代码随想录Day17 图论-3

并查集理论基础

学习并查集 我们就要知道并查集可以解决什么问题

并查集主要有两个功能:

  • 将两个元素添加到一个集合中
  • 判断两个元素在不在同一个集合

以下是代码模板

int n = 1005; // n根据题目中节点数量而定,一般比节点数量大一点就好
vector<int> father = vector<int> (n, 0); // C++里的一种数组结构

// 并查集初始化
void init() {
    for (int i = 0; i < n; ++i) {
        father[i] = i;
    }
}
// 并查集里寻根的过程
int find(int u) {
    return u == father[u] ? u : father[u] = find(father[u]); // 路径压缩
}

// 判断 u 和 v是否找到同一个根
bool isSame(int u, int v) {
    u = find(u);
    v = find(v);
    return u == v;
}

// 将v->u 这条边加入并查集
void join(int u, int v) {
    u = find(u); // 寻找u的根
    v = find(v); // 寻找v的根
    if (u == v) return ; // 如果发现根相同,则说明在一个集合,不用两个节点相连直接返回
    father[v] = u;
}

在并查集中find是寻找根的操作

如下图第二步 8的根是1 3的根就是3 所以加入之后由1指向3

107. 寻找存在的路径

本题就是判断是否存在路径由source到destinaion 在无向图当中 我们只要判断这两个节点在一个集合里面就说明他们是可以相互到达的 所以我们就可以用到并查集的知识

#include <iostream>
#include <vector>
using namespace std;

int n;
vector<int> father = vector<int>(101,0);

void init(){
    for(int i=1;i<=n;i++){
        father[i]=i;
    }
}

int find(int u){
    return u==father[u] ? u : father[u]=find(father[u]);
}

bool isSame(int u,int v){
    u=find(u);
    v=find(v);
    return u==v;
}

void join(int u,int v){
    u=find(u);
    v=find(v);
    if(u==v) return ;
    father[v]=u;
}

int main(){
    int M,s,t,a,b;
    cin>>n>>M;
    init();
    while(M--){
        cin>>s>>t;
        join(s,t);
    }
    cin>>a>>b;
    if(isSame(a,b)) cout<<1<<endl;
    else cout<<0<<endl;
}

108. 冗余连接

这一题就是给你一棵树 然后让你删掉一条边 使其变成合法的树 要求如果有多个答案 需要我们输出最后出现的那条边

如果要加入树的两个节点 已经在一个集合里面了 然后再相连的话 就会产生环 所以我们可以从头遍历 然后只要这两个节点不在同一个集合 我们就让他们加入 否则就可以直接打印答案

#include <iostream>
#include <vector>
using namespace std;

int n;
vector<int> father = vector<int> (1005,0);

void init(){
    for(int i=0;i<=n;i++){
        father[i]=i;
    }
}

int find(int u){
    return u==father[u] ? u : father[u]=find(father[u]);
}

bool isSame(int u,int v){
    u=find(u);
    v=find(v);
    return u==v;
}

void join(int u,int v){
    u=find(u);
    v=find(v);
    if(u==v) return ;
    father[v]=u;
}

int main(){
    int s,t;
    cin>>n;
    init();
    for(int i=0;i<n;i++){
        cin>>s>>t;
        if(isSame(s,t)){
            cout<<s<<" "<<t<<endl;
            return 0;
        }else{
            join(s,t);
        }
    }
}

109. 冗余连接II

这一题变成了有向图

我们要想到有向树的性质 有向树是只有根节点的入度为0 其他节点的入度都是1 然后我们删除的边 肯定是造成节点入度为2的 如果没有入度为2的节点 那肯定就是有环 我们只需要删除环的一个边可以了

处理入度为2的节点的情况是 分两个边来出来 主要逻辑是 遍历的时候如果遍历到了要删除的节点 就不做任何处理 然后如果最后没有形成环 说明删除该边是对的 反之就删除另一个边

处理有环的情况就是一旦加入树后 就形成了环 那么加入的一条边 就是我们要删除的那个边

#include <iostream>
#include <vector>
using namespace std;
int n;
vector<int> father (1001, 0);
// 并查集初始化
void init() {
    for (int i = 1; i <= n; ++i) {
        father[i] = i;
    }
}
// 并查集里寻根的过程
int find(int u) {
    return u == father[u] ? u : father[u] = find(father[u]);
}
// 将v->u 这条边加入并查集
void join(int u, int v) {
    u = find(u);
    v = find(v);
    if (u == v) return ;
    father[v] = u;
}
// 判断 u 和 v是否找到同一个根
bool same(int u, int v) {
    u = find(u);
    v = find(v);
    return u == v;
}

// 在有向图里找到删除的那条边,使其变成树
void getRemoveEdge(const vector<vector<int>>& edges) {
    init(); // 初始化并查集
    for (int i = 0; i < n; i++) { // 遍历所有的边
        if (same(edges[i][0], edges[i][1])) { // 构成有向环了,就是要删除的边
            cout << edges[i][0] << " " << edges[i][1];
            return;
        } else {
            join(edges[i][0], edges[i][1]);
        }
    }
}

// 删一条边之后判断是不是树
bool isTreeAfterRemoveEdge(const vector<vector<int>>& edges, int deleteEdge) {
    init(); // 初始化并查集
    for (int i = 0; i < n; i++) {
        if (i == deleteEdge) continue;
        if (same(edges[i][0], edges[i][1])) { // 构成有向环了,一定不是树
            return false;
        }
        join(edges[i][0], edges[i][1]);
    }
    return true;
}

int main() {
    int s, t;
    vector<vector<int>> edges;
    cin >> n;
    vector<int> inDegree(n + 1, 0); // 记录节点入度
    for (int i = 0; i < n; i++) {
        cin >> s >> t;
        inDegree[t]++;
        edges.push_back({s, t});
    }

    vector<int> vec; // 记录入度为2的边(如果有的话就两条边)
    // 找入度为2的节点所对应的边,注意要倒序,因为优先删除最后出现的一条边
    for (int i = n - 1; i >= 0; i--) {
        if (inDegree[edges[i][1]] == 2) {
            vec.push_back(i);
        }
    }
    // 情况一、情况二
    if (vec.size() > 0) {
        // 放在vec里的边已经按照倒叙放的,所以这里就优先删vec[0]这条边
        if (isTreeAfterRemoveEdge(edges, vec[0])) {
            cout << edges[vec[0]][0] << " " << edges[vec[0]][1];
        } else {
            cout << edges[vec[1]][0] << " " << edges[vec[1]][1];
        }
        return 0;
    }

    // 处理情况三
    // 明确没有入度为2的情况,那么一定有有向环,找到构成环的边返回就可以了
    getRemoveEdge(edges);
}

prim算法

题意很简单 就是要我们求一个最小路径 联通所有节点

prim算法有三部曲

1.我们要找到距离最小生成树最近的那个节点

2.将该节点加入到最小生成树种

3.更新minDest数组

#include <iostream>
#include <vector>
#include <climits>
using namespace std;

int main(){
    int v,e;
    int s,t,k;
    cin>>v>>e;
    vector<vector<int>> grid(v+1,vector<int>(v+1,10001));
    while(e--){
        cin>>s>>t>>k;
        grid[s][t]=k;
        grid[t][s]=k;
    }
    //所有节点距离最小生成树的距离
    vector<int> minDist(v+1,10001);
    vector<bool> isIntree(v+1,false);
    for(int i=1;i<v;i++){
        //prim三部曲 第一步 选取距离最小生成树最近的节点
        int cur=-1;
        int minVal=INT_MAX; //记录最小的距离
        for(int j=1;j<=v;j++){
            if(!isIntree[j] && minVal>minDist[j]){
                minVal=minDist[j];
                cur=j;
            }
        }
        
        //prim三部曲 第二步 将最近的节点加入生成树
        isIntree[cur]=true;
        
        //prim三部曲 第三步 更新minDist数组
        for(int j=1;j<=v;j++){
            if(!isIntree[j] && minDist[j]>grid[cur][j]){
                minDist[j]=grid[cur][j];
            }
        }
    }
    int ans=0;
    for(int i=2;i<=v;i++){
        ans+=minDist[i];
    }
    cout<<ans<<endl;
}

kruskal算法

kruskal算法也可以解决上一道题 不过该算法是处理边的 prim算法是处理点的

kruskal算法的思路是 我们先把所有边的权值从小到大排序 然后从头开始遍历边 利用并查集 我们要判断 边的两个节点是不是在一个集合 找出两个节点的祖先 如果不在同一个集合 就可以作为最小生成树的边 然后加入到同一个集合

#include <iostream>
#include <vector>
#include <algorithm>

using namespace std;

// l,r为 边两边的节点,val为边的数值
struct Edge {
    int l, r, val;
};

// 节点数量
int n = 10001;
// 并查集标记节点关系的数组
vector<int> father(n, -1); // 节点编号是从1开始的,n要大一些

// 并查集初始化
void init() {
    for (int i = 0; i < n; ++i) {
        father[i] = i;
    }
}

// 并查集的查找操作
int find(int u) {
    return u == father[u] ? u : father[u] = find(father[u]); // 路径压缩
}

// 并查集的加入集合
void join(int u, int v) {
    u = find(u); // 寻找u的根
    v = find(v); // 寻找v的根
    if (u == v) return ; // 如果发现根相同,则说明在一个集合,不用两个节点相连直接返回
    father[v] = u;
}

int main() {

    int v, e;
    int v1, v2, val;
    vector<Edge> edges;
    int result_val = 0;
    cin >> v >> e;
    while (e--) {
        cin >> v1 >> v2 >> val;
        edges.push_back({v1, v2, val});
    }

    // 执行Kruskal算法
    // 按边的权值对边进行从小到大排序
    sort(edges.begin(), edges.end(), [](const Edge& a, const Edge& b) {
            return a.val < b.val;
    });

    // 并查集初始化
    init();

    // 从头开始遍历边
    for (Edge edge : edges) {
        // 并查集,搜出两个节点的祖先
        int x = find(edge.l);
        int y = find(edge.r);

        // 如果祖先不同,则不在同一个集合
        if (x != y) {
            result_val += edge.val; // 这条边可以作为生成树的边
            join(x, y); // 两个节点加入到同一个集合
        }
    }
    cout << result_val << endl;
    return 0;
}

拓扑排序

拓扑排序就是打个比方 大学排课,例如 先上A课,才能上B课,上了B课才能上C课,上了A课才能上D课,等等一系列这样的依赖顺序。 问给规划出一条 完整的上课顺序。

概括来说 给出一个有向图 然后让我们把这个有向图转成线性排序 就是拓扑排序 它也可以用来判断一个有向图是否有环

如下图 我们自己模拟 肯定是把0放入结果集 然后1和2都可以放入结果集 我们可以发现 放入结果集的都是没有依赖的 也就是说它的入度是为0的

我们就可以利用邻接表 将0放入结果集之后 遍历邻接表0 把后面所连接的元素的入度要减1 然后减1过后 入度为0 就让它入队

#include <iostream>
#include <vector>
#include <queue>
#include <unordered_map>
using namespace std;

int main(){
    int n,m;
    cin>>n>>m;
    int s,t;
    vector<int> inDegree(n,0);
    unordered_map<int, vector<int>> umap; 
    vector<int> ans;
    while(m--){
        cin>>s>>t;
        umap[s].push_back(t);
        inDegree[t]++;
    }
    queue<int> que;
    for(int i=0;i<n;i++){
        if(inDegree[i]==0){
            que.push(i);
        }
    }
    
    while(que.size()){
        int cur=que.front();
        que.pop();
        ans.push_back(cur);
        vector<int> file=umap[cur];
        if(file.size()){
            for(int i=0;i<file.size();i++){
                inDegree[file[i]]--;
                if(inDegree[file[i]]==0){
                    que.push(file[i]);
                }
            }
        }
    }
    if (ans.size() == n) {
        for (int i = 0; i < n - 1; i++) cout << ans[i] << " ";
        cout << ans[n - 1];
    } else cout << -1 << endl;
}

dijkstra(朴素版)

该题求小明从起点到终点所花费的最小时间 dijksta算法和prim算法思路很像 也有三部曲

1.找到距离源点最近的节点(注意不是最小生成树)

2.把该节点标记为访问过

3.更新minDest数组

#include <iostream>
#include <vector>
#include <climits>
using namespace std;
int main() {
    int n, m, p1, p2, val;
    cin >> n >> m;

    vector<vector<int>> grid(n + 1, vector<int>(n + 1, INT_MAX));
    for(int i = 0; i < m; i++){
        cin >> p1 >> p2 >> val;
        grid[p1][p2] = val;
    }

    int start = 1;
    int end = n;

    // 存储从源点到每个节点的最短距离
    std::vector<int> minDist(n + 1, INT_MAX);

    // 记录顶点是否被访问过
    std::vector<bool> visited(n + 1, false);

    minDist[start] = 0;  // 起始点到自身的距离为0

    for (int i = 1; i <= n; i++) { // 遍历所有节点

        int minVal = INT_MAX;
        int cur = 1;

        // 1、选距离源点最近且未访问过的节点
        for (int v = 1; v <= n; ++v) {
            if (!visited[v] && minDist[v] < minVal) {
                minVal = minDist[v];
                cur = v;
            }
        }

        visited[cur] = true;  // 2、标记该节点已被访问

        // 3、第三步,更新非访问节点到源点的距离(即更新minDist数组)
        for (int v = 1; v <= n; v++) {
            if (!visited[v] && grid[cur][v] != INT_MAX && minDist[cur] + grid[cur][v] < minDist[v]) {
                minDist[v] = minDist[cur] + grid[cur][v];
            }
        }

    }

    if (minDist[end] == INT_MAX) cout << -1 << endl; // 不能到达终点
    else cout << minDist[end] << endl; // 到达终点最短路径

}

类比一下prim算法

prim 更新 minDist数组的写法:

for (int j = 1; j <= v; j++) {
    if (!isInTree[j] && grid[cur][j] < minDist[j]) {
        minDist[j] = grid[cur][j];
    }
}

dijkstra 更新 minDist数组的写法:

dijkstra是前一个节点的minDest加上到该节点的权值要小于该节点原本的minDest数组

for (int v = 1; v <= n; v++) {
    if (!visited[v] && grid[cur][v] != INT_MAX && minDist[cur] + grid[cur][v] < minDist[v]) {
        minDist[v] = minDist[cur] + grid[cur][v];
    }
}

以上代码都是我们从节点的角度去考虑的 所以需要我们有两层for循环

dijkstra堆优化版

我们可以用小顶堆来让边权值最小的永远在堆顶

dijkstra三部曲依然不变 我们取距离源点最近的点就是堆顶权值最小的边 然后标记该点访问过

我们只需要在第三步用到一个for循环来更新一下minDest数组 然后因为cur节点的加入 要让新链接上的边加入队列

#include <iostream>
#include <vector>
#include <list>
#include <queue>
#include <climits>
using namespace std;

class mycomparsion{
public:
    bool operator()(const pair<int,int>& lrs, const pair<int,int>& rhs){
        return lrs.second>rhs.second;
    }
};

struct Edge{
  int to;
  int val;
  Edge(int t,int w):to(t),val(w){}
};

int main(){
    int n,m;
    cin>>n>>m;
    int s,e,v;
    vector<list<Edge>> grid(n+1);
    for(int i=0;i<m;i++){
        cin>>s>>e>>v;
        grid[s].push_back(Edge(e,v));
    }
    int start=1,end=n;
    vector<int> minDest(n+1,INT_MAX);
    vector<bool> visited(n+1,false);
    priority_queue<pair<int,int>, vector<pair<int,int>>, mycomparsion> pq;
    pq.push(pair<int, int>(start,0));
    minDest[start]=0;
    
    while(!pq.empty()){
        pair<int,int> cur=pq.top();
        pq.pop();
        if(visited[cur.first]) continue;
        visited[cur.first]=true;
        for(Edge edge:grid[cur.first]){
            if(!visited[edge.to] && minDest[cur.first]+edge.val<minDest[edge.to]){
                minDest[edge.to]=minDest[cur.first]+edge.val;
                pq.push(pair<int,int>(edge.to,minDest[edge.to]));
            }
        }
    }
    if (minDest[end] == INT_MAX) cout << -1 << endl; // 不能到达终点
    else cout << minDest[end] << endl; // 到达终点最短路径
}
相关推荐
fhvyxyci1 分钟前
【C++之STL】摸清 string 的模拟实现(下)
开发语言·c++·string
C++忠实粉丝13 分钟前
计算机网络socket编程(4)_TCP socket API 详解
网络·数据结构·c++·网络协议·tcp/ip·计算机网络·算法
古月居GYH24 分钟前
在C++上实现反射用法
java·开发语言·c++
Betty’s Sweet27 分钟前
[C++]:IO流
c++·文件·fstream·sstream·iostream
用户377913629475540 分钟前
【循环神经网络】只会Python,也能让AI写出周杰伦风格的歌词
人工智能·算法
敲上瘾41 分钟前
操作系统的理解
linux·运维·服务器·c++·大模型·操作系统·aigc
福大大架构师每日一题43 分钟前
文心一言 VS 讯飞星火 VS chatgpt (396)-- 算法导论25.2 1题
算法·文心一言
不会写代码的ys1 小时前
【类与对象】--对象之舞,类之华章,共绘C++之美
c++
兵哥工控1 小时前
MFC工控项目实例三十二模拟量校正值添加修改删除
c++·mfc
EterNity_TiMe_1 小时前
【论文复现】(CLIP)文本也能和图像配对
python·学习·算法·性能优化·数据分析·clip