算法概论week6 | 684. Redundant Connection && 685. Redundant Connection II

本文详细解析了LeetCode上的两道经典算法题:684题“冗余连接”和685题“冗余的有向连接”。684题针对无向图,介绍了两种解法,包括传统的DFS访问和并查集算法。685题则针对有向图,讲解了如何通过节点入度寻找根节点并进行DFS判断,以确定可删除的冗余边。

684跟685题题型类似,区别就是,684是无向图,685是有向图。


目录

  • 684
  • 1.1 题目描述
  • 1.2 解法一
  • 1.3 解法一代码
  • 1.4 解法二
  • 1.5 解法二代码
  • 685
  • 1.1 题目描述
  • 1.2 解法
  • 1.3 代码

684


1.1 题目描述

1.1

1.1


1.2 解法一

第一种解法是比较传统的做法,从数组的尾端开始删除一条边,看是否能通过一次dfs访问所有的节点,如果能,则这条边就是要删除的边。

首先,先把每个节点的相邻节点表示出来:

	    int N = edges.size();
        vector<vector<int>> my_edges(N);
        for(int i = 0; i < N; i++) {
            my_edges[edges[i][0] - 1].push_back(edges[i][1] - 1);
            my_edges[edges[i][1] - 1].push_back(edges[i][0] - 1);
        }

接着,从edges数组的尾端开始,删边并进行dfs,由于是无向图,只要被删除边的两个点能通过一次dfs访问到,就说明该边可以删除:

		for(int i = edges.size() - 1; i >= 0; i--) {
            int visited[2000] = {};
            dfs(edges[i][0] - 1, edges[i][0] - 1, edges[i][1] - 1, my_edges, visited);
            if(visited[edges[i][0] - 1] && visited[edges[i][1] - 1]) {
                return edges[i];
            }
        }

1.3 解法一代码

class Solution {
public:
    vector<int> findRedundantConnection(vector<vector<int>>& edges) {
        int N = edges.size();
        vector<vector<int>> my_edges(N);
        for(int i = 0; i < N; i++) {
            my_edges[edges[i][0] - 1].push_back(edges[i][1] - 1);
            my_edges[edges[i][1] - 1].push_back(edges[i][0] - 1);
        }
        
        for(int i = edges.size() - 1; i >= 0; i--) {
            int visited[2000] = {};
            dfs(edges[i][0] - 1, edges[i][0] - 1, edges[i][1] - 1, my_edges, visited);
            if(visited[edges[i][0] - 1] && visited[edges[i][1] - 1]) {
                return edges[i];
            }
        }
        return {};
    }
    
    void dfs(int s , int u, int v, vector<vector<int>>& my_edges, int* visited) {
        if(visited[s]) return;
        visited[s] = 1;
        for(int i = 0; i < my_edges[s].size(); i++) {
            if(s == u && my_edges[s][i] == v) {
                continue;
            }
            dfs(my_edges[s][i], u, v, my_edges, visited);
        }
        return;
    }
        
};

1.4 解法二

解法二是参考别人的代码,原文:LeetCode684冗余连接

这是并查集的算法,我还没学过,只是觉得很有意思,这个算法对每条边的两个顶点查找祖先,如果祖先相等,则说明有环,返回当前数组。找祖先的过程感觉像顺藤摸瓜,有点好玩:D


1.5 解法二代码

class Solution {
public:
    vector<int> findRedundantConnection(vector<vector<int>>& edges) {
        int ancestor[2000] = {};
        for(int i = 0; i < edges.size(); i++) {
            int u_ancestor = find_ancestor(ancestor, edges[i][0]);
            int v_ancestor = find_ancestor(ancestor, edges[i][1]);
            if(u_ancestor == v_ancestor) {
                return {edges[i][0], edges[i][1]};
            }
            ancestor[u_ancestor] = v_ancestor;
        }
        return {};
    }
    
    int find_ancestor(int *ancestor, int u) {
        int res = u;
        while(ancestor[res] != 0) {
            res = ancestor[res];
        }
        return res;
    }
    
};

685


1.1 题目描述

2.1
2.1


1.2 解法

685题将684题的无向图换成了有向图,且边[u, v]也不再满足u < v,而满足u是v的祖先。

这题需要找到一个根节点,才能通过dfs进行判断,我们可以通过节点的入度来找根节点。如果存在入度为0的节点,则该节点就是根节点,且可删除的边一定是指向入度为2的节点的两条边之一,在删除边时可只对这两条边进行判断;如果没有入度为0的点,那么所有节点的入度都为1,这时,直接把删除的边所指向的节点作为根节点;dfs后,如果删除了的边的两个节点都被访问了,则返回这条边。


1.3 代码

class Solution {
public:
    vector<int> findRedundantDirectedConnection(vector<vector<int>>& edges) {
        int in_degree[2000] = {};
        int out_degree[2000] = {};
        int flag = 0;
        int root = 0;
        for(int i = edges.size() - 1; i >= 0; i--) {
            in_degree[edges[i][1] - 1]++;
            out_degree[edges[i][0] - 1]++;
            if(in_degree[edges[i][1] - 1] == 2) {
                flag = 1;
            }
        }
        
        if(flag) {
            for(int i = 0; i < edges.size(); i++) {
                if(in_degree[i] == 0) {
                    root = i;
                    break;
                }
            }
        }
        
        int N = edges.size();
        vector<vector<int>> my_edges(N );
        for(int i = 0; i < N; i++) {
            my_edges[edges[i][0] - 1].push_back(edges[i][1] - 1);
        }
        
        for(int i = edges.size() - 1; i >= 0; i--) {
            if((flag && in_degree[edges[i][1] - 1] == 2) || !flag) {
                int visited[2000] = {};
                int s = flag ? root: edges[i][1] - 1;
                if(dfs(s, edges[i][0] - 1, edges[i][1] - 1, my_edges, visited) && visited[edges[i][0] - 1] && visited[edges[i][1] - 1]) {
                    return edges[i];
                }
            }
        }
        return {};
    }
    
    bool dfs(int s , int u, int v, vector<vector<int>>& my_edges, int* visited) {
        if(visited[s]) return false;
        visited[s] = 1;
        for(int i = 0; i < my_edges[s].size(); i++) {
            if(s == u && my_edges[s][i] == v) {
                continue;
            }
            if(!dfs(my_edges[s][i], u, v, my_edges, visited)) return false;
        }
        return true;
    }
        
};

基于STM32 F4的永磁同步电机无位置传感器控制策略研究内容概要:本文围绕基于STM32 F4的永磁同步电机(PMSM)无位置传感器控制策略展开研究,重点探讨在不依赖物理位置传感器的情况下,如何通过算法实现对电机转子位置和速度的精确估计与控制。文中结合嵌入式开发平台STM32 F4,采用如滑模观测器、扩展卡尔曼滤波或高频注入法等先进观测技术,实现对电机反电动势或磁链的估算,进而完成无传感器矢量控制(FOC)。同时,研究涵盖系统建模、控制算法设计、仿真验证(可能使用Simulink)以及在STM32硬件平台上的代码实现与调试,旨在提高电机控制系统的可靠性、降低成本并增强环境适应性。; 适合人群:具备一定电力电子、自动控制理论基础和嵌入式开发经验的电气工程、自动化及相关专业的研究生、科研人员及从事电机驱动开发的工程师。; 使用场景及目标:①掌握永磁同步电机无位置传感器控制的核心原理与实现方法;②学习如何在STM32平台上进行电机控制算法的移植与优化;③为开发高性能、低成本的电机驱动系统提供技术参考与实践指导。; 阅读建议:建议读者结合文中提到的控制理论、仿真模型与实际代码实现进行系统学习,有条件者应在实验平台上进行验证,重点关注观测器设计、参数整定及系统稳定性分析等关键环节。
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