Skip to content

913.猫和老鼠

动态规划 + 拓扑排序,博弈, https://leetcode.cn/problems/cat-and-mouse/

两位玩家分别扮演猫和老鼠,在一张 无向 图上进行游戏,两人轮流行动。

图的形式是:graph[a] 是一个列表,由满足 ab 是图中的一条边的所有节点 b 组成。

老鼠从节点 1 开始,第一个出发;猫从节点 2 开始,第二个出发。在节点 0 处有一个洞。

在每个玩家的行动中,他们 必须 沿着图中与所在当前位置连通的一条边移动。例如,如果老鼠在节点 1 ,那么它必须移动到 graph[1] 中的任一节点。

此外,猫无法移动到洞中(节点 0)。

然后,游戏在出现以下三种情形之一时结束:

  • 如果猫和老鼠出现在同一个节点,猫获胜。
  • 如果老鼠到达洞中,老鼠获胜。
  • 如果某一位置重复出现(即,玩家的位置和移动顺序都与上一次行动相同),游戏平局。

给你一张图 graph ,并假设两位玩家都都以最佳状态参与游戏:

  • 如果老鼠获胜,则返回 1
  • 如果猫获胜,则返回 2
  • 如果平局,则返回 0

示例 1:

img
输入:graph = [[2,5],[3],[0,4,5],[1,4,5],[2,3],[0,2,3]]
输出:0

示例 2:

img
输入:graph = [[1,3],[0],[3],[0,2]]
输出:1

提示:

  • 3 <= graph.length <= 50
  • 1 <= graph[i].length < graph.length
  • 0 <= graph[i][j] < graph.length
  • graph[i][j] != i
  • graph[i] 互不相同
  • 猫和老鼠在游戏中总是可以移动

这个问题可以用 动态规划 + 拓扑排序(即 反向 BFS/Karn算法)来求解。我们可以定义 dp[mouse][cat][turn] 来表示当老鼠在 mouse,猫在 cat 并且当前是 turn 的玩家行动时的游戏状态。

状态:

  • dp[mouse][cat][turn] = MOUSE_WIN (1) 代表老鼠必胜
  • dp[mouse][cat][turn] = CAT_WIN (2) 代表猫必胜
  • dp[mouse][cat][turn] = DRAW (0) 代表未确定

主要思路:

  1. 初始化终止状态:
    • mouse == 0 (即老鼠进入洞中),老鼠赢(dp[0][cat][turn] = MOUSE_WIN)。
    • mouse == cat (即老鼠和猫在同一位置),猫赢(dp[mouse][mouse][turn] = CAT_WIN)。
  2. 反向 BFS 进行拓扑排序:
    • 维护一个 degree 数组,表示 mouse, cat, turn 这个状态下能走的合法步数(即多少个未确定的状态会转移到它)。
    • 先从已知的胜利/失败状态开始,推导前驱状态:
      • 如果某个状态能转移到已知的必败状态,则它是必胜状态。
      • 如果所有转移动作都指向对手的必胜状态,则当前是必败状态。
python
from collections import deque
from typing import List

MOUSE_TURN = 0
CAT_TURN = 1
DRAW = 0
MOUSE_WIN = 1
CAT_WIN = 2

class Solution:
    def catMouseGame(self, graph: List[List[int]]) -> int:
        N = len(graph)

        # dp[mouse][cat][turn] -> 0: 未确定, 1: 老鼠胜, 2: 猫胜
        dp = [[[0] * 2 for _ in range(N)] for _ in range(N)]
        degree = [[[0] * 2 for _ in range(N)] for _ in range(N)]

        # 计算所有状态的度数
        for m in range(N):
            for c in range(N):
                degree[m][c][MOUSE_TURN] = len(graph[m])  # 轮到老鼠
                degree[m][c][CAT_TURN] = len(graph[c]) - (0 in graph[c])  # 轮到猫,不能去洞

        queue = deque()

        # 初始化已知状态
        for i in range(1, N):
            for turn in range(2):
                dp[0][i][turn] = MOUSE_WIN  # 老鼠到达洞
                queue.append((0, i, turn, MOUSE_WIN))
                dp[i][i][turn] = CAT_WIN  # 猫抓到老鼠
                queue.append((i, i, turn, CAT_WIN))

        # 反向 BFS 处理其他状态
        while queue:
            mouse, cat, turn, winner = queue.popleft()

            prev_turn = 1 - turn
            if turn == MOUSE_TURN:  # 这轮是老鼠走,前一轮是猫走
                prev_moves = [(mouse, prev) for prev in graph[cat]]  # 猫的前驱状态
            else:  # 这轮是猫走,前一轮是老鼠走
                prev_moves = [(prev, cat) for prev in graph[mouse]]  # 老鼠的前驱状态

            for prev_mouse, prev_cat in prev_moves:
                if prev_cat == 0:  # 猫不能进入洞
                    continue

                if dp[prev_mouse][prev_cat][prev_turn] == DRAW:  # 还未确定
                    can_win = (winner == MOUSE_WIN and prev_turn == MOUSE_TURN) or (winner == CAT_WIN and prev_turn == CAT_TURN)
                    if can_win:
                        dp[prev_mouse][prev_cat][prev_turn] = winner
                        queue.append((prev_mouse, prev_cat, prev_turn, winner))
                    else:
                        degree[prev_mouse][prev_cat][prev_turn] -= 1
                        if degree[prev_mouse][prev_cat][prev_turn] == 0:  # 该状态的所有选项都指向对手胜利
                            dp[prev_mouse][prev_cat][prev_turn] = CAT_WIN if prev_turn == MOUSE_TURN else MOUSE_WIN
                            queue.append((prev_mouse, prev_cat, prev_turn, CAT_WIN if prev_turn == MOUSE_TURN else MOUSE_WIN))

        return dp[1][2][MOUSE_TURN]  # 初始状态,老鼠在 1,猫在 2,轮到老鼠

if __name__ == "__main__":
    sol = Solution()
    # 示例 1
    graph1 = [[2, 5], [3], [0, 4, 5], [1, 4, 5], [2, 3], [0, 2, 3]]
    print(sol.catMouseGame(graph1))  # 输出: 应为 0 或 1 根据具体规则
    graph2 = [[1, 3], [0], [3], [0, 2]]
    print(sol.catMouseGame(graph2))  # 输出: 1
    graph3 = [[5,7,9],[3,4,5,6],[3,4,5,8],[1,2,6,7],[1,2,5,7,9],[0,1,2,4,8],[1,3,7,8],[0,3,4,6,8],[2,5,6,7,9],[0,4,8]]
    print(sol.catMouseGame(graph3))  # 输出: 1

复杂度分析:

  • 状态总数:N * N * 2,最多 50 * 50 * 2 = 5000 种状态。
  • 每个状态最多更新一次,因此时间复杂度 O(N²)。