada enfoque podría ofrecer una perspectiva única sobre estructuras de datos y algoritmos, lo que enriquecerá tu experiencia y habilidades de programación.