前言
本篇参考链接: 代码随想录.
所有类型题都可在网站里找到,这里不做详细标注
数组
二分查找
-
适用情况:在已经排序好的数组(元素无重复)中快速找到某一个满足条件的元素。
-
例题:
给定一个 n 个元素有序的(升序)整型数组 nums 和一个目标值 target ,写一个函数搜索 nums 中的 target,如果目标值存在返回下标,否则返回 -1。 -
思考
- 用哈希会怎么样?
在已经排序好的数组下,用哈希耗时更长,若是未排序好的数组可以考虑用哈希。
- 用哈希会怎么样?
双指针法
- 快慢指针:
- 移除数组元素
- 移除数组元素
- 首尾指针:
- 对数组进行重排
- 滑动窗口 根据条件缩短或延长滑动窗口,(一定是一个指针用于缩短,一个指针用于延长)
填充数组模拟过程
链表
小tips
设置虚拟头节点 做题有奇效!
双指针法
适用情况:
- 单个链表:
反转链表(慢指针指向虚拟头节点,快指针指向下一个节点)、删除倒数第n个元素(慢快指针指向虚拟、快指针先移动n+1)、判断链表是否有环、环的入口在哪(慢指针走一步快指针走两步,若慢指针与快指针相遇说明有环(但最终相遇的点不一定是环的入口,可能过程中就相遇了)) - 两个链表
找两个链表是否存在交点(注意交点之后一直是重合的)(首先找出长度差,长的链表指针移动到与短链表重合)
模拟链表交换
脑图
哈希表
适用情况:快速判断一个元素是否出现集合就要考虑哈希法。
哈希法牺牲了空间换取了时间,
字符串
综合题型:151. 颠倒字符串中的单词.
双指针法
适用情况:反转字符串(一个指针指向首部、另一个指针指向尾部,for循环一次两者向中间移动直至相遇)、修改(填充或删除)字符串(考虑扩容、双指针指向)。
KMP算法
适用情况:查找一个串是否出现在另一个串
二叉树
二叉树相关算法总结.
回溯
适用情况:
- 组合问题:N个数里面按一定规则找出k个数的集合
- 切割问题:一个字符串按一定规则有几种切割方式
- 子集问题:一个N个数的集合里有多少符合条件的子集
- 排列问题:N个数按一定规则全排列,有几种排列方式
- 棋盘问题:N皇后,解数独等等
模板
void backtracking(参数) {if (终止条件) {存放结果;return;}for (选择:本层集合中元素(树中节点孩子的数量就是集合的大小)) {处理节点;backtracking(路径,选择列表); // 递归回溯,撤销处理结果}
}
常用解题思路
组合
给定两个整数 n 和 k,返回 1 … n 中所有可能的 k 个数的组合。
- for中i从startIndex开始。
class Solution {
private:vector<vector<int>> result; // 存放符合条件结果的集合vector<int> path; // 用来存放符合条件结果void backtracking(int n, int k, int startIndex) {if (path.size() == k) {result.push_back(path);return;}for (int i = startIndex; i <= n; i++) {path.push_back(i); // 处理节点 backtracking(n, k, i + 1); // 递归path.pop_back(); // 回溯,撤销处理的节点}}
public:vector<vector<int>> combine(int n, int k) {result.clear(); // 可以不写path.clear(); // 可以不写backtracking(n, k, 1);return result;}
};
排列
46.全排列
-
for中 i从0开始(单个集合),有可能从startIndex开始(多个集合) ,看集合数量
- 每层都是从0开始搜索而不是startIndex
- 需要used数组记录path里都放了哪些元素了
class Solution {
public:vector<vector<int>> result;vector<int> path;void backtracking (vector<int>& nums, vector<bool>& used) {// 此时说明找到了一组if (path.size() == nums.size()) {result.push_back(path);return;}for (int i = 0; i < nums.size(); i++) {if (used[i] == true) continue; // path里已经收录的元素,直接跳过used[i] = true;path.push_back(nums[i]);backtracking(nums, used);path.pop_back();used[i] = false;}}vector<vector<int>> permute(vector<int>& nums) {result.clear();path.clear();vector<bool> used(nums.size(), false);backtracking(nums, used);return result;}
};
- 组合中,for 中i 从0 还是 从startIndex
我举过例子,如果是一个集合来求组合的话,就需要startIndex,例如:回溯算法:求组合问题! (opens new window),回溯算法:求组合总和! (opens new window)。
如果是多个集合取组合,各个集合之间相互不影响,那么就不用startIndex,例如:回溯算法:电话号码的字母组合
同层不允许使用和同树枝允许使用
40.组合总和II
class Solution {
private:vector<vector<int>> result;vector<int> path;void backtracking(vector<int>& candidates, int target, int sum, int startIndex, vector<bool>& used) {if (sum == target) {result.push_back(path);return;}for (int i = startIndex; i < candidates.size() && sum + candidates[i] <= target; i++) {// used[i - 1] == true,说明同一树枝candidates[i - 1]使用过// used[i - 1] == false,说明同一树层candidates[i - 1]使用过// 要对同一树层使用过的元素进行跳过if (i > 0 && candidates[i] == candidates[i - 1] && used[i - 1] == false) {continue;}sum += candidates[i];path.push_back(candidates[i]);used[i] = true;backtracking(candidates, target, sum, i + 1, used); // 和39.组合总和的区别1,这里是i+1,每个数字在每个组合中只能使用一次used[i] = false;sum -= candidates[i];path.pop_back();}}public:vector<vector<int>> combinationSum2(vector<int>& candidates, int target) {vector<bool> used(candidates.size(), false);path.clear();result.clear();// 首先把给candidates排序,让其相同的元素都挨在一起。sort(candidates.begin(), candidates.end());backtracking(candidates, target, 0, 0, used);return result;}
};
同层不允许使用
491.递增子序列
// 版本一
class Solution {
private:vector<vector<int>> result;vector<int> path;void backtracking(vector<int>& nums, int startIndex) {if (path.size() > 1) {result.push_back(path);// 注意这里不要加return,要取树上的节点}unordered_set<int> uset; // 使用set对本层元素进行去重for (int i = startIndex; i < nums.size(); i++) {if ((!path.empty() && nums[i] < path.back())|| uset.find(nums[i]) != uset.end()) {continue;}uset.insert(nums[i]); // 记录这个元素在本层用过了,本层后面不能再用了path.push_back(nums[i]);backtracking(nums, i + 1);path.pop_back();}}
public:vector<vector<int>> findSubsequences(vector<int>& nums) {result.clear();path.clear();backtracking(nums, 0);return result;}
};
回溯难题
N皇后.
棋盘的宽度就是for循环的长度,递归的深度就是棋盘的高度,这样就可以套进回溯法的模板里了。
class Solution {
private:
vector<vector<string>> result;
// n 为输入的棋盘大小
// row 是当前递归到棋盘的第几行了
void backtracking(int n, int row, vector<string>& chessboard) {if (row == n) {result.push_back(chessboard);return;}for (int col = 0; col < n; col++) {if (isValid(row, col, chessboard, n)) { // 验证合法就可以放chessboard[row][col] = 'Q'; // 放置皇后backtracking(n, row + 1, chessboard);chessboard[row][col] = '.'; // 回溯,撤销皇后}}
}
bool isValid(int row, int col, vector<string>& chessboard, int n) {// 检查列for (int i = 0; i < row; i++) { // 这是一个剪枝if (chessboard[i][col] == 'Q') {return false;}}// 检查 45度角是否有皇后for (int i = row - 1, j = col - 1; i >=0 && j >= 0; i--, j--) {if (chessboard[i][j] == 'Q') {return false;}}// 检查 135度角是否有皇后for(int i = row - 1, j = col + 1; i >= 0 && j < n; i--, j++) {if (chessboard[i][j] == 'Q') {return false;}}return true;
}
public:vector<vector<string>> solveNQueens(int n) {result.clear();std::vector<std::string> chessboard(n, std::string(n, '.'));backtracking(n, 0, chessboard);return result;}
};
解数独.
class Solution {
private:
bool backtracking(vector<vector<char>>& board) {for (int i = 0; i < board.size(); i++) { // 遍历行for (int j = 0; j < board[0].size(); j++) { // 遍历列if (board[i][j] != '.') continue;for (char k = '1'; k <= '9'; k++) { // (i, j) 这个位置放k是否合适if (isValid(i, j, k, board)) {board[i][j] = k; // 放置kif (backtracking(board)) return true; // 如果找到合适一组立刻返回board[i][j] = '.'; // 回溯,撤销k}}return false; // 9个数都试完了,都不行,那么就返回false}}return true; // 遍历完没有返回false,说明找到了合适棋盘位置了
}
bool isValid(int row, int col, char val, vector<vector<char>>& board) {for (int i = 0; i < 9; i++) { // 判断行里是否重复if (board[row][i] == val) {return false;}}for (int j = 0; j < 9; j++) { // 判断列里是否重复if (board[j][col] == val) {return false;}}int startRow = (row / 3) * 3;int startCol = (col / 3) * 3;for (int i = startRow; i < startRow + 3; i++) { // 判断9方格里是否重复for (int j = startCol; j < startCol + 3; j++) {if (board[i][j] == val ) {return false;}}}return true;
}
public:void solveSudoku(vector<vector<char>>& board) {backtracking(board);}
};
动态规划
思路
推出状态方程,把每步状态方程打印出来验证。
简单题目
第一步 确定dp【i】的含义
第二步 确定推导方程
第三部 确定dp【0】或dp【1】的初始化
爬楼梯
leetcode 70. 爬楼梯.
首先是dp[i - 1],上i-1层楼梯,有dp[i - 1]种方法,那么再一步跳一个台阶不就是dp[i]了么。
还有就是dp[i - 2],上i-2层楼梯,有dp[i - 2]种方法,那么再一步跳两个台阶不就是dp[i]了么。
那么dp[i]就是 dp[i - 1]与dp[i - 2]之和!
背包问题题目
- 例题:有n件物品和一个最多能背重量为w 的背包。第i件物品的重量是weight[i],得到的价值是value[i] 。每件物品只能用一次,求解将哪些物品装入背包里物品价值总和最大。
void test_2_wei_bag_problem1() {vector<int> weight = {1, 3, 4};vector<int> value = {15, 20, 30};int bagweight = 4;// 二维数组vector<vector<int>> dp(weight.size(), vector<int>(bagweight + 1, 0));// 初始化for (int j = weight[0]; j <= bagweight; j++) {dp[0][j] = value[0];}// weight数组的大小 就是物品个数for(int i = 1; i < weight.size(); i++) { // 遍历物品for(int j = 0; j <= bagweight; j++) { // 遍历背包容量if (j < weight[i]) dp[i][j] = dp[i - 1][j];else dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);}}cout << dp[weight.size() - 1][bagweight] << endl;
}int main() {test_2_wei_bag_problem1();
}
- 解析:其中
if (j < weight[i]) dp[i][j] = dp[i - 1][j];
所以 if 和else 可以合并成另一个推导式:dp[i][j] = max(dp[i][j], dp[i][j - weight[i]] + value[i]);
转换为一维数组可以是dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
那么可以写成(注意是倒叙遍历背包容量,否则会造成一个物品被连续放入)
for(int i = 0; i < weight.size(); i++) { // 遍历物品for(int j = bagWeight; j >= weight[i]; j--) { // 遍历背包容量dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);}
}
巧妙运用背包问题帮助解题
背包问题有多种背包方式,常见的有:01背包、完全背包、多重背包、分组背包和混合背包等等。
01背包
多个物品,一个物品只能放一次
- 即是价值也是重量
- 核心代码
只能先遍历物品 后遍历背包(逆序遍历是为了防止物品**重复放入**!)
for(int i = 0; i < weight.size(); i++) { // 遍历物品for(int j = bagWeight; j >= weight[i]; j--) { // 遍历背包容量 递推式//dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);}
}
- 问题类似描述:
-
存在两个相等值。区分出两个相等值。两个值可以相互抵消。 例题:1049 ,416 。
-
存在关系公式 ,转换概念:加起来等于某一个值有几种方法? ——>>>> 装满背包有几种方法?例题:494.目标和
-
两个维度的01背包
两个物品(重量等于价值)分别放入两个01背包 494.目标和
完全背包
多个物品,一个物品可以放入多次
- 核心代码
在一些题目中如( 518. 零钱兑换 II )
先遍历物品,再遍历背包 算的是组合数518. 零钱兑换 II, 先遍历背包后遍历物品算的是排列数377. 组合总和 Ⅳ。
但通常两种遍历顺序都是可以的,根据题意判断!。
要点注意
- for循环语句中的condition 即
i < weight.size()
要注意与 for循环内用if语句的 区别!输出结果是不同的!
for(int i = 0; i < weight.size(); i++) { // 遍历物品for(int j = weight[i]; j <= bagWeight ; j++) { // 遍历背包容量dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);}
}
- 关于字符串匹配的完全背包
两种方式解题 截取源字符串对比 字符串数组,反过来用字符串数组元素 与 源字符串进行对比。 一般用前者 去套入完全背包,如例题 139. 单词拆分
注意背包问题一维dp数组初始化方式
- 一维dp数组
- 题目要求返回xxx最小数量,dp推导数组就应该是
dp[i] = min(dp.., dp..)
那么初始化应该为vector<int> dp(bagSize + 1, INT_MAX)
,初始化为最大值。反之,可以依据题目设为 -1 或 0
例题:322. 零钱兑换、279. 完全平方数
- 二维dp数组
vector<int> dp(bagSize , INT_MAX)
就是没有加1。
注意for循环范围、与元素首末下标参数的表达是否在同一维度
337. 打家劫舍 II 如该题的 start 、end 和 i的维度关系。
树形DP
337. 打家劫舍 III
动态规划状态分析
买卖股票系列
- 最佳买卖股票时机含冷冻期
-
达到买入股票状态(状态一)即:dp[i][0],有两个具体操作:
操作一:前一天就是持有股票状态(状态一),dp[i][0] = dp[i - 1][0]
操作二:今天买入了,有两种情况
前一天是冷冻期(状态四),dp[i - 1][3] - prices[i]
前一天是保持卖出股票状态(状态二),dp[i - 1][1] - prices[i]
所以操作二取最大值,即:max(dp[i - 1][3], dp[i - 1][1]) - prices[i]
那么dp[i][0] = max(dp[i - 1][0], max(dp[i - 1][3], dp[i - 1][1]) - prices[i]); -
达到保持卖出股票状态(状态二)即:dp[i][1],有两个具体操作:
操作一:前一天就是状态二
操作二:前一天是冷冻期(状态四)
dp[i][1] = max(dp[i - 1][1], dp[i - 1][3]); -
达到今天就卖出股票状态(状态三),即:dp[i][2] ,只有一个操作:
操作一:昨天一定是买入股票状态(状态一),今天卖出
即:dp[i][2] = dp[i - 1][0] + prices[i]; -
达到冷冻期状态(状态四),即:dp[i][3],只有一个操作:
操作一:昨天卖出了股票(状态三)
dp[i][3] = dp[i - 1][2];
注意要点
- 多注意导致冷冻期的这一动作的状态分析
- 运用标志位在for循环判断冷冻期,会导致不是最优解,应多分析几种状态。状态不能有重合
找到最长符合条件的序列
- 非连续递增/递减/相同/序列
- 最长严格递增子序列. 一个判断数组
- dp[i]:以nums【i】结尾的最长递增序列。
- 最长公共子序列 . 两个判断数组
- dp[i][j]:长度为[0, i - 1]的字符串text1与长度为[0, j - 1]的字符串text2的最长公共子序列为dp[i][j]
- 不相交的线 . 两个判断数组
直线不能相交,这就是说明在字符串A中 找到一个与字符串B相同的子序列,且这个子序列不能改变相对顺序,只要相对顺序不改变,链接相同数字的直线就不会相交。
- 最长严格递增子序列. 一个判断数组
- 连续递增/递减/相同序列
- 最长连续递增序列. 一个判断数组
- dp[i] 以nums【i】结尾的最长连续递增序列。
- 最长重复子数组.两个判断数组
- dp[i] 以下标i - 1为结尾的A,和以下标j - 1为结尾的B,最长重复子数组长度为dp[i][j]
- 最长连续递增序列. 一个判断数组
考虑序列类型题目dp含义的几种思路
单个判断数组:只考虑首点,只考虑尾点,考虑首尾点。
两个判断数组:dp[i][j]表示考虑以下标 i - 1结尾的nums1 和 以下标 j - 1 结尾的nums2最长重复序列(符合条件的结果)
贪心算法
- 121. 买卖股票的最佳时机
注意题意只买一次也只卖一次,可运用贪心也可以运用动态规划。
没有规律可言,就是贪!你要最大我就先挑最大!局部最优推出全局最优
图论算法
基础算法
最短路径算法:Floyd,Dijkstra(必学)
最小生成树算法:Prim,Kruskal(必学)
遍历算法:深度搜索和广度搜索(必学)
遍历找某点到任意点的最短距离模板(上下左右版)
思路
- 建立
mp[N][M]
图 - 记忆经过的点
book[N][M]
- 建立结构体(点、点、符合题意的值 )
如:struct Point { int x,y,t;//点,点 ,离起点的最短距离 }b[10];
- bfs 广度优先遍历 用queue容器迭代
- 遍历图,找最短距离,用队列
queue
迭代(广度优先)
ps:为什么不用栈? 因为栈的先进后出的原则,适用于深度优先。
示例代码:
只能上下左右走,确定到每个点的最短距离。
bool book[N][N];//记录经过的点
struct Point
{int x,y,t;//点,点 ,离起点的最短距离
}b[10];
//四个方向,方便模拟
int xM[4] = {0,1,0,-1};
int yM[4] = {1,0,-1,0};
int dp[x][y][1];//1号宝箱(tx,ty)到每个点的最短距离
//在m*n的图中 找1号宝箱到每个点的最短距离
int bfs(int tx,int ty) {memset(book,0,sizeof(book));Point root;queue<Box> st;root.x = x;root.y = y;root.t = 0;st.push(root);book[x][y] = true;while(!st.empty()) {Box w = st.front();st.pop();for(int i = 0; i < 4; i++){int xx = w.x + xM[i];int yy = w.y + yM[i];int temp = w.t+1;if(xx == tx && yy == ty) return temp;if(xx >= 0 && xx < m && yy >= 0 && yy < n && !book[xx][yy] && mp[xx][yy] != '#'){book[w.x][w.y] = true;dp[x][y][1] = temp;st.push(Box{xx,yy,temp});}}}return -1;
}
例题:
网易真题-迷宫寻宝-研发
#include <iostream>
#include<string.h>
#include<queue>using namespace std;
#define N 55
char mp[N][N];//地图
bool book[N][N];
int xM[4] = {0,1,0,-1};
int yM[4] = {1,0,-1,0};
int m,n;//行, 列
int minCount = INT_MAX;
struct Box
{/* data */int x,y,t;//点,点 ,是否被找到 0 1
}b[10];
//找xy点到每个点的最短距离
int bfs(int x,int y,int tx , int ty) {// if(x < 0 || x >= m || y < 0 || y >= n|| book[x][y] || mp[x][y] == '#'){// return ;// }memset(book,0,sizeof(book));Box root;queue<Box> st;root.x = x;root.y = y;root.t = 0;st.push(root);book[x][y] = true;while(!st.empty()) {Box w = st.front();st.pop();for(int i = 0; i < 4; i++){int xx = w.x + xM[i];int yy = w.y + yM[i];int temp = w.t+1;if(xx == tx && yy == ty) return temp;if(xx >= 0 && xx < m && yy >= 0 && yy < n && !book[xx][yy] && mp[xx][yy] != '#'){book[w.x][w.y] = true;st.push(Box{xx,yy,temp});}}}return -1;
}int main()
{FILE *stream1;freopen_s(&stream1, "txt/input.txt", "r", stdin);freopen_s(&stream1, "txt/output.txt", "w", stdout);//s初始化int T;int sx,sy;//冒险家起始位置char val;cin >> T;int num = 0;int mind = INT32_MAX;int tarB,countF = 0;int sum = 0;memset(book, false, sizeof(book));//地图for(int k = 0;k < T;k++) {cin>>m>>n;for(int i = 0; i < m;i++) {for(int j = 0; j < n; j++){cin>> val;mp[i][j] = val;if(val == '*') {sx = i;sy = j;}if(val>='0'&& val<='9'){b[num].x = i;b[num].y = j;b[num].t = 0;//表示未被找到num++;}}}//end初始化while(countF < num){for(int i = 0; i< num; i++) {if(b[i].t!=1 && abs(b[i].x - sx) + abs(b[i].y - sy) < mind){tarB = i;mind = abs(b[i].x - sx) + abs(b[i].y - sy);}}memset(book,false,sizeof(book));//找b到dfs 最短距离minCount = bfs(sx, sy, b[tarB].x, b[tarB].y);if(minCount != -1){sx = b[tarB].x;sy = b[tarB].y;b[tarB].t = 1;sum += minCount;minCount = -1;mind =INT_MAX;countF++;} else {cout<<-1<<endl;countF = 0;break;}if(countF == num) cout<<sum <<endl;}for(int i = 0; i < num; i++){b[i].t = 0;b[i].x = 0;b[i].y = 0;}}fclose(stdin);fclose(stdout);return 0;
}
Dijikstra算法
详解
一个for 初始化dis, while贪心起点到每个点的最短距离
void Graph_DG::Dijkstra(int begin){//首先初始化我们的dis数组int i;for (i = 0; i < this->vexnum; i++) {//设置当前的路径dis[i].path = "v" + to_string(begin) + "-->v" + to_string(i + 1);dis[i].value = arc[begin - 1][i];}//设置起点的到起点的路径为0dis[begin - 1].value = 0;dis[begin - 1].visit = true;int count = 1;//计算剩余的顶点的最短路径(剩余this->vexnum-1个顶点)while (count != this->vexnum) {//temp用于保存当前dis数组中最小的那个下标//min记录的当前的最小值int temp=0;int min = INT_MAX;for (i = 0; i < this->vexnum; i++) {if (!dis[i].visit && dis[i].value < min) {min = dis[i].value;temp = i;}}//cout << temp + 1 << " "<<min << endl;//把temp对应的顶点加入到已经找到的最短路径的集合中dis[temp].visit = true;++count;for (i = 0; i < this->vexnum; i++) {//注意这里的条件arc[temp][i]!=INT_MAX必须加,不然会出现溢出,从而造成程序异常if (!dis[i].visit && arc[temp][i]!=INT_MAX && (dis[temp].value + arc[temp][i]) < dis[i].value) {//如果新得到的边可以影响其他为访问的顶点,那就就更新它的最短路径和长度dis[i].value = dis[temp].value + arc[temp][i];dis[i].path = dis[temp].path + "-->v" + to_string(i + 1);}}}}
Floyd
模板1
核心思想:这段代码的基本思想就是:最开始只允许经过1号顶点进行中转,接下来只允许经过1和2号顶点进行中转……允许经过1~n号所有顶点进行中转,求任意两点之间的最短路程。用一句话概括就是:从i号顶点到j号顶点只经过前k号点的最短路程。
1 for(k=1;k<=n;k++)
2 for(i=1;i<=n;i++)
3 for(j=1;j<=n;j++)
4 if(e[i][j]>e[i][k]+e[k][j])
5 e[i][j]=e[i][k]+e[k][j];
模板2
一定边数内的最短距离
for(int t = 1; t < k+2; t++){ //遍历边for(auto flight:flights){ //遍历两点距离int i = flight[0];//点Aint j = flight[1];//点Bint dis = flight[2];//A-》B的距离//松弛dp[t][j] = min(dp[t][j],dp[t-1][i] + dis);//表示从起点经过 t 条边到 j 点的距离if(j == dst) res = min(res,dp[t][j]);}}
- leetcode787. K 站中转内最便宜的航班🔐🔐
dp【t】【j】表示从起点经过 t 条边到 j 点的距离
class Solution {
public:int findCheapestPrice(int n, vector<vector<int>>& flights, int src, int dst, int k) {vector<vector<int>> dp(k+2,vector<int>(n,INT_MAX/2)); int res = INT_MAX/2;dp[0][src]=0;for(int t = 1; t < k+2; t++){ //遍历边for(auto flight:flights){ //遍历两点距离int i = flight[0];int j = flight[1];int dis = flight[2];//松弛dp[t][j] = min(dp[t][j],dp[t-1][i] + dis);if(j == dst) res = min(res,dp[t][j]);}}return res == INT_MAX/2? -1:res;}
};
并查集
参考:很有意思的并查集讲解
简单易懂的例题模板套用
思路
- 写出并查集通用函数
find
- 自立为王(初始化find【】数组)
- 遍历边,不连通则连起来
例题:
#include <stdio.h>
#include <stdlib.h>
#include <iostream>
#define maxN 1005
using namespace std;
//题目:村庄间修最少路 博客链接:https://blog.csdn.net/qq_44886213/article/details/115185832
//并查集
int f[maxN];
int find(int x) {if( x == f[x]){return x;}else {//压缩路径f[x] = find(f[x]);return f[x];//不压缩就是 直接return find(x)}
}int main()
{FILE *stream1;freopen_s(&stream1, "txt/input.txt", "r", stdin);freopen_s(&stream1, "txt/output.txt", "w", stdout);int N,M;int x,y;//x村庄 y村庄。int count = 0;cin>> N >> M;//初始化 并查集 自立为王for(int i = 1; i < N; i++){f[i] = i;}//M条道路for(int i = 1; i <= M;i++) {cin >> x >> y;//找到村庄的父亲点int fx = find(x);int fy = find(y);if(fx != fy){//说明不连通 (修路)连接起来f[fx] = fy;//记录边数,目的:N个村庄 最少需要N - 1条边。 那么 N - 1 - count就是最少需要修建的道路count++;}}cout << N - 1 - count <<endl;fclose(stdin);fclose(stdout);return 0;
}