列出连通集

本文详细讲解了如何利用深度优先搜索(DFS)和广度优先搜索(BFS)算法在给定的无向图中找出所有的连通集。通过实例代码展示了如何在C++中实现,并提供了输入输出样例。

题目

给定一个有N个顶点和E条边的无向图,请用DFS和BFS分别列出其所有的连通集。假设顶点从0到N−1编号。进行搜索时,
假设我们总是从编号最小的顶点出发,按编号递增的顺序访问邻接点。

输入格式:

输入第1行给出2个整数N(0<N≤10)和E,分别是图的顶点数和边数。随后E行,每行给出一条边的两个端点。每行中的数字之间
用1空格分隔。

输出格式:

按照"{ v​1 v2 … vk }"的格式,每行输出一个连通集。先输出DFS的结果,再输出BFS的结果。

输入样例:

8 6
0 7
0 1
2 0
4 1
2 4
3 5

输出样例:

{ 0 1 4 2 7 }
{ 3 5 }
{ 6 }
{ 0 1 2 7 4 }
{ 3 5 }
{ 6 }

代码

#include <iostream>
#include <queue>

#define MaxVertexNum 10    //最大顶点数设为100

using namespace std;
using Vertex=int;         // 用顶点下标表示顶点,为整型
using WeightType = int;   //定义权重类型为int

//图
class Graph {
public:
    int Nv;  // 顶点数
    int Ne;  // 边数 
    WeightType G[MaxVertexNum][MaxVertexNum]; // 邻接矩阵 
    bool* Visited;  //标志是否访问过
public:
    Graph(int VertexNum);  //带参构造函数
    void InsertEdge(Vertex V1, Vertex V2);    //插入边
    void DFS(Vertex V); //DFS
    void BFS(Vertex V); //BFS
    void Init_Visited();  //将Visited全部变为false
};

int main() {
    int Num_of_Node, Num_of_Edge;  //顶点数、边数
    Vertex V1, V2;    //点

    cin >> Num_of_Node >> Num_of_Edge;  //输入顶点数、边数
    Graph G{ Num_of_Node };   //定义图

    //输入图
    for (int i = 0; i < Num_of_Edge; i++) {
        cin >> V1 >> V2;   //输入边
        G.InsertEdge(V1, V2);   //插入边
    }
    
    //DFS
    G.Init_Visited();  //将标识初始为false
    for (int i = 0; i < Num_of_Node; i++) {
        if (G.Visited[i] != true) {
            cout << "{ ";
            G.DFS(i);
            cout << "}\n";
        }
    }
    G.Init_Visited();  //将标识初始为false
    for (int i = 0; i < Num_of_Node; i++) {
        if (G.Visited[i] != true) {
            cout << "{ ";
            G.BFS(i);
            cout << "}\n";
        }
    }

    return 0;
}

Graph::Graph(int VertexNum) {
    Nv = VertexNum;
    Ne = 0;
    Visited = new bool[VertexNum];

    for (int i = 0; i < VertexNum; i++) {
        for (int j = 0; j < VertexNum; j++) {
            G[i][j] = 0;
       }
    }
}

void Graph::InsertEdge(Vertex V1, Vertex V2) {
    //这里可以加判断有没有加过这条边

    //插入边 <V1, V2>
    G[V1][V2] = 1;
    //插入边 <V2, V1>
    G[V2][V1] = 1;

    Ne++;//边数加1
}

void Graph::DFS(Vertex V) {
    cout << V << " ";    //输出V
    Visited[V] = true; // 标记V已访问,防止出现死循环 

    for (int i=0; i<Nv; i++) {
        if (!Visited[i] && G[V][i]) {
            DFS(i);
        }
    }
}

void Graph::BFS(Vertex V) {
    queue<Vertex> Q;
    Vertex W;

    cout << V << " ";    //输出V
    Visited[V] = true; // 标记V已访问,防止出现死循环 
    Q.push(V);

    while (!Q.empty()) {
        W = Q.front();
        Q.pop();
        for (int i = 0; i < Nv; i++) {
            if (!Visited[i] && G[W][i]) {
                cout << i << " ";    //输出V
                Visited[i] = true; // 标记V已访问,防止出现死循环 
                Q.push(i);
            }
        }
    }
}

void Graph::Init_Visited() {
    for (int i = 0; i < Nv; i++) {
        Visited[i] = false;
    }
}

运行结果

在这里插入图片描述

### 关于PTA平台上的连通集实现 #### 一、连通集的概念及其意义 在一个无向图中,如果任意两个顶点之间都存在一条路径相连,则称这个图为连通图。而连通分量是指一个非连通图中的极大连通子图[^1]。 为了在程序设计竞赛或者实际开发中解决连通性问题,通常会采用并查集(Union-Find Set)、深度优先搜索(DFS)或广度优先搜索(BFS)来查找和处理这些连通分量。 --- #### 二、数据结构的选择与定义 针对连通集的实现,常见的两种方式如下: ##### 1. 并查集(Disjoint Set Union, DSU) 并查集是一种用于管理集合的数据结构,支持快速查询某个元素属于哪个集合以及合并两个集合的功能。其核心操作包括 `find` 和 `union`。 ###### 定义: ```c++ class DisjointSet { private: vector<int> parent; public: DisjointSet(int size) : parent(size) { for (int i = 0; i < size; ++i) { parent[i] = i; } } int find_set(int x) { // 路径压缩优化 if (parent[x] != x) { parent[x] = find_set(parent[x]); } return parent[x]; } void union_set(int x, int y) { // 按秩合并优化省略 int fx = find_set(x); int fy = find_set(y); if (fx != fy) { parent[fy] = fx; } } }; ``` 通过上述代码,我们可以高效地维护一组不相交的集合,并能迅速判断两节点是否在同一连通集中[^2]。 --- ##### 2. 使用邻接表/邻接矩阵配合 DFS 或 BFS 另一种方法是利用图的存储形式——邻接表或邻接矩阵,结合深度优先搜索(DFS)或广度优先搜索(BFS),逐一访问未被标记过的节点,从而找到所有的连通分量。 ###### 邻接表定义: ```cpp #include <vector> using namespace std; // 创建邻接表 void add_edge(vector<vector<int>>& adj_list, int u, int v) { adj_list[u].push_back(v); adj_list[v].push_back(u); // 如果是有向图则去掉这一句 } ``` ###### DFS 实现: ```cpp void dfs(const vector<vector<int>>& graph, vector<bool>& visited, int node) { visited[node] = true; for (const auto& neighbor : graph[node]) { if (!visited[neighbor]) { dfs(graph, visited, neighbor); } } } int count_connected_components_dfs(const vector<vector<int>>& graph) { int n = graph.size(); vector<bool> visited(n, false); int components = 0; for (int i = 0; i < n; ++i) { if (!visited[i]) { dfs(graph, visited, i); components++; } } return components; } ``` ###### BFS 实现: ```cpp #include <queue> int bfs_count_connected_components(const vector<vector<int>>& graph) { int n = graph.size(); vector<bool> visited(n, false); queue<int> q; int components = 0; for (int i = 0; i < n; ++i) { if (!visited[i]) { q.push(i); visited[i] = true; while (!q.empty()) { int current_node = q.front(); q.pop(); for (auto& neighbor : graph[current_node]) { if (!visited[neighbor]) { visited[neighbor] = true; q.push(neighbor); } } } components++; } } return components; } ``` 以上代码展示了如何基于邻接表使用 DFS/BFS 来统计连通分量的数量[^3]。 --- #### 三、具体应用场景分析 当面对大规模稀疏图时,推荐使用 **邻接表+DFS/BFS** 方法;而对于稠密图或需要频繁执行连接性和断开操作的情况,应考虑使用 **并查集** 结构[^4]。 --- ### 性能对比总结表格 | 特性 | 并查集 | DFS / BFS | |-------------------|----------------------------|---------------------------| | 时间复杂度 | O(α(N)) | O(V+E),其中 α 是反阿克曼函数 | | 空间复杂度 | 较低 | 取决于递归栈深或队列大小 | | 是否适合动态更新 | 支持动态添加边 | 不易扩展至动态场景 | --- #### 四、注意事项 - 输入验证:确保输入的颜色种类不超过指定范围,可以通过 `std::set` 判断是否存在非法颜色。 - 存储效率:对于大型图,建议使用动态分配内存的方式创建邻接表而非固定长度的大数组,以防止堆栈溢出。 ---
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

打赏作者

积木41

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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