leetcode 1101. 彼此熟识的最早时间（C++）

最新推荐文章于 2022-01-22 22:04:45 发布

我很忙2010

最新推荐文章于 2022-01-22 22:04:45 发布

阅读量457

点赞数

CC 4.0 BY-SA版权

分类专栏： LeetCode DFS

本文链接：https://blog.youkuaiyun.com/qq_27060423/article/details/94229755

LeetCode 同时被 2 个专栏收录

713 篇文章

订阅专栏

DFS

17 篇文章

订阅专栏

本文介绍了一种算法，用于在一个社交圈子中找到所有人之间都熟识的最早时间。通过分析日志列表，该算法首先对日志进行排序，然后使用深度优先搜索（DFS）来确定何时所有人首次达到熟识状态。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在一个社交圈子当中，有 N 个人。每个人都有一个从 0 到 N-1 唯一的 id 编号。

我们有一份日志列表 logs，其中每条记录都包含一个非负整数的时间戳，以及分属两个人的不同 id，logs[i] = [timestamp, id_A, id_B]。

每条日志标识出两个人成为好友的时间，友谊是相互的：如果 A 和 B 是好友，那么 B 和 A 也是好友。

如果 A 是 B 的好友，或者 A 是 B 的好友的好友，那么就可以认为 A 也与 B 熟识。

返回圈子里所有人之间都熟识的最早时间。如果找不到最早时间，就返回 -1 。

示例：

输入：logs = [[20190101,0,1],[20190104,3,4],[20190107,2,3],[20190211,1,5],[20190224,2,4],[20190301,0,3],[20190312,1,2],[20190322,4,5]], N = 6
输出：20190301
解释：
第一次结交发生在 timestamp = 20190101，0 和 1 成为好友，社交朋友圈如下 [0,1], [2], [3], [4], [5]。
第二次结交发生在 timestamp = 20190104，3 和 4 成为好友，社交朋友圈如下 [0,1], [2], [3,4], [5].
第三次结交发生在 timestamp = 20190107，2 和 3 成为好友，社交朋友圈如下 [0,1], [2,3,4], [5].
第四次结交发生在 timestamp = 20190211，1 和 5 成为好友，社交朋友圈如下 [0,1,5], [2,3,4].
第五次结交发生在 timestamp = 20190224，2 和 4 已经是好友了。
第六次结交发生在 timestamp = 20190301，0 和 3 成为好友，大家都互相熟识了。

提示：

1 <= N <= 100
1 <= logs.length <= 10^4
0 <= logs[i][0] <= 10^9
0 <= logs[i][1], logs[i][2] <= N - 1
保证 logs[i][0] 中的所有时间戳都不同Logs 不一定按某一标准排序logs[i][1] != logs[i][2]

思路：先按时间顺序排序，然后依次对数据进行判断，对其中一个容器进行dfs搜索，当ans==N时，即找到最早时间

C++

class Solution {
public:
    static bool cmp(vector<int>& a, vector<int>& b)
    {
        return a[0]<b[0];
    }
    
    void dfs(map<int,vector<int>>& tmp, int num, vector<int>& flag, vector<int>& ans)
    {
        if(flag[num])
        {
            flag[num]=0;
            ans.push_back(num);
            auto vec=tmp[num];
            for(auto it:vec)
            {
                dfs(tmp,it,flag,ans);
            }            
        }
    }
    
    int earliestAcq(vector<vector<int>>& logs, int N) 
    {
        int m=logs.size();
        sort(logs.begin(),logs.end(),cmp);
        map<int,vector<int>> tmp;
        for(auto it:logs)
        {
            tmp[it[1]].push_back(it[2]);
            tmp[it[2]].push_back(it[1]);
            vector<int> flag(N,1);
            vector<int> ans;
            dfs(tmp,it[1],flag,ans);
            if(ans.size()==N)
            {
                return it[0];
            }
        }
        return -1;
    }
};