[100天算法】-尽量减少恶意软件的传播(day 45)

2023-10-29 06:44

本文主要是介绍[100天算法】-尽量减少恶意软件的传播(day 45),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!

题目描述

在节点网络中,只有当 graph[i][j] = 1 时,每个节点 i 能够直接连接到另一个节点 j。一些节点 initial 最初被恶意软件感染。只要两个节点直接连接,且其中至少一个节点受到恶意软件的感染,那么两个节点都将被恶意软件感染。这种恶意软件的传播将继续,直到没有更多的节点可以被这种方式感染。假设 M(initial) 是在恶意软件停止传播之后,整个网络中感染恶意软件的最终节点数。我们可以从初始列表中删除一个节点。如果移除这一节点将最小化 M(initial), 则返回该节点。如果有多个节点满足条件,就返回索引最小的节点。请注意,如果某个节点已从受感染节点的列表 initial 中删除,它以后可能仍然因恶意软件传播而受到感染。示例 1:输入:graph = [[1,1,0],[1,1,0],[0,0,1]], initial = [0,1]
输出:0
示例 2:输入:graph = [[1,0,0],[0,1,0],[0,0,1]], initial = [0,2]
输出:0
示例 3:输入:graph = [[1,1,1],[1,1,1],[1,1,1]], initial = [1,2]
输出:1
提示:1 < graph.length = graph[0].length <= 300
0 <= graph[i][j] == graph[j][i] <= 1
graph[i][i] == 1
1 <= initial.length < graph.length
0 <= initial[i] < graph.length
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/minimize-malware-spread
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。

方法 1:并查集

思路 1

  • 先构建并查集,并记录每个不交集的节点数。
  • 依次从 initial 中删除一个节点,重新计算感染节点数,找到最小感染数和对应的节点索引。

代码

TypeScript Code

function minMalwareSpread(graph: number[][], initial: number[]): number {// 构建并查集const len: number = graph.length;const uf: UnionFind = new UnionFind(len);for (let i = 0; i < len; i++) {for (let j = i + 1; j < len; j++) {graph[i][j] === 1 && uf.unionSet(i, j);}}// 计算最终感染节点数const countInfected = (initial: number[]): number => {const parents: number[] = [];for (let i = 0; i < initial.length; i++) {const p = uf.findSet(initial[i]);parents.find(e => e === p) || parents.push(p);}return parents.reduce((res: number, p: number): number => res + uf.getSizeOfSet(p),0,);};let ans: number = 0;let leastInfected: number = Infinity;for (let i = 0; i < initial.length; i++) {// 把第 i 个节点拿掉,然后计算感染节点数const infected: number = countInfected([...initial.slice(0, i),...initial.slice(i + 1),]);// 如果感染数更少,更新 ansif (infected < leastInfected) {leastInfected = infected;ans = initial[i];}// 如果感染数一样少,取索引值较小的那个else if (infected === leastInfected) {initial[i] < ans && (ans = initial[i]);}}return ans;
}

UnionFind

class UnionFind {private parents: Array<number>;private sizes: Array<number>;constructor(size: number) {this.parents = Array(size).fill(0).map((_, i) => i);this.sizes = Array(size).fill(1);}getSizeOfSet(x: number): number {const px = this.findSet(x);return this.sizes[px];}findSet(x: number): number {if (x !== this.parents[x]) {this.parents[x] = this.findSet(this.parents[x]);}return this.parents[x];}unionSet(x: number, y: number): void {const px: number = this.findSet(x);const py: number = this.findSet(y);if (px === py) return;if (this.sizes[px] > this.sizes[py]) {this.parents[py] = px;this.sizes[px] += this.sizes[py];} else {this.parents[px] = py;this.sizes[py] += this.sizes[px];}}
}

思路 2

  • 构建并查集
  • 找到一个满足以下条件的不交集:
    1. 集合中只有一个感染节点
    2. 集合的节点数量最大
  • 如果不存在上述集合,那就返回 initial 中的最小索引

代码

TypeScript Code

function minMalwareSpread(graph: number[][], initial: number[]): number {// 构建并查集const len: number = graph.length;const uf: UnionFind = new UnionFind(len);for (let i = 0; i < len; i++) {for (let j = i + 1; j < len; j++) {graph[i][j] === 1 && uf.unionSet(i, j);}}// 计算每个不交集中分别有多少个感染节点const malwares: number[] = Array(len).fill(0);initial.forEach(i => malwares[uf.findSet(i)]++);// ans: [集合的节点数总数,感染节点索引]let ans: [number, number] = [1, Infinity];for (let i of initial) {// 如果某个集合中只有一个感染节点if (malwares[uf.findSet(i)] === 1) {const count = uf.getSizeOfSet(i);// 如果这个集合的节点数更多,更新 ansif (count > ans[0]) {ans = [count, i];}// 如果有多个满足条件的集合,取索引值更小的那个节点else if (count === ans[0]) {ans = [count, Math.min(ans[1], i)];}}}// 如果不存在满足条件的集合,返回感染节点中索引值最小的那个节点return ans[1] === Infinity ? Math.min(...initial) : ans[1];
}

这篇关于[100天算法】-尽量减少恶意软件的传播(day 45)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/298928

相关文章

如何通过Golang的container/list实现LRU缓存算法

《如何通过Golang的container/list实现LRU缓存算法》文章介绍了Go语言中container/list包实现的双向链表,并探讨了如何使用链表实现LRU缓存,LRU缓存通过维护一个双向... 目录力扣:146. LRU 缓存主要结构 List 和 Element常用方法1. 初始化链表2.

golang字符串匹配算法解读

《golang字符串匹配算法解读》文章介绍了字符串匹配算法的原理,特别是Knuth-Morris-Pratt(KMP)算法,该算法通过构建模式串的前缀表来减少匹配时的不必要的字符比较,从而提高效率,在... 目录简介KMP实现代码总结简介字符串匹配算法主要用于在一个较长的文本串中查找一个较短的字符串(称为

通俗易懂的Java常见限流算法具体实现

《通俗易懂的Java常见限流算法具体实现》:本文主要介绍Java常见限流算法具体实现的相关资料,包括漏桶算法、令牌桶算法、Nginx限流和Redis+Lua限流的实现原理和具体步骤,并比较了它们的... 目录一、漏桶算法1.漏桶算法的思想和原理2.具体实现二、令牌桶算法1.令牌桶算法流程:2.具体实现2.1

Python中的随机森林算法与实战

《Python中的随机森林算法与实战》本文详细介绍了随机森林算法,包括其原理、实现步骤、分类和回归案例,并讨论了其优点和缺点,通过面向对象编程实现了一个简单的随机森林模型,并应用于鸢尾花分类和波士顿房... 目录1、随机森林算法概述2、随机森林的原理3、实现步骤4、分类案例:使用随机森林预测鸢尾花品种4.1

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

【数据结构】——原来排序算法搞懂这些就行,轻松拿捏

前言:快速排序的实现最重要的是找基准值,下面让我们来了解如何实现找基准值 基准值的注释:在快排的过程中,每一次我们要取一个元素作为枢纽值,以这个数字来将序列划分为两部分。 在此我们采用三数取中法,也就是取左端、中间、右端三个数,然后进行排序,将中间数作为枢纽值。 快速排序实现主框架: //快速排序 void QuickSort(int* arr, int left, int rig

poj 3974 and hdu 3068 最长回文串的O(n)解法(Manacher算法)

求一段字符串中的最长回文串。 因为数据量比较大,用原来的O(n^2)会爆。 小白上的O(n^2)解法代码:TLE啦~ #include<stdio.h>#include<string.h>const int Maxn = 1000000;char s[Maxn];int main(){char e[] = {"END"};while(scanf("%s", s) != EO