【算法】连通块问题(C/C++)

【算法】连通块问题(C/C++)

目录

连通块问题

解决思路

步骤:

初始化:

DFS函数:

复杂度分析

 代码实现(C++)

题目链接:2060. 奶牛选美 - AcWing题库

解题思路:

AC代码: 

题目链接:687. 扫雷 - AcWing题库 

解题思路:

AC代码:

总结:


连通块问题

连通块问题(Connected Component Problem)是一个经典的图论问题,通常用来找出图中的所有连通分量。给定一个无向图,连通块问题的目标是确定图中有多少个连通分量(即有多少个互相连通的节点组成的集合)

解决思路

  1. 深度优先搜索(DFS)广度优先搜索(BFS)
    • 可以从任意未访问的节点出发,进行DFS或BFS,标记所有能够访问到的节点,代表这个连通分量。
    • 重复这个过程,直到所有节点都被访问为止。每次从新的未访问节点出发时,就代表发现了一个新的连通分量。
  2. 并查集(Union-Find)
    • 并查集是一种有效的解决连通性问题的数据结构。可以通过合并节点来动态地找到连通分量。

在这里,我将使用DFS的方式解决该问题,并以邻接表的形式来表示图。


步骤:

初始化:

创建一个访问数组visited[]来跟踪每个顶点是否被访问过。
初始化visited[]数组,将所有顶点标记为未访问。

DFS函数:

定义一个递归函数DFS(vertex),该函数从给定的顶点开始进行深度优先搜索。
在DFS函数中:
将当前顶点标记为已访问。
访问所有与当前顶点相邻的未访问的顶点,并递归调用DFS。
遍历所有顶点:

对于图中的每个未访问的顶点,调用DFS函数。
记录连通块:

每当DFS从一个新的未访问的顶点开始时,就表示找到了一个新的连通块。
输出结果:

可以打印出每个连通块中的顶点,或者计算连通块的数量。

复杂度分析

  • 时间复杂度O(n + m),其中 n 是节点数,m 是边数。每个节点和每条边都被遍历一次。
  • 空间复杂度O(n + m),用于存储图的邻接表和访问数组。

这种解决方案适用于中小规模的图,如果图的节点数非常大,可以考虑并查集来优化连通性问题。


 代码实现(C++)

#include <iostream> #include <vector> using namespace std; const int MAX_N = 1000; // 假设最多1000个节点 vector<int> graph[MAX_N]; // 邻接表表示图 bool visited[MAX_N]; // 访问标记数组 // 深度优先搜索(DFS) void dfs(int node) { visited[node] = true; // 标记当前节点已访问 for (int neighbor : graph[node]) { // 遍历所有邻居节点 if (!visited[neighbor]) { dfs(neighbor); // 如果邻居节点未访问,继续DFS } } } int main() { int n, m; // n为节点数,m为边数 cin >> n >> m; // 读取图的边 for (int i = 0; i < m; i++) { int u, v; cin >> u >> v; graph[u].push_back(v); graph[v].push_back(u); // 无向图,双向连接 } int connected_components = 0; // 记录连通块数目 // 遍历所有节点 for (int i = 1; i <= n; i++) { if (!visited[i]) { // 如果节点i未被访问,说明发现了一个新的连通块 dfs(i); // 对该节点进行DFS connected_components++; // 连通块数加1 } } cout << connected_components << endl; return 0; } 

题目链接:2060. 奶牛选美 - AcWing题库

听说最近两斑点的奶牛最受欢迎,约翰立即购进了一批两斑点牛。

不幸的是,时尚潮流往往变化很快,当前最受欢迎的牛变成了一斑点牛。

约翰希望通过给每头奶牛涂色,使得它们身上的两个斑点能够合为一个斑点,让它们能够更加时尚。

牛皮可用一个 N×M 的字符矩阵来表示,如下所示:

其中,X 表示斑点部分。

如果两个 X 在垂直或水平方向上相邻(对角相邻不算在内),则它们属于同一个斑点,由此看出上图中恰好有两个斑点。

约翰牛群里所有的牛都有两个斑点

约翰希望通过使用油漆给奶牛尽可能少的区域内涂色,将两个斑点合为一个。

在上面的例子中,他只需要给三个 .. 区域内涂色即可(新涂色区域用 ∗∗ 表示):

请帮助约翰确定,为了使两个斑点合为一个,他需要涂色区域的最少数量。

输入格式

第一行包含两个整数 N 和 M。

接下来 N 行,每行包含一个长度为 M 的由 X 和 .. 构成的字符串,用来表示描述牛皮图案的字符矩阵。

输出格式

输出需要涂色区域的最少数量。

数据范围

1≤N,M≤50

输入样例:

输出样例:

解题思路:

此题主要是运用dfs或者bfs去找连通块最小距离。搜索思想,先去找X的点,只要找到了一个X点,那么此点所在的连通块就一网打尽了,把此连通块的点存起来,再搜第二个连通块,把第二个连通块的点也都存起来,然后外循环第一个连通块的点,内循环第二个连通块的点,每次尝试两个点染色,就是图中第一个连通块黄色格子跟第二个连通块黄色格子求距离。在所有里面找一个min的值即可,途中红色的为最小。最后输出减一就是答案,因为这里求的是两点之间点的距离。


AC代码: 

#include<iostream> #include<cstring> #include<cmath> #include<vector> #include<climits> using namespace std; typedef pair<int, int> PII; const int N = 55; char s[N][N];//存图 vector<PII> points[2];//连通块 int dx[]={0,0,1,-1};//方向数组 int dy[]={1,-1,0,0}; int n,m; int res=INT_MAX;//无穷大 void dfs(int a,int b,vector<PII>&p){ s[a][b]='.';//走过此连通块的就置为'.'防止重复搜索 p.push_back({a,b});//连通块所有的坐标 for(int i=0;i<4;i++){ int x=a+dx[i]; int y=b+dy[i]; if(x>=0&&y>=0&&x<n&&y<m&&s[x][y]=='X'){//符合条件就继续搜 dfs(x,y,p); } } } int main() { cin>>n>>m; for(int i=0;i<n;i++){ cin>>s[i]; } int k=0; for(int i=0;i<n;i++){ for(int j=0;j<m;j++){ if(s[i][j]=='X'){//找到一个X就能找到此联通块 dfs(i,j,points[k++]); } } } for(auto i:points[0]){//c++11遍历更简单 for(auto j:points[1]){ res=min(res,abs(i.first-j.first)+abs(i.second-j.second));//两个坐标差值 } }//最后要减一,比如(1,1)与(1,3)之间只有一个(1,2),做差为2,所以要减一 cout<<res-1<<endl; return 0; }

题目链接:687. 扫雷 - AcWing题库 

扫雷是一种计算机游戏,在 2020 世纪 8080 年代开始流行,并且仍然包含在某些版本的 Microsoft Windows 操作系统中。

在这个问题中,你正在一个矩形网格上玩扫雷游戏。

最初网格内的所有单元格都呈未打开状态。

其中 M 个不同的单元格中隐藏着 M 个地雷。

其他单元格内不包含地雷。

你可以单击任何单元格将其打开。

如果你点击到的单元格中包含一个地雷,那么游戏就会判定失败。

如果你点击到的单元格内不含地雷,则单元格内将显示一个 0 到 8 之间的数字(包括 0 和 8),这对应于该单元格的所有相邻单元格中包含地雷的单元格的数量。

如果两个单元格共享一个角或边,则它们是相邻单元格。

另外,如果某个单元格被打开时显示数字 0,那么它的所有相邻单元格也会以递归方式自动打开。

当所有不含地雷的单元格都被打开时,游戏就会判定胜利。

例如,网格的初始状态可能如下所示(* 表示地雷,而 c 表示第一个点击的单元格):

被点击的单元格旁边没有地雷,因此当它被打开时显示数字 0,并且它的 8 个相邻单元也被自动打开,此过程不断继续,最终状态如下:

此时,仍有不包含地雷的单元格(用 . 字符表示)未被打开,因此玩家必须继续点击未打开的单元格,使游戏继续进行。

你想尽快赢得游戏胜利并希望找到赢得游戏的最低点击次数。

给定网格的尺寸(N×N),输出能够获胜的最小点击次数。

输入格式

第一行包含整数 T,表示共有 T 组测试数据。

每组数据第一行包含整数 N,表示游戏网格的尺寸大小。

接下来 N 行,每行包含一个长度为 N 的字符串,字符串由 .(无雷)和 *(有雷)构成,表示游戏网格的初始状态。

输出格式

每组数据输出一个结果,每个结果占一行。

结果表示为 Case #x: y,其中 x 是组别编号(从 1 开始),y 是获胜所需的最小点击次数。

数据范围

1≤T≤100
1≤N≤300

输入样例:

输出样例:

解题思路:

此题是DFS求连通块,扫雷中分三种情况,如果你点一次,此点附近没有雷,那么这一个0连通块就会全部显示出来,此0连通块边界就会显示此点附近雷的个数。第二种就是不在0连通块,附近有雷的点,为了要赢,这个也必须要点。第三种就是在连通块里面,附近有雷的点,这个点对于此题来说,先点了第一种,那么第三种的点也被包含在里面了,省了一步,此题要求最少点多少次,那么答案就是0连通块的数量+不在0连通块,附近有雷的点(1--8)。此题可用DFS、BFS进行找0联通块。

视频讲解AcWing 687. 扫雷(每日一题)_哔哩哔哩_bilibili

AC代码:

#include<iostream> using namespace std; const int N=305; int n,T; char str[N][N]; int a[N][N];//标记(i,j)点附近有几个雷 void dfs(int x,int y){ int t=a[x][y]; a[x][y]=-1; if(t){ return; } for(int i=x-1;i<=x+1;i++){ for(int j=y-1;j<=y+1;j++){ if(i>=0&&j>=0&&i<n&&j<n&&a[i][j]!=-1){ dfs(i,j); } } } } int main(){ cin>>T; for(int k=1;k<=T;k++){ cin>>n; for(int j=0;j<n;j++){ cin>>str[j]; } int res=0; for(int i=0;i<n;i++){ for(int j=0;j<n;j++){ if(str[i][j]=='*'){//如果此点是雷标记为-1 a[i][j]=-1; }else{ a[i][j]=0; for(int l=i-1;l<=i+1;l++){ for(int r=j-1;r<=j+1;r++){ if(str[l][r]=='*'&&l>=0&&r>=0&&l<n&&r<n){//附近是雷且没有越界 a[i][j]++; } } } } } } for(int i=0;i<n;i++){//求为0的连通块 for(int j=0;j<n;j++){ if(a[i][j]==0){ res++; dfs(i,j); } } } for(int i=0;i<n;i++){//求不属于0连通块且不是雷的点 for(int j=0;j<n;j++){ if(a[i][j]!=-1){ res++; } } } cout<<"Case #"<<k<<":"<<res<<endl; } return 0; }

总结:

此题思路难想,当思路打开了,按照板子就可以写出来,需要多练习问题转化能力,如此题转化为连通块最小距离。用dfs或者bfs进行图的遍历,寻找有用的信息。文章若有错误、不足的地方恳请大家指出,一起加油。

执笔至此,感触彼多,全文降至、落笔为终,感谢大家的支持。

Read more

Node.js 下载安装与环境配置全流程(保姆级详解)| 图文详解,快速上手

Node.js 下载安装与环境配置全流程(保姆级详解)| 图文详解,快速上手

前言 Node.js 是一个基于 Chrome V8 引擎的 JavaScript 运行环境。它采用事件驱动、非阻塞式 I/O 模型,使得其在处理高并发任务时具有极高的效率。得益于这样的设计,Node.js 在 Web 开发、实时应用、微服务架构等场景中被广泛使用。 除了高性能,Node.js 还配备了功能强大的包管理器 npm(Node Package Manager)。npm 提供了丰富的开源库和工具,开发者可以轻松地安装、管理和共享代码,使开发过程更加高效。 一、下载安装 Node.js 1.下载安装包: * 访问 Node.js 官方下载页面。 通常页面会显示两个版本: 1. 长期维护版本(推荐)

By Ne0inhk
深度解析个人AI助手OpenClaw:从消息处理到定时任务的全流程架构

深度解析个人AI助手OpenClaw:从消息处理到定时任务的全流程架构

在人工智能快速普及的当下,个人AI助手已经逐渐渗透到我们的工作和生活中,它们能够跨平台接收消息、智能处理需求、执行指定任务,成为提升效率的重要工具。OpenClaw作为一款功能强大的个人AI助手,凭借其灵活的渠道适配、完善的路由机制、强大的Agent能力以及可靠的定时任务系统,在众多AI助手中脱颖而出。很多开发者在使用OpenClaw时,都会好奇其背后的运行逻辑:当我们在WhatsApp、Discord等平台发送消息时,OpenClaw是如何捕捉到这些消息的,又是如何一步步处理并给出回复的;Web UI端的消息传递和外部渠道有何不同;Pi Agent如何调用大语言模型(LLM)和执行本地命令;定时任务从创建到结束的完整生命周期又包含哪些环节。今天,我们就结合OpenClaw的源代码,对这些核心功能模块进行全面且深入的解析,带你走进这款个人AI助手的底层架构,读懂每一个流程背后的技术实现。 OpenClaw的整体架构遵循“模块化设计、统一化管理”的理念,无论是消息处理、Agent执行还是定时任务,都有清晰的模块划分和明确的流程逻辑,这不仅保证了系统的稳定性和可扩展性,也让开发者能够快速

By Ne0inhk
什么是约定优于配置?自动配置的原理是什么?一文搞懂SpringBoot底层启动流程

什么是约定优于配置?自动配置的原理是什么?一文搞懂SpringBoot底层启动流程

👨‍💻程序员三明治:个人主页 🔥 个人专栏: 《设计模式精解》《重学数据结构》 🤞先做到 再看见! 目录 * 什么是自动配置类? * 自动配置原理 * 有没有自动配置的区别在哪? * Spring整合Mybatis * 在pom.xml文件中添加jar包的依赖 * 配置MyBatis文件 * 新建一个实体类的包和User实体类 * 编写实体类 * 新建Mapper接口包和UserMapper接口 * resouces下新建jdbc资源文件 jdbc-config.properties * resources下新建mybatis配置文件 mybatis.xml * resources下新建logj4j的日志配置文件log4j.properties * 新建User的映射mapper文件 * 在UserMapper接口中编写映射文件对应的方法 * 配置Spring文件 * resources下新

By Ne0inhk
Flutter 组件 graphql 的适配 鸿蒙Harmony 实战 - 驾驭标准化分布式图形协议、实现鸿蒙端实时订阅与高性能交互网关方案

Flutter 组件 graphql 的适配 鸿蒙Harmony 实战 - 驾驭标准化分布式图形协议、实现鸿蒙端实时订阅与高性能交互网关方案

欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net Flutter 组件 graphql 的适配 鸿蒙Harmony 实战 - 驾驭标准化分布式图形协议、实现鸿蒙端实时订阅与高性能交互网关方案 前言 在鸿蒙(OpenHarmony)生态的万物互联、极繁交互中台、以及对数据获取灵活性有极致要求的现代应用研发中,“高效的数据检索协议”是应用响应速度的灵魂。面对复杂的社交网络关系查询、实时的行情推送、或是海量状态信息的聚合。如果仅仅依靠传统的 RESTful 接口,那么不仅会导致因为 Over-fetching(获取多余数据)导致的带宽浪费,更会因为频繁的 API 版本演进引入严重的跨端兼容性碎片化问题。 我们需要一种“按需检索、逻辑解耦”的交互艺术。 graphql 是一套专为 Flutter 设计的标准 GraphQL 客户端套件。它通过构建规范的规范化缓存(Normalized Cache)与极其灵活的连接链路(Links)

By Ne0inhk