图论第8天

2024-06-09 02:20
文章标签 图论

本文主要是介绍图论第8天,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

685.冗余连接II

这题需要考虑两种情况:

1.两个输入

2.没有两个输入就是有成环

class Solution
{
public:static const int N = 1005;int father[N];int n;void init(){for (int i = 0; i <= n; i++){father[i] = i;}}int find(int x){return x == father[x] ? x : father[x] = find(father[x]);}int isSame(int a, int b){a = find(a);b = find(b);return (a == b);}void join(int a, int b){a = find(a);b = find(b);if (a == b)return;father[b] = a;}bool lianggeshuru(vector<vector<int>> &edges, int deleteNode){init();for (int i = 0; i < edges.size(); i++){if (i == deleteNode)continue;if (isSame(edges[i][0], edges[i][1])){return false;}join(edges[i][0], edges[i][1]);}return true;}vector<int> huan(vector<vector<int>> &edges){init();for (int i = 0; i < n; i++){if (isSame(edges[i][0], edges[i][1]))return edges[i];join(edges[i][0], edges[i][1]);}return {};}vector<int> findRedundantDirectedConnection(vector<vector<int>> &edges){n = edges.size();int count[N] = {0};// 有两个输入for (int i = 0; i < n; i++){count[edges[i][1]]++;}vector<int> vec;for (int i = n - 1; i >= 0; i--){if (count[edges[i][1]] == 2){vec.push_back(i);cout << i << endl;}}if (vec.size() > 0){if (lianggeshuru(edges, vec[0])){return edges[vec[0]];}else{return edges[vec[1]];}}// 有环return huan(edges);}
};

默写一遍再。其实突然就对这行代码不理解了,需要做个小实验。其实就是后面可以跟一个等式。

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

挺好挺好,默写出来啦!!!思路很重要!!!

class Solution {
public:static const int N = 1005;int father[N] = {0};void init(int num){for(int i = 0;i < num;i++){father[i] = i;}}int find(int x){return x == father[x] ? x : father[x] = find(father[x]);}bool isSame(int a,int b){a = find(a);b = find(b);return (a == b);}void join(int a ,int b){a = find(a);b = find(b);if(a == b)return;father[b] = a;}bool liashuru(vector<vector<int>>& edges,int deleteNode){init(edges.size());// because 1 <= ui, vi <= nfor(int i = 0;i< edges.size();i++){if(i == deleteNode)continue;if(isSame(edges[i][0],edges[i][1])){return false;}join(edges[i][0],edges[i][1]);}return true;}vector<int> huan(vector<vector<int>>& edges){init(edges.size());// because 1 <= ui, vi <= nfor(int i = 0;i < edges.size();i++){if(isSame(edges[i][0],edges[i][1])){return edges[i];}join(edges[i][0],edges[i][1]);}return {};}vector<int> findRedundantDirectedConnection(vector<vector<int>>& edges) {int n = edges.size();int count[N] = {0};for(int i = 0;i < n;i++){count[edges[i][1]]++;}vector<int>vec;for(int i = n-1;i>=0;i--){if(count[edges[i][1]] == 2){vec.push_back(i);}}//俩输入if(vec.size() > 0){if(liashuru(edges,vec[0])){return edges[vec[0]];}else{return edges[vec[1]];}}//有环return huan(edges);}
};

那明天开始做面试题。

这篇关于图论第8天的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1043987

相关文章

代码随想录leetcode200题之图论

目录 1 介绍2 训练3 参考 1 介绍 本博客用来记录代码随想录leetcode200题之图论相关题目。 2 训练 题目1:98. 所有可达路径 解题思路:有向图,dfs(fa, node)。 C++代码如下, #include <bits/stdc++.h>using namespace std;int n, m;unordered_map<int,vector<

代码随想录算法训练营第六十四天|图论、KM98. 所有可达路径

代码随想录算法训练营第六十四天 KM98. 所有可达路径 题目链接:KM98. 所有可达路径 #include<iostream>#include<vector>using namespace std;vector<int>path;vector<vector<int>>result;//输入参数为图,开始节点,结束节点void dfs(const vector<vector<int

算法设计与分析:并查集法求图论桥问题

目录 一、实验目的 二、问题描述 三、实验要求 四、算法思想 1.  基准算法 1.1 算法思想 1.2 代码 1.3 时间复杂度 2. 使用并查集的高效算法 2.1 算法思想 2.2 代码: 2.3 时间复杂度: 五、实验结果 一、实验目的 1. 掌握图的连通性。 2. 掌握并查集的基本原理和应用。 二、问题描述 在图论中,一条边被称为“桥”代

数据结构—排序、查找、图论和字符串算法之Java实例

一:引言 在编程的海洋中,算法是程序员的灵魂之光。它们不仅指引着代码的前进方向,更能解决难题,提升效率。虽然各式各样的算法琳琅满目,但其中有一些却是每位程序员必定会遇到且应当深刻掌握的。本文将带您走进这些至关重要的算法世界,一探究竟! 二:常见算法介绍 1. 排序算法 排序算法是数据整理的利器,它们能将混乱的数据有序化。快速排序、归并排序、插入排序和选择排序等是常见的排序算法。以下是各排序

day64 图论 图论理论基础 深搜 广搜 98. 所有可达路径

图论理论基础 图的种类 整体上一般分为 有向图 和 无向图。 度 无向图中有几条边连接该节点,该节点就有几度。 在有向图中,每个节点有出度和入度。 出度:从该节点出发的边的个数。 入度:指向该节点边的个数。 连通性 在图中表示节点的连通情况,我们称之为连通性。 连通图 在无向图中,任何两个节点都是可以到达的,我们称之为连通图  如果有节点不能到达其他节点,则为非连通图

代码随想录算法训练营第六十四天 | 图论理论基础、深搜理论基础、广搜理论基础、98. 所有可达路径

图论理论基础 我写在了个人语雀笔记中 https://www.yuque.com/yuqueyonghu8mml9e/bmbl71/ex473q4y0ebs0l3r?singleDoc#  深搜理论基础 https://www.yuque.com/yuqueyonghu8mml9e/bmbl71/zamfikz08c2haptn?singleDoc# 98. 所有可达路径 题目链接:9

图论 —— AOV 网与拓扑排序

【AOV网】 日常生活中,一项大的工程可以看作是由若干个子工程组成的集合,这些子工程之间必定存在一定的先后顺序,即某些子工程必须在其他的一些子工程完成后才能开始。 我们用有向图来表现子工程之间的先后关系,子工程之间的先后关系为有向边,这种有向图称为“顶点活动网络”,即:AOV 网。 一个有向无环图称为无环图(Directed Acyclic Graph),简称 DAG 图,因此一个 AOV

图论 —— 图的遍历 —— 哈密顿问题

【基本概念】 哈密尔顿通路:经过图中每个结点且仅经过一次的通路。哈密尔顿回路:经过图中每个结点且仅经过一次的回路。哈密尔顿图:存在哈密尔顿回路的图。竞赛图:每对顶点之间都有一条边相连的有向图,n 个顶点的竞赛图称为 n 阶竞赛图。与欧拉回路的对比:欧拉回路是指不重复地走过所有路径的回路;哈密尔顿回路是指不重复地走过所有点并且最后回到起点的回路。 【判定】 1.哈密尔顿通路的判定 设一无向图

图论 —— 网络流 —— 最大流 —— SAP 算法与 ISAP 算法

【概述】 EK 算法直接进行增广,而 Dinic 则是每次进行 bfs 求出层次图再 dfs 沿着层次图进行多路增广。 然而,Dinic 中每次进行 bfs 求层次图有些浪费,因为层次图的改动并不是很大,在这种思路下,因此考虑直接在每次 dfs 增广的时候修改层次图来优化求最短路的过程。 SAP(Shortest Augment Path),顾名思义是找最短的增广路,将 EK 算法 O(V*

图论 —— 弦图 —— MCS 算法

【概述】 MCS 算法是最大势算法(Maximum Cardinality Search),其常用于弦图的判定、求弦图的最大团、最小着色、最大独立集、最小团覆盖等。 一个无向图的弦图当且仅当其有一个完美消除序列,MCS 算法能够在 O(n+m) 内求出一个完美消除序列的反序。 每次执行 MCS 算法按从 n 到 1 的顺序依次给点标号,标号为 i 的点出现在完美消除序列的第 i 个,设 la