• 【还是畅通工程 HDU


    Kruskal算法讲解

    该部分内容全部摘录自刘汝佳的《算法竞赛入门经典》

    Kruskal算法的第一步是给所有边按照从小到大的顺序排列。 这一步可以直接使用库函数
    qsort或者sort。 接下来从小到大依次考查每条边(u,v)。
    情况1: u和v在同一个连通分量中, 那么加入(u, v)后会形成环, 因此不能选择。
    情况2: 如果u和v在不同的连通分量, 那么加入(u, v)一定是最优的。 为什么呢? 下面用
    反证法——如果不加这条边能得到一个最优解T, 则T+(u, v)一定有且只有一个环, 而且环中
    至少有一条边(u' , v')的权值大于或等于(u,v)的权值。 删除该边后, 得到的新树T'=T+(u, v)-(u',
    v')不会比T更差。 因此, 加入(u, v)不会比不加入差。
    下面是伪代码:

    把所有边排序, 记第i小的边为e[i]( 1<=i<m)
    初始化MST为空
    初始化连通分量, 让每个点自成一个独立的连通分量
    for(int i = 0; i < m; i++)
    if(e[i].u和e[i].v不在同一个连通分量) {
    把边e[i]加入MST
    合并e[i].u和e[i].v所在的连通分量
    }
    

    在上面的伪代码中, 最关键的地方在于“连通分量的查询与合并”: 需要知道任意两个点
    是否在同一个连通分量中, 还需要合并两个连通分量。这就用到了并查集。可以把每个连通分量看成一个集合, 该集合包含了连通分量中的所有点。 这些点两两连通, 而具体的连通方式无关紧要, 就好比集合中的元素没有先后顺序之分, 只有“属于”和“不属于”的区别。 在图中, 每个点恰好属于一个连通分量, 对应到集合表示中, 每个元素恰好属于一个集合。 换句话说, 图的所有连通分量可以用若干个不相交集合来表示。
    并查集的精妙之处在于用树来表示集合。 例如, 若包含点1, 2, 3, 4, 5, 6的图有3个
    连通分量{1,3}、 {2,5,6}、 {4}, 则需要用3棵树来表示。 这3棵树的具体形态无关紧要, 只要
    有一棵树包含1、 3两个点, 一棵树包含2、 5、 6这3个点, 还有一棵树只包含4这一个点即
    可。 规定每棵树的根结点是这棵树所对应的集合的代表元( representative) 。
    如果把x的父结点保存在p[x]中( 如果x没有父结点, 则p[x]等于x) , 则不难写出“查找结
    点x所在树的根结点”的递归程序: int find(int x) { p[x] == x ? x : find(p[x]); }, 通俗地讲就是:
    如果p[x]等于x, 说明x本身就是树根, 因此返回x; 否则返回x的父结点p[x]所在树的树根。
    问题来了: 在特殊情况下, 这棵树可能是一条长长的链。 设链的最后一个结点为x, 则
    每次执行find(x)都会遍历整条链, 效率十分低下。 看上去是个很棘手的问题, 其实改进方法
    很简单。 既然每棵树表示的只是一个集合, 因此树的形态是无关紧要的, 并不需要在“查
    找”操作之后保持树的形态不变, 只要顺便把遍历过的结点都改成树根的子结点, 下次查找
    就会快很多了。

    关于并查集的更深一步了解可以看一下这个博文

    题目讲解及AC代码

    题目讲解

    这个题目不难看出是个寻找最短路的问题,用Kruskal算法+并查集比较合适

    AC代码

    /*Kruskal算法*/
    #include<iostream>
    #include<cstdio>
    #include<algorithm>
    using namespace std;
    typedef long long LL;
    const int maxn = 100 + 10;
    int N, father[maxn];
    struct Road
    {
        int _st, _en, _dist;
    };
    Road r[maxn*maxn];
    bool cmp(Road a, Road b)
    {
        return a._dist < b._dist;
    }
    int Find(int root)
    {
        if(root != father[root])
            father[root] = Find(father[root]);
        return father[root];
    }
    int main()
    {
    //    freopen("input.txt", "r", stdin);
    //    freopen("output.txt", "w", stdout);
        while(cin >> N && N)
        {
            for(int i = 1; i <= N; i++)
                father[i] = i;
            for(int i = 0; i < N * (N - 1) / 2; i++)
                cin >> r[i]._st >> r[i]._en >> r[i]._dist;
            sort(r, r + N*(N-1)/2, cmp);
            int ans = 0;
            for(int i = 0; i < N * (N - 1) / 2; i++)
            {
                int st_ = r[i]._st, en_ = r[i]._en;
                int x = Find(st_), y = Find(en_);
                if(x != y )
                {
                    ans += r[i]._dist;
                    father[x] = y;
                }
            }
            cout << ans << endl;
    
        }
    }
    
  • 相关阅读:
    MySQL InnoDB 存储引擎探秘
    MySQL优化面试
    技术面试老是有劲使不出,该怎么办?
    详解RPC远程调用和消息队列MQ的区别
    ConcurrentHashMap1.8源码分析
    kafka topic制定规则
    GitLab本地、远程更新已经fork的项目
    Swagger2使用参考
    分布式配置中心选型
    搭建Elasticsearch平台
  • 原文地址:https://www.cnblogs.com/KeepZ/p/11397368.html
Copyright © 2020-2023  润新知