leetcode1584. 连接所有点的最小费用 最小生成树

该代码实现了一个C++程序,通过并查集数据结构解决LeetCode上的一个问题,即找出连接所有给定点的最小总费用。程序首先计算所有点对之间的曼哈顿距离,然后按距离排序,依次尝试合并未连接的点,避免形成回路,最终得出最小总成本。
/******************************************************************************
链接:https://leetcode.cn/problems/min-cost-to-connect-all-points
给你一个points数组,表示 2D 平面上的一些点,其中 points[i] = [xi, yi] 。

连接点[xi, yi] 和点[xj, yj]的费用为它们之间的 曼哈顿距离:|xi - xj| + |yi - yj| ,其中 |val| 表示 val 的绝对值。

请你返回将所有点连接的最小总费用。只有任意两点之间 有且仅有 一条简单路径时,才认为所有点都已连接。


输入:points = [[0,0],[2,2],[3,10],[5,2],[7,0]]
输出:20

*******************************************************************************/
#include <iostream>
#include <vector>
#include <algorithm> // std::sort
using namespace std;

//
struct Edge {
    int start; // 顶点1
    int end;   // 顶点2
    int len;   // 长度
};

class BCJ{
public:
    BCJ(int n){
        for(int i=0;i<n;i++){
            fa.push_back(i);
        }
    };
    vector<int> fa;//并查集矩阵
    int find(int val){
        if (fa[val] == val){//当前为祖先节点,直接返回
            return val;
        }else{
            return find(fa[val]);//否则寻找父节点的祖先节点
        }
        return 0;
    }
    
    void merge(int x,int y){//在并查集中合并节点
        int fa_x = find(x);
        int fa_y = find(y);
        fa[fa_x] = fa_y; 
    }
    
};

    




int main()
{
    cout<<"Hello World";
    vector<vector<int>> points = {{0,0},{2,2},{3,10},{5,2},{7,0}};
    int num_points = points.size();
    BCJ *bcj = new BCJ(num_points);
    cout<<num_points;
    //所以任意两个点之间都可能链接,要把num_points*num_points个edge以及对应的长度计算出来
    //在算法中需要将边排序,然后遍历排序后的边,判断[i,j]边是否构成回路
    //如果构成回路就不加到总和中,直到遍历完所有的边

    vector<Edge> edges;
    for (int i = 0; i < num_points; i++) {
        for (int j = i + 1; j < num_points; j++) {
            Edge edge = {i, j, abs(points[i][0] - points[j][0]) + abs(points[i][1] - points[j][1])};
            edges.emplace_back(edge);
        }
    }
    
    //排序
    sort(edges.begin(), edges.end(), [](const auto& a, const auto& b) {return a.len < b.len;});
    int res,IsIncircle;
    // 连通分量合并
    for (auto& e : edges) {
        IsIncircle  = bcj->find(e.start) == bcj->find(e.end);
        if (IsIncircle==0) {bcj->merge(e.start, e.end);res+=e.len;cout<< res<<endl;}
    }
    return 0;
}

leetcode上的代码

struct Edge {
    int start; // 顶点1
    int end;   // 顶点2
    int len;   // 长度
};

class BCJ{
public:
    BCJ(int n){
        for(int i=0;i<n;i++){
            fa.push_back(i);
        }
    };
    vector<int> fa;//并查集矩阵
    int find(int val){
        if (fa[val] == val){//当前为祖先节点,直接返回
            return val;
        }else{
            return find(fa[val]);//否则寻找父节点的祖先节点
        }
        return 0;
    }
    
    void merge(int x,int y){//在并查集中合并节点
        int fa_x = find(x);
        int fa_y = find(y);
        fa[fa_x] = fa_y; 
    }
    
};


class Solution {
public:
    int minCostConnectPoints(vector<vector<int>>& points) {

    int num_points = points.size();
    BCJ *bcj = new BCJ(num_points);
    cout<<num_points;
    //所以任意两个点之间都可能链接,要把num_points*num_points个edge以及对应的长度计算出来
    //在算法中需要将边排序,然后遍历排序后的边,判断[i,j]边是否构成回路
    //如果构成回路就不加到总和中,直到遍历完所有的边

    vector<Edge> edges;
    for (int i = 0; i < num_points; i++) {
        for (int j = i + 1; j < num_points; j++) {
            Edge edge = {i, j, abs(points[i][0] - points[j][0]) + abs(points[i][1] - points[j][1])};
            edges.emplace_back(edge);
        }
    }
    
    //排序
    sort(edges.begin(), edges.end(), [](const auto& a, const auto& b) {return a.len < b.len;});
    int res=0;//这个OJ平台默认值不是0
    // 连通分量合并
    for (auto& e : edges) {
        if (bcj->find(e.start) != bcj->find(e.end)) {bcj->merge(e.start, e.end);res+=e.len;cout<< res<<endl;}
    }
    return res;

    }
};
### 解决方案概述 对于LeetCode 1584题——连接所有最小费用,目标是在给定平面上的一组之间建立边,使得这些全部连通,并且总成本最低。此问题可以通过构建最小生成树(Minimum Spanning Tree, MST)[^2]来解决。 #### Prim's Algorithm 实现方法 Prim’s算法是一种用于求解无向图中最小生成树的有效贪心算法。该算法通过逐步扩展已有的部分生成树直到覆盖所有的顶为止,在每一步都选择当前未加入的部分中最短的边。 ```python import heapq def minCostConnectPoints(points): n = len(points) # 计算曼哈顿距离作为权重函数 def manhattan(p1, p2): return abs(p1[0]-p2[0]) + abs(p1[1]-p2[1]) visited = set() heap = [(0, 0)] # (cost, point_index) result = 0 while len(visited) < n: cost, i = heapq.heappop(heap) if i in visited: continue visited.add(i) result += cost for j in range(n): if j not in visited and j != i: heapq.heappush(heap, (manhattan(points[i], points[j]), j)) return result ``` 上述代码实现了基于优先队列优化版本的Prim’s算法。首先定义了一个辅助函数`manhattan()`用来计算两之间的曼哈顿距离;接着初始化一个小根堆存储候选节及其对应的代价;最后进入循环直至访问过所有节并累加路径长度得到最终的结果。 #### Kruskal's Algorithm 实现方式 Kruskal’s算法也是一种常用的MST算法,它按照从小到大的顺序处理各条边,只当一条边不会形成环路时才将其添加至正在形成的森林里。为了高效实现这一,可以采用Union-Find数据结构来进行动态集合操作。 ```python class UnionFind(object): def __init__(self, size): self.parent = list(range(size)) def find(self, x): if self.parent[x] != x: self.parent[x] = self.find(self.parent[x]) return self.parent[x] def union(self, u, v): rootU = self.find(u) rootV = self.find(v) if rootU == rootV: return False else: self.parent[rootU] = rootV return True def minCostConnectPoints_kruskal(points): edges = [] n = len(points) for i in range(n): for j in range(i+1, n): distance = abs(points[i][0] - points[j][0]) + \ abs(points[i][1] - points[j][1]) edges.append((distance, i, j)) uf = UnionFind(n) edges.sort() res = 0 count = 0 for dist, u, v in edges: if uf.union(u, v): res += dist count += 1 if count >= n-1: break return res ``` 这段Python程序展示了如何利用Kruskal的方法解决问题。创建了名为`edges`列表保存所有可能存在的边以及它们各自的权值(即两个端间的曼哈特尼距离),之后对其进行升序排列。随后遍历排序后的边集尝试将符合条件的新边纳入结果集中去,同时维护一个计数器确保恰好选择了\(n−1\)条独立边构成一棵完整的树形结构。
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