#POJ 1182 食物链 【经典并查集】

本文介绍了一个有趣的问题:如何通过一系列的描述来判断动物之间的食物链关系,并找出其中的矛盾描述。利用并查集等数据结构优化算法,实现高效判断。

题目:

食物链
Time Limit: 1000MS Memory Limit: 10000K
Total Submissions: 57770 Accepted: 16890

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



先分析一下题目;
我们需要进行的操作分两种,一种是查询操作,即查看当前的话和之前是否有冲突。另一种是建表操作,即若无冲突,我们需要把这句话所描述的内容记录下来以便下次查询。

容易得出,查询的复杂度是很低的,不管是同类还是捕食关系,只需要检查这两个点是否同时处于同一个并查集中,且两点的属性吻合本句话说明即可。

复杂度较高的是建表操作,若一个未明确身份的点插入一个表中,复杂度还不算高,只需对该点赋值即可。
但若是两个已经赋值完全的树进行合并,复杂度较高。需要采用并查集的路径压缩进行优化建表中的反复查询。

大致思路是,先将每个并查集内(已经确定有联系的),以0,1,2代表三个种族循环赋值。

若两个不同的群体需要连接,则需要统一他们的值,使其不矛盾。从被连接的两个群体中选择一个,确定它们的相对值,并搜索一次图,将所有和该点属于同一并查集的动物加上该相对值。最后merge两个并查集。合并就完成了。复杂度是O(n)。

最坏情况,每两个并查集merge一次,复杂度为o(n*n),最低为o(n);


#include<iostream>
#include<algorithm>
#include<cmath>
#include<string.h>
#include<stdio.h>

using namespace std;
int bcj[51000];
char data[51000];
long long ans, node;


int find(int x)
{
	if (bcj[x] == 0)
	{
		bcj[x] = x;
	}
	if (bcj[x] == x)
	{
		return x;
	}
	bcj[x] = find(bcj[x]);
	return bcj[x];
}

void merge(int x, int y)
{
	if (find(x) == find(y))
	{
		return;
	}
	bcj[find(x)] = y;
}


int main()
{
	int n, m;
	cin >> n >> m;
	ans = 0;
	int tar;
	memset(data, -1, sizeof(data));
	memset(bcj, 0, sizeof(bcj));
	for (size_t i = 0; i < m; i++)
	{
		int a, b;
		scanf("%d%d%d", &tar, &a, &b);
		if (a>n || b > n)
		{
			ans++;
			continue;
		}
		if (tar == 1)
		{
			if (a == b)
			{
				continue;
			}
			if (find(a) == find(b) && data[a] != data[b])
			{
				ans++;
				continue;
			}
			else
			{
				if (data[a] == data[b] && find(a) == find(b))
				{
					continue;
				}
				else if (data[a] == -1 && data[b] != -1)
				{
					data[a] = data[b];
					merge(a, b);
					continue;
				}
				else if (data[b] == -1 && data[a] != -1)
				{
					data[b] = data[a];
					merge(a, b);
					continue;
				}
				else if (data[a] == -1 && data[b] == -1)
				{
					data[a] = 0;
					data[b] = 0;
					merge(a, b);
					continue;
				}
				else
				{
					if (data[a] != data[b])
					{
						int temp = data[a] - data[b];
						for (size_t i = 1; i <= n; i++)
						{
							if (find(i) == find(b))
							{
								data[i] += temp + 3;
								data[i] %= 3;
							}
						}
					}
					merge(a, b);
				}
			}
		}
		if (tar == 2)
		{
			if (a == b || find(a) == find(b) && ((data[a] == 1 && data[b] == 0) || (data[a] == 2 && data[b] == 1) || (data[a] == 0 && data[b] == 2) || (data[a] == data[b])))
			{
				ans++;
				continue;
			}
			if (find(a) != find(b))
			{
				if (data[a] == -1 && data[b] == -1)
				{
					data[a] = 0;
					data[b] = 1;
					merge(a, b);
					continue;
				}
				if (data[a] == -1 && data[b] != -1)
				{
					data[a] = (data[b] + 2) % 3;
					merge(a, b);
					continue;
				}
				if (data[a] != -1 && data[b] == -1)
				{
					data[b] = (data[a] + 1) % 3;
					merge(a, b);
					continue;
				}
				else
				{
					int temp;
					temp = data[a] - data[b] + 4;
					for (size_t i = 1; i <= n; i++)
					{
						if (find(i) == find(b))
						{
							data[i] += temp;
							data[i] %= 3;
						}
					}
					merge(a, b);
				}
			}
		}
	}
	cout << ans << "\n";
}


### 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
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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