【代码超详解】POJ 1182 食物链(并查集,250 ms)

博客详细分析了POJ 1182题目的食物链问题,利用并查集解决环形食物链中真假话的判断。内容包括题目描述、算法分析、AC代码实现,特别强调了并查集的压缩路径技巧和处理冲突的策略。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一、题目描述

食物链

Time Limit: 1000MS Memory Limit: 10000K
Total Submissions: 109981 Accepted: 33398

Description

动物王国中有三类动物A,B,C,这三类动物的食物链构成了有趣的环形。A吃B, B吃C,C吃A。
现有N个动物,以1-N编号。每个动物都是A,B,C中的一种,但是我们并不知道它到底是哪一种。
有人用两种说法对这N个动物所构成的食物链关系进行描述:
第一种说法是"1 X Y",表示X和Y是同类。
第二种说法是"2 X Y",表示X吃Y。
此人对N个动物,用上述两种说法,一句接一句地说出K句话,这K句话有的是真的,有的是假的。当一句话满足下列三条之一时,这句话就是假话,否则就是真话。
1) 当前的话与前面的某些真的话冲突,就是假话;
2) 当前的话中X或Y比N大,就是假话;
3) 当前的话表示X吃X,就是假话。
你的任务是根据给定的N(1 <= N <= 50,000)和K句话(0 <= K <= 100,000),输出假话的总数。

Input

第一行是两个整数N和K,以一个空格分隔。
以下K行每行是三个正整数 D,X,Y,两数之间用一个空格隔开,其中D表示说法的种类。
若D=1,则表示X和Y是同类。
若D=2,则表示X吃Y。

Output

只有一个整数,表示假话的数目。

Sample Input

100 7
1 101 1
2 1 2
2 2 3
2 3 3
1 1 3
2 3 1
1 5 5

Sample Output

3

Source

Noi 01

二、算法分析说明与代码编写指导

并查集的每个集合都具有一种或多种相同的特性。利用这个特点,可以将同种生物合并到一起,并按照捕食关系将被捕食者的根节点设为捕食者。
已知A吃B,B吃C,C吃A。若x与y为同种生物,x和y可能同为A或B或C物种。
若x吃y,x和y的物种分别可以是A和B、B和C、C和A。可见,这三种情况我们都需要考虑,所以我们设数组r,用到的长度为n的三倍,有效的下标从1开始。x、x+n、x+2n分别代表x属于物种A、x属于物种B、x属于物种C三种情况。每处理一句真话,都要针对这三种情况对并查集进行修改。
本题的并查集启用了压缩路径,无论是查找还是合并都尽可能地减少了并查集的层数。
对任意两个编号分别为x,y的生物,如果它们的根相同,那么它们属于同一个物种。如果它们属于三个离散闭区间[1, n], [n+1, 2n], [2n+1, 3n]中不同的区间,则它们是不同物种。
处理K句话。如果x>n或y>n,代表描述的动物不在1~n编号的范围,按题目要求,将假话数量+1。
否则,根据描述的种类来进行处理。
对第一类描述,如果求根发现两者存在吃或被吃的关系(查找只需要找一种情况,即A吃B、B吃C、C吃A中的一种,但注意x吃y和y吃x都要验证是否成立),那么这句话与已有条件冲突,为假话。否则,将x与y的根合并(x和y为A、B、C物种三种情况都要处理)。
对第二类描述,如果求根发现两者为同一物种(同为A或B或C),或捕食关系与当前描述相反,则这句话与已有条件冲突,为假话。
否则,按照x与y可以分别属于A和B、B和C、C和A物种三种情况来合并并查集的根节点。
Extra:
本例中,虽然对并查集的两个基本操作——查询和合并,都已经作了压缩路径的处理,但并不是所有时候都能确保每个并查集的层次只有2层。有时候,当某个并查集的根节点被修改为指向另一个并查集的根时,这个根节点连接的子节点的根节点仍然指向这个根节点本身,还未被处理。
例如当输入为:

3 3
2 1 2
2 2 3
2 3 1

时,每处理一句话后,并查集的情形分别是这样的:

### 并查集算法的时间复杂度分析 并查集是一种高效的用于处理集合合并与查询的算法。在POJ 1182 食物链问题中,使用了并查集来判断动物之间的关系,并且通过路径压缩和按秩合并等优化手段,可以极大地提高算法的效率。 #### 路径压缩的影响 路径压缩是并查集中一种重要的优化技术,它能够将查找过程中经过的所有节点直接连接到根节点上。这种操作使得后续查找的时间复杂度接近于常数[^1]。具体来说,路径压缩后的查找操作时间复杂度可以用阿克曼函数的反函数 \( \alpha(n) \) 来表示,其中 \( n \) 是集合中的元素个数。阿克曼函数的增长速度极慢,因此 \( \alpha(n) \) 在实际应用中几乎可以视为常数。 ```python def Find(x): if x != par[x]: par[x] = Find(par[x]) # 路径压缩 return par[x] ``` #### 按秩合并的作用 按秩合并是一种优化策略,它通过将较小的树合并到较大的树上来减少树的高度。这种方法结合路径压缩后,可以进一步降低操作的时间复杂度[^2]。在实际实现中,可以通过维护一个数组 `rank` 来记录每个集合的深度,并在合并时选择深度较小的树挂接到深度较大的树上。 ```python def Union(x, y): rootX = Find(x) rootY = Find(y) if rootX != rootY: if rank[rootX] > rank[rootY]: par[rootY] = rootX elif rank[rootX] < rank[rootY]: par[rootX] = rootY else: par[rootY] = rootX rank[rootX] += 1 ``` #### 时间复杂度总结 对于 POJ 1182 食物链问题,假设总共有 \( n \) 个动物和 \( m \) 条关系,则初始化并查集的时间复杂度为 \( O(n) \),每次查找或合并操作的时间复杂度为 \( O(\alpha(n)) \)[^2]。由于 \( \alpha(n) \) 的增长极其缓慢,在实际情况下可以认为其为常数。因此,整个算法的时间复杂度主要由关系数量 \( m \) 决定,最终的时间复杂度为 \( O(m \cdot \alpha(n)) \)[^1]。 ### 代码示例 以下是一个完整的并查集实现,适用于 POJ 1182 食物链问题: ```python class UnionFind: def __init__(self, n): self.par = list(range(3 * n)) self.rank = [0] * (3 * n) def Find(self, x): if self.par[x] != x: self.par[x] = self.Find(self.par[x]) return self.par[x] def Union(self, x, y): rootX = self.Find(x) rootY = self.Find(y) if rootX != rootY: if self.rank[rootX] > self.rank[rootY]: self.par[rootY] = rootX elif self.rank[rootX] < self.rank[rootY]: self.par[rootX] = rootY else: self.par[rootY] = rootX self.rank[rootX] += 1 def Same(self, x, y): return self.Find(x) == self.Find(y) ```
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