7-6 列出连通集

7-6 列出连通集(25 分)

给定一个有N个顶点和E条边的无向图,请用DFS和BFS分别列出其所有的连通集。假设顶点从0到N1编号。进行搜索时,假设我们总是从编号最小的顶点出发,按编号递增的顺序访问邻接点。

输入格式:

输入第1行给出2个整数N(0<N10)和E,分别是图的顶点数和边数。随后E行,每行给出一条边的两个端点。每行中的数字之间用1空格分隔。

输出格式:

按照"{ v1 v2 ... vk }"的格式,每行输出一个连通集。先输出DFS的结果,再输出BFS的结果。

输入样例:

8 6
0 7
0 1
2 0
4 1
2 4
3 5

输出样例:

{ 0 1 4 2 7 }
{ 3 5 }
{ 6 }
{ 0 1 2 7 4 }
{ 3 5 }
{ 6 }

#include<iostream>
#include<vector>
#include<algorithm>
#include<stdio.h>
#include<queue>

using namespace std;

bool cmp(int a,int b){
	return a<b;
}

vector<int>G[15];//graph
bool Visted[15];//vistied or not
int cntVisited=0;
queue<int>q;
void InitG(int Nv,int Ne){
	cntVisited=Nv;
	for(int i=0;i<Nv;i++) Visted[i]=false;
	int a,b;
	for(int i=0;i<Ne;i++){
		cin>>a>>b;
		G[a].push_back(b);
		G[b].push_back(a);
	}
	for(int i=0;i<Nv;i++){
		sort(G[i].begin(),G[i].end(),cmp);
	}
	return ;
}
void Visit(int v){
	Visted[v]=true;
	cntVisited--;
	cout<<v<<" ";
}

int CountVisted(int Nv){
	for(int i=0;i<Nv;i++){
		if(Visted[i]==false) return i;
	}
	return -1;
}

void DFS(int v){
	Visit(v);
	int lenv=G[v].size();
	for(int i=0;i<lenv;i++){
		if(Visted[G[v][i]]==false)
			DFS(G[v][i]);
	}
}

void BFS(int v){
	Visit(v);
	q.push(v);
	while(q.size()>0){
		int v2=q.front();
		q.pop();
		int lenv=G[v2].size();
		for(int i=0;i<lenv;i++){
			if(Visted[G[v2][i]]==false){
				Visit(G[v2][i]);
				q.push(G[v2][i]);
			}
		}
	}

}

void PrintG(int v){
	int lenv=G[v].size();
	for(int i=0;i<lenv;i++){
		cout<<G[v][i]<<" ";
	}
}

int main(){
	//freopen("in.txt","r",stdin);
	int Nv,Ne;
	cin>>Nv>>Ne;
	InitG(Nv,Ne);
	//for(int i=0;i<Nv;i++) {PrintG(i);cout<<"Visited[i]="<<Visted[i]<<" ";cout<<endl;}
	while(cntVisited>0){
		cout<<"{ ";
		int v=CountVisted(Nv);
		if(v==-1) {cout<<"sorry"<<endl;break;}
		DFS(v);
		cout<<"}"<<endl;
	}
	for(int i=0;i<Nv;i++) Visted[i]=false;
	cntVisited=Nv;
	while(cntVisited>0){
		cout<<"{ ";
		int v=CountVisted(Nv);
		if(v==-1) {cout<<"sorry"<<endl;break;}
		BFS(v);
		cout<<"}"<<endl;
	}
	//fclose(stdin);
	return 0;
}

### 关于PTA平台上的连通集实现 #### 一、连通集的概念及其意义 在一个无向图中,如果任意两个顶点之间都存在一路径相连,则称这个图为连通图。而连通分量是指一个非连通图中的极大连通子图[^1]。 为了在程序设计竞赛或者实际开发中解决连通性问题,通常会采用并查集(Union-Find Set)、深度优先搜索(DFS)或广度优先搜索(BFS)来查找处理这些连通分量。 --- #### 二、数据结构的选择与定义 针对连通集的实现,常见的两种方式如下: ##### 1. 并查集(Disjoint Set Union, DSU) 并查集是一种用于管理集合的数据结构,支持快速查询某个元素属于哪个集合以及合并两个集合的功能。其核心操作包括 `find` `union`。 ###### 定义: ```c++ class DisjointSet { private: vector<int> parent; public: DisjointSet(int size) : parent(size) { for (int i = 0; i < size; ++i) { parent[i] = i; } } int find_set(int x) { // 路径压缩优化 if (parent[x] != x) { parent[x] = find_set(parent[x]); } return parent[x]; } void union_set(int x, int y) { // 按秩合并优化省略 int fx = find_set(x); int fy = find_set(y); if (fx != fy) { parent[fy] = fx; } } }; ``` 通过上述代码,我们可以高效地维护一组不相交的集合,并能迅速判断两节点是否在同一连通集中[^2]。 --- ##### 2. 使用邻/邻矩阵配合 DFSBFS 另一种方法是利用图的存储形式——邻或邻矩阵,结合深度优先搜索(DFS)或广度优先搜索(BFS),逐一访问未被标记过的节点,从而找到所有的连通分量。 ###### 邻定义: ```cpp #include <vector> using namespace std; // 创建邻 void add_edge(vector<vector<int>>& adj_list, int u, int v) { adj_list[u].push_back(v); adj_list[v].push_back(u); // 如果是有向图则去掉这一句 } ``` ###### DFS 实现: ```cpp void dfs(const vector<vector<int>>& graph, vector<bool>& visited, int node) { visited[node] = true; for (const auto& neighbor : graph[node]) { if (!visited[neighbor]) { dfs(graph, visited, neighbor); } } } int count_connected_components_dfs(const vector<vector<int>>& graph) { int n = graph.size(); vector<bool> visited(n, false); int components = 0; for (int i = 0; i < n; ++i) { if (!visited[i]) { dfs(graph, visited, i); components++; } } return components; } ``` ###### BFS 实现: ```cpp #include <queue> int bfs_count_connected_components(const vector<vector<int>>& graph) { int n = graph.size(); vector<bool> visited(n, false); queue<int> q; int components = 0; for (int i = 0; i < n; ++i) { if (!visited[i]) { q.push(i); visited[i] = true; while (!q.empty()) { int current_node = q.front(); q.pop(); for (auto& neighbor : graph[current_node]) { if (!visited[neighbor]) { visited[neighbor] = true; q.push(neighbor); } } } components++; } } return components; } ``` 以上代码展示了如何基于邻使用 DFS/BFS 来统计连通分量的数量[^3]。 --- #### 三、具体应用场景分析 当面对大规模稀疏图时,推荐使用 **邻+DFS/BFS** 方法;而对于稠密图或需要频繁执行连断开操作的情况,应考虑使用 **并查集** 结构[^4]。 --- ### 性能对比总结格 | 特性 | 并查集 | DFS / BFS | |-------------------|----------------------------|---------------------------| | 时间复杂度 | O(α(N)) | O(V+E),其中 α 是反阿克曼函数 | | 空间复杂度 | 较低 | 取决于递归栈深或队列大小 | | 是否适合动态更新 | 支持动态添加 | 不易扩展至动态场景 | --- #### 四、注意事项 - 输入验证:确保输入的颜色种类不超过指定范围,可以通过 `std::set` 判断是否存在非法颜色。 - 存储效率:对于大型图,建议使用动态分配内存的方式创建邻而非固定长度的大数组,以防止堆栈溢出。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值