【图论入门】吝啬的国度

本文介绍了一个典型的图论问题:使用广度优先搜索(BFS)算法来确定从起点到任意其他点的路径。通过具体实例展示了如何利用队列和邻接表实现算法,并分享了调试过程中的常见错误。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

题目来自于nyist第20题

描述
在一个吝啬的国度里有N个城市,这N个城市间只有N-1条路把这个N个城市连接起来。现在,Tom在第S号城市,他有张该国地图,他想知道如果自己要去参观第T号城市,必须经过的前一个城市是几号城市(假设你不走重复的路)。
输入
第一行输入一个整数M表示测试数据共有M(1<=M<=5)组
每组测试数据的第一行输入一个正整数N(1<=N<=100000)和一个正整数S(1<=S<=100000),N表示城市的总个数,S表示参观者所在城市的编号
随后的N-1行,每行有两个正整数a,b(1<=a,b<=N),表示第a号城市和第b号城市之间有一条路连通。
输出
每组测试数据输N个正整数,其中,第i个数表示从S走到i号城市,必须要经过的上一个城市的编号。(其中i=S时,请输出-1)

本题中N个节点只有N-1条边,由树的性质,可知图中没有环路,采用DFS或者BFS都可以,这里采用BFS(因为写的多了顺手。。),采用queue以及vector维护数据,题目较为简单,这里直接贴出代码。

#include <cstdio>
#include <cstring>
#include <queue>
#include <vector>
#define Max 100000
using namespace std;
queue<int> Q;

int via[Max+5];
int path[Max+5];
int main()
{
	int M;
	int N,S,i;
	int a,b,num,temp;
	scanf("%d",&M);
	while(M--)
	{
		vector<int> G[Max+5];   //开始定义在全局中,一直WA,后来才发现对每组数据没有初始化
		memset(via,0,sizeof(via));
		memset(path,-1,sizeof(path));
		num = 0;temp = 0;
		scanf("%d %d",&N,&S);
		for(i=0;i <N-1;i++)
		{
			scanf("%d %d",&a,&b);
			G[a].push_back(b);

			G[b].push_back(a);
		}
		Q.push(S);
		via[S] = 1;
		while(!Q.empty())
		{
			temp = Q.front();Q.pop();
			for(i = 0;i < G[temp].size();i++)
			{
				if(via[G[temp][i]] != 1)
				{
					Q.push(G[temp][i]);
					path[G[temp][i]] = temp;
					via[G[temp][i]] = 1;
				}
			}
		}
		for(i=1;i <=N;i++)
			printf("%d ",path[i]);
	}
	return 0; 
} 
这题较为简单,主要是前段时间各大公司笔试题做懵逼了,做了一段时间DP之后,图论题太生疏了,基础题也花了很久时间调bug,写下这篇提醒自己要多方面练习,总结一下bug常出现的点。

### 什么是图论图论是研究图(Graph)的数学理论,广泛应用于计算机科学、信息科学、社会学、生物学等多个领域。图由一组顶点(Vertex)和连接这些顶点的边(Edge)组成,可以用来表示对象之的关系[^2]。 ### 图的基本定义 图通常记作 $ G = (V, E) $,其中: - $ V $ 是顶点集合。 - $ E $ 是边集合,每边连接两个顶点。 根据边是否有方向性,图可分为: 1. **无向图**:边没有方向性,例如社交网络中朋友关系。 2. **有向图**:边具有方向性,例如网页链接关系。 ### 图的分类 根据不同的属性,图可以分为以下几类: 1. **无权图**:边不带权重。 2. **带权图**:每边都有一个权重值,表示连接的成本或距离。 3. **稀疏图**:边的数量远小于顶点数量的平方。 4. **稠密图**:边的数量接近于顶点数量的平方。 5. **完全图**:任意两个顶点之都有一边连接。 ### 图的连通性 图的连通性描述了顶点之的可达性: 1. **连通图**:在无向图中,任意两个顶点之存在径。 2. **强连通图**:在有向图中,任意两个顶点之存在双向径。 3. **弱连通图**:忽略边的方向后,图是连通的。 定理说明: - 在具有 $ n $ 个结点的图中,若 $ v_i $ 到 $ v_j $ 存在一,则 $ v_i $ 到 $ v_j $ 必存在一长度不大于 $ n-1 $ 的[^4]。 - 图是强连通则必是单侧连通;是单侧连通则必是弱连通。 ### 图的表示方法 图可以通过以下两种常见方式表示: #### 邻接矩阵 邻接矩阵是一个二维数组 $ A $,其中 $ A[i][j] $ 表示从顶点 $ i $ 到顶点 $ j $ 是否存在边。对于带权图,$ A[i][j] $ 可以存储边的权重。 ```python # 示例:无向图的邻接矩阵表示 graph = [ [0, 1, 0, 1], [1, 0, 1, 0], [0, 1, 0, 1], [1, 0, 1, 0] ] ``` #### 邻接表 邻接表是一个列表,每个顶点对应一个链表,存储与该顶点相连的所有顶点。 ```python # 示例:邻接表表示 graph = { 0: [1, 3], 1: [0, 2], 2: [1, 3], 3: [0, 2] } ``` ### 图的基本算法 图的基本算法包括: 1. **深度优先遍历(DFS)**:通过递归或栈实,用于探索图中的所有可达顶点。 2. **广度优先遍历(BFS)**:通过队列实,用于寻找最短径。 3. **求解连通量**:统计图中连通分量的数量。 4. **判断两个顶点是否连通**:使用 DFS 或 BFS 检查是否存在径。 5. **寻找连通径**:记录径并输出。 6. **寻找最短径**:常用 Dijkstra 算法或 Floyd-Warshall 算法。 ### 经典图论问题和应用 图论的经典问题包括: 1. **最短径问题**:如 Dijkstra 算法、Bellman-Ford 算法。 2. **最小生成树问题**:如 Prim 算法、Kruskal 算法。 3. **最大匹配问题**:如匈牙利算法。 4. **网络流问题**:如 Ford-Fulkerson 算法。 5. **拓扑排序问题**:用于任务调度。 图的应用非常广泛,包括社交网络分析、交通网络优化、互联网由协议等。 ### 入门教程和学习资料推荐 1. **书籍**: - 《算法导论》:详细讲解图论算法。 - 《数据结构与算法分析》:提供图论基础概念。 2. **在线课程**: - Coursera 上的《Algorithms on Graphs》课程。 - LeetCode 和 HackerRank 提供大量图论练习题。 3. **博客和文章**: - 优快云 和知乎上的图论入门教程。 - GeeksforGeeks 提供详细的图论算法实
评论
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