【wikioi 1002】搭桥 dfs+kruskal

本文介绍了一种算法,用于计算给定矩形区域内建筑物的数量及其间的最短桥梁连接方案。该算法采用深度优先搜索(DFS)来确定建筑物的分布,并使用Kruskal算法寻找最优桥梁搭建方案。
题目描述 Description

有一矩形区域的城市中建筑了若干建筑物,如果某两个单元格有一个点相联系,则它们属于同一座建筑物。现在想在这些建筑物之间搭建一些桥梁,其中桥梁只能沿着矩形的方格的边沿搭建,如下图城市1有5栋建筑物,可以搭建4座桥将建筑物联系起来。城市2有两座建筑物,但不能搭建桥梁将它们连接。城市3只有一座建筑物,城市4有3座建筑物,可以搭建一座桥梁联系两栋建筑物,但不能与第三座建筑物联系在一起。

输入描述 Input Description

在输入的数据中的第一行包含描述城市的两个整数r 和c, 分别代表从北到南、从东到西的城市大小(1 <= <= 50 and 1 <=  c <= 50). 接下来的r 行, 每一行由个(“#”)和(“.”)组成的字符. 每一个字符表示一个单元格。“#”表示建筑物,“.”表示空地。

 

输出描述 Output Description

在输出的数据中有两行,第一行表示建筑物的数目。第二行输出桥的数目和所有桥的总长度。

样例输入 Sample Input

样例1

3 5

#...#

..#..

#...#

 

样例2

3 5

##...

.....

....#

 

样例3

3 5

#.###

#.#.#

###.#

 

样例4:

3 5

#.#..

.....

....#

 

样例输出 Sample Output

样例1

5

4 4

 

样例2

2

0 0

 

样例3

1

0 0

 

样例4

3

1 1

数据范围及提示 Data Size & Hint

见描述



思路:这道题目有两问,第一问是问建筑物分成几块(要注意的是八个方向都可以)。

第二问一开始没读懂题意。后来才发现问的是,如果不为同一个建筑物的话,两两之间要连桥(桥只能横着或者竖着,不能拐),问最多连的桥数和最少的桥长度。用kruskal的思想即可。


/*
ID: wuqi9395@126.com
PROG:
LANG: C++
*/
#include<map>
#include<set>
#include<queue>
#include<stack>
#include<cmath>
#include<cstdio>
#include<vector>
#include<string>
#include<cstring>
#include<ctype.h>
#include<iostream>
#include<algorithm>
using namespace std;
#define INF (1 << 30)
#define LINF (1LL << 60)
#define PI acos(-1.0)
#define mem(a, b) memset(a, b, sizeof(a))
#define rep(i, a, n) for (int i = a; i < n; i++)
#define per(i, a, n) for (int i = n - 1; i >= a; i--)
#define eps 1e-6
#define debug puts("===============")
#define pb push_back
#define mkp make_pair
#define all(x) (x).begin(),(x).end()
#define fi first
#define se second
#define SZ(x) ((int)(x).size())
#define POSIN(x,y) (0 <= (x) && (x) < n && 0 <= (y) && (y) < m)
typedef long long ll;
typedef unsigned long long ULL;
int m, n;
char mp[60][60];
int vis[60][60];
int pos[2000][2], cnt;
int dx[8] = { -1, -1, -1, 0, 1, 1, 1, 0};
int dy[8] = { -1, 0, 1, 1, 1, 0, -1, -1};
int ans;
void dfs(int x, int y) {
    for (int i = 0; i < 8; i++) {
        int tx = x + dx[i], ty = y + dy[i];
        if (POSIN(tx, ty) && mp[tx][ty] == '#' && !vis[tx][ty]) {
            vis[tx][ty] = ans;
            dfs(tx, ty);
        }
    }
}
struct node {
    int x, y, l;
}e[200000];
int tot, f[20000];
int find(int x) {
    return f[x] = (f[x] == x ? x : find(f[x]));
}
void add(int i, int j) {
    int x = pos[i][0], y = pos[i][1];
    int tx = pos[j][0], ty = pos[j][1];
    if (vis[x][y] == vis[tx][ty]) return ;
    if (abs(x - tx) <= 1 && abs(y - ty) <= 1) return ;
    if (abs(x - tx) > 1 && abs(y - ty) > 1) return ;
    e[tot].x = vis[x][y], e[tot].y = vis[tx][ty], e[tot++].l = max(abs(x - tx), abs(y - ty)) - 1;
}
bool cmp(node s, node v) {
    return s.l < v.l;
}
void work() {
    int ans = 0, sum = 0;
    sort(e, e + tot, cmp);
    for (int i = 0; i < tot; i++) {
        int x = find(e[i].x), y = find(e[i].y);
        if (x != y) {
            f[x] = y;
            ans++, sum += e[i].l;
        }
    }
    cout<<ans<<" "<<sum<<endl;
}
int main () {
    cin >> n >> m;
    cnt = 0;
    for (int i = 0; i < n; i++) {
        for (int j = 0; j < m; j++) {
            cin >> mp[i][j];
            if (mp[i][j] == '#') {
                pos[cnt][0] = i;
                pos[cnt++][1] = j;
            }
        }
    }
    ans = 0;
    for (int x = 0; x < cnt; x++) {
        int i = pos[x][0], j = pos[x][1];
        if (!vis[i][j]) {
            ans++;
            vis[i][j] = ans;
            dfs(i, j);
        }
    }
    cout<<ans<<endl;
    tot = 0;
    for (int i = 0; i < cnt; i++) {
        f[i] = i;
        for (int j = i + 1; j < cnt; j++) {
            add(i, j);
        }
    }
    work();
    return 0;
}


### Prim算法与Kruskal算法联合求解最小生成树的实现方法 Prim算法和Kruskal算法是两种经典的最小生成树(MST)求解方法。Prim算法适合稠密图,通过维护一个集合逐步扩展生成树;而Kruskal算法适合稀疏图,通过排序边并使用并查集避免环路来构造最小生成树。将这两种算法结合,可以通过以下方式实现: #### 算法思想 1. 使用Prim算法从某个顶点开始构建部分生成树,直到覆盖大部分顶点[^3]。 2. 在Prim算法完成后,利用剩余未处理的边进行Kruskal算法,确保所有顶点都被包含在最终的最小生成树中[^4]。 #### 实现步骤 以下是结合Prim算法和Kruskal算法的伪代码实现: ```python # Prim算法部分 def prim(graph, start_vertex): import heapq n = len(graph) visited = [False] * n min_heap = [(0, start_vertex)] # (weight, vertex) mst_edges = [] total_weight = 0 while min_heap: weight, u = heapq.heappop(min_heap) if visited[u]: continue visited[u] = True total_weight += weight for v, w in graph[u]: if not visited[v]: heapq.heappush(min_heap, (w, v)) mst_edges.append((u, v, w)) return mst_edges, total_weight, visited # Kruskal算法部分 def kruskal(graph, remaining_edges, visited): parent = list(range(len(graph))) rank = [0] * len(graph) def find_set(u): if parent[u] != u: parent[u] = find_set(parent[u]) return parent[u] def union_set(u, v): root_u = find_set(u) root_v = find_set(v) if root_u != root_v: if rank[root_u] > rank[root_v]: parent[root_v] = root_u elif rank[root_u] < rank[root_v]: parent[root_u] = root_v else: parent[root_v] = root_u rank[root_u] += 1 mst_edges = [] total_weight = 0 remaining_edges.sort(key=lambda x: x[2]) # Sort edges by weight for u, v, w in remaining_edges: if find_set(u) != find_set(v): union_set(u, v) mst_edges.append((u, v, w)) total_weight += w return mst_edges, total_weight # 联合算法 def combined_mst(graph, start_vertex): # Step 1: Use Prim to build a partial MST prim_edges, prim_weight, visited = prim(graph, start_vertex) # Step 2: Collect remaining edges for Kruskal remaining_edges = [] for u in range(len(graph)): for v, w in graph[u]: if not visited[u] or not visited[v]: remaining_edges.append((u, v, w)) # Step 3: Use Kruskal to complete the MST kruskal_edges, kruskal_weight = kruskal(graph, remaining_edges, visited) # Combine results total_mst_edges = prim_edges + kruskal_edges total_weight = prim_weight + kruskal_weight return total_mst_edges, total_weight ``` #### 结果解释 - `prim` 函数用于从指定起点开始构建部分最小生成树,并返回已访问的顶点集合。 - `kruskal` 函数接收剩余未处理的边,并通过并查集进一步扩展生成树。 - 最终结果为两部分生成树的合并,确保所有顶点都被包含在内[^1]。 #### 示例应用 假设输入图如下: ```python graph = [ [(1, 7), (2, 9), (5, 14)], [(0, 7), (2, 10), (3, 15)], [(0, 9), (1, 10), (3, 11), (5, 2)], [(1, 15), (2, 11), (4, 6)], [(3, 6), (5, 9)], [(0, 14), (2, 2), (4, 9)] ] start_vertex = 0 mst_edges, total_weight = combined_mst(graph, start_vertex) print("MST Edges:", mst_edges) print("Total Weight:", total_weight) ``` #### 注意事项 - Prim算法适用于稠密图,而Kruskal算法适用于稀疏图。因此,联合算法可以根据图的特性动态调整权重阈值[^2]。 - 在实际应用中,可能需要对输入图进行预处理以优化性能。
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