冗余关系与并查集

蒜头最近在沉迷小说,尤其是人物关系复杂的言情小说。它看到的人物关系描述得很的麻烦的时候觉得非常蒜疼,尤其是任务关系里有冗余的时候。什么是冗余关系呢?

这篇小说里有n句描述人物关系的句子,描述了n个人的关系。

每条句子的定义是这样的:

    X<->Y    它的意思是:X认识Y,Y也认识X

我们认为小说中的人物关系是具有传递性的,假如A认识B,B认识C,则A也认识C。

冗余关系的定义:就是即使没有这条人物关系,原来的人物之间的所有关系也照样成立。

比如:

小说中已经提到了A认识B,B也认识C。在此之后再讲A认识C就是一个冗余的关系。

小蒜头想求出一共有多少条冗余关系,你能帮帮它吗?

输入格式:
    第一行两个整数,表示句子数量n(1<=n<=1000),表示人数m(1<=m<=1000)。

    接下来n行,每行两个数,表示一组人物关系。

输出格式:

    一个整数,表示冗余关系的数目。

样例1
输入:

3 3
1 2
1 3
2 3
输出:

1

用并查集来做,
关于并查集下面这篇博客讲的很好。
http://blog.youkuaiyun.com/dellaserss/article/details/7724401

#include"iostream"
using namespace std;

int fa[2000];

int find_father(int num)
{
	if (fa[num] != num)
	{
		find_father(fa[num]);
	}
	else
	{
		return num;
	}
}
bool find(int a, int b)
{
	int fx = find_father(a), fy = find_father(b);
	if (fx != fy)
	{
		fa[fx] = fy;
		return true;
	}
	else
	{
		return false;
	}
}

void init(int num)
{
	for (int i = 1; i <= num; i++)
	{
		fa[i] = i;
	}
}

int main()
{
	int relation, people, count = 0;
	cin >> relation >> people;

	init(people);

	while (relation--)
	{
		int a, b;
		cin >> a >> b;
		if (!find(a, b))
		{
			count++;
		}
	}
	cout << count << endl;
	getchar();
	getchar();
	return 0;
}
用这题的测试案例来讲,第一组是1和2,因为各自的上级不是不同一个,
那么进行查询并合并后,2成了1的上级(当然也可以设置成1成了2的上级,只要改下代码就好),第二组的时候1和3,首先查到1的上级是2,而2的上级是他自己,就返回2,再查3,3的上级也是3自己,所以也返回3,发现2和3的上级也不是同一个,那么也进行合并,把3设置成2的上级,这样2和3的关系也有了,再第三组2和3,这时候进行查询发现2的上级是3,而3的上级是3本身,也就是说2和3的关系之前已经确定,设置好了,所以第三组的关系就是多余的,此时count++
,这个count就是最后的结果。

### Java中并查集的实现应用 #### 1. 并查集的核心概念 并查集是一种高效的数据结构,主要用于解决动态连通性问题。它支持两种基本操作:`find` 和 `union`。其中,`find` 操作用于查找某个元素所属的集合;`union` 操作则用于将两个不同的集合合并成一个集合。 在实际编程过程中,可以通过路径压缩优化和按秩合并这两种技术提升效率[^3]。 --- #### 2. Java中的并查集实现 以下是基于Java语言的一个典型并查集实现: ```java import java.util.HashMap; import java.util.Map; public class UnionFind { private Map<Integer, Integer> parentMap; // 存储节点及其父节点的关系 private Map<Integer, Integer> sizeMap; // 记录每个根节点对应的子树大小 public UnionFind() { this.parentMap = new HashMap<>(); this.sizeMap = new HashMap<>(); } // 添加新节点到并查集中 public void add(int x) { if (!parentMap.containsKey(x)) { parentMap.put(x, x); sizeMap.put(x, 1); } } // 查找x所在集合的代表元,并进行路径压缩 public int find(int x) { while (x != parentMap.get(x)) { parentMap.put(x, parentMap.get(parentMap.get(x))); // 路径压缩 x = parentMap.get(x); } return x; } // 判断两元素是否在同一集合中 public boolean isConnected(int x, int y) { return find(x) == find(y); } // 合并x和y所在的两个集合 public void unionElements(int x, int y) { int rootX = find(x); int rootY = find(y); if (rootX == rootY) return; // 按照size较小者挂载到较大者的策略合并 if (sizeMap.get(rootX) >= sizeMap.get(rootY)) { parentMap.put(rootY, rootX); sizeMap.put(rootX, sizeMap.get(rootX) + sizeMap.get(rootY)); } else { parentMap.put(rootX, rootY); sizeMap.put(rootY, sizeMap.get(rootX) + sizeMap.get(rootY)); } } } ``` 上述代码实现了并查集的基本功能,包括添加节点、查找节点所属集合以及合并不同集合的操作[^4]。 --- #### 3. 应用场景分析 尽管并查集的应用看起来较为局限,但实际上它的用途十分广泛,尤其是在涉及图论的问题中表现尤为突出。以下是一些常见的应用场景: - **社交网络分组** 给定一组用户之间的关系,判断哪些用户属于同一个社区或朋友圈。这可以抽象为多个不相交集合的合并查询问题。 - **连通组件检测** 在无向图中寻找所有的连通分量。例如,给定一张地图上的城市和道路连接情况,求解有多少个城市群彼此相连[^1]。 - **最小生成树算法辅助工具** Kruscal算法依赖于并查集来快速判定边是否会形成环路,从而决定是否将其加入当前生成树中[^2]。 - **冗余连接识别** 对于一棵树来说,如果额外增加一条边,则必然会产生环路。利用并查集可以帮助我们迅速定位这条多余的边。 --- #### 4. 性能考量 为了提高性能,通常会对标准版的并查集做进一步改进: - **路径压缩(Path Compression)**: 将每次调用`find()`方法时经过的所有结点直接指向最终的根节点。 - **按秩合并(Union by Rank)**: 始终把较矮的小树接到较高的大树下面,这样能够有效减少树的高度,进而加快后续查询速度。 这些技巧使得并查集的实际运行时间接近线性级别O(n),非常适合处理大规模数据集下的动态连通性问题。 ---
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