AcWing 837. 连通块中点的数量(C++算法)

本文详细解析AcWing837题目的解决方案,介绍如何使用并查集算法处理连通块中点的数量问题,包括边的添加、连通性的判断及连通块点数的统计。

AcWing 837. 连通块中点的数量

1、题目(来源于AcWing):
给定一个包含n个点(编号为1~n)的无向图,初始时图中没有边。

现在要进行m个操作,操作共有三种:

“C a b”,在点a和点b之间连一条边,a和b可能相等;
“Q1 a b”,询问点a和点b是否在同一个连通块中,a和b可能相等;
“Q2 a”,询问点a所在连通块中点的数量;
输入格式
第一行输入整数n和m。

接下来m行,每行包含一个操作指令,指令为“C a b”,“Q1 a b”或“Q2 a”中的一种。

输出格式
对于每个询问指令”Q1 a b”,如果a和b在同一个连通块中,则输出“Yes”,否则输出“No”。

对于每个询问指令“Q2 a”,输出一个整数表示点a所在连通块中点的数量

每个结果占一行。

数据范围
1≤n,m≤105

输入样例:
5 5
C 1 2
Q1 1 2
Q2 1
C 2 5
Q2 5
输出样例:
Yes
2
3

2、基本思想:
与AcWing 836. 合并集合类似,但是加上一个size_表示每个连通块中点的数量,仅有根节点的size_存储了该块中点的个数。

3、步骤:
与AcWing 836. 合并集合类似,求每个连通块中点的数量时
size_[find(a)] += size_[find(b)]。

4、C++代码如下(该代码引用AcWing网站的代码):

#include <iostream>

using namespace std;

int find(int x);

const int N = 100010;

int n, m;
int p[N], size_[N];

int main()
{
    cin >> n >> m;
    
    for (int i = 0; i < n; i ++ )
    {
        p[i] = i;
        size_[i] = 1;
    }
    
    while (m -- )
    {
        string op;
        int a, b;
        
        cin >> op;
        if (op == "C") 
        {
            cin >> a >> b;
            if (find(a) == find(b)) continue;
            else 
            {
                size_[find(b)] += size_[find(a)];
                p[find(a)] = find(b);
            }
        }
        else if (op == "Q1") 
        {
            cin >> a >> b;
            cout << ((find(a) == find(b)) ? "Yes" : "No") << endl;
        }    
        else
        {
            cin >> a;
            cout << size_[find(a)] << endl;
        }
    }
    
    return 0;
    
}

int find(int x)//找根节点
{
    if (p[x] != x) p[x] = find(p[x]);
    return p[x];
}//该代码引用AcWing网站的代码

注意事项:
变量名size与标准库函数中的函数名重合了所以写成size_

### 连通块内节点计数算法 #### 广度优先搜索(BFS)实现连通块计数 广度优先搜索是一种适合用于遍历或搜索图形结构的方法。对于连通块内的节点计数问题,可以采用BFS来解决。 给定一个无向图G=(V,E),其中V代表顶点集合而E代表边集。为了统计每一个连通分量中的结点数目: - 使用队列辅助完成层次化探索过程; - 维护访问标记数组`vis[]`记录哪些位置已经被处理过; 当遇到未被访问过的节点u时启动新的BFS进程,并在此过程中累加当前联通区域大小直至无法继续扩展为止[^1]。 ```python from collections import deque def bfs_count(graph, start_node): queue = deque([start_node]) visited = set() count = 0 while queue: node = queue.popleft() if node not in visited: visited.add(node) count += 1 for neighbor in graph[node]: if neighbor not in visited: queue.append(neighbor) return count ``` 此方法能够有效地找出并计算出从指定起点可达的所有其他节点的数量,在面对大规模稀疏矩阵的情况下表现尤为出色[^2]。 #### 深度优先搜索(DFS)实现连通块计数 除了BFS之外,也可以利用递归形式的深度优先搜索来进行相同的操作。这种方法同样依赖于栈机制(隐式的函数调用堆栈),并且通过回溯的方式逐步深入到子树最底部再返回上级节点直到整个分支都被扫描完毕[^3]。 ```python def dfs_count(graph, current_node, visited=set()): if current_node in visited: return 0 visited.add(current_node) total = 1 for next_node in graph[current_node]: if next_node not in visited: total += dfs_count(graph, next_node, visited) return total ``` 这两种方式都可以很好地解决问题,具体选择取决于实际应用场景和个人偏好。通常来说,由于Python存在最大递归深度限制,默认情况下可能不适合非常深嵌套情况下的DFS操作[^4]。
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