代码随想录day57图论7

最小生成树

最小生成树(MST)知识点
最小生成树(MST) 是图论中的一个经典问题,目的是在一个带权无向图中,找到一棵生成树,使得树的边的权值之和最小。

最小生成树的基本概念:
生成树:一个图的生成树是一个包含图中所有顶点的树,它是一个无环的连通子图。
最小生成树:一个图的生成树中,边的权值之和最小的生成树称为最小生成树。

prim算法

第一步,选距离生成树最近节点
第二步,最近节点加入生成树
第三步,更新非生成树节点到生成树的距离(即更新minDist数组)

53. 寻宝

题目链接
文章讲解

#include<bits/stdc++.h>
using namespace std;

int main() {
    int v, e;
    cin >> v >> e;

    // 创建一个邻接矩阵,初始化为INT_MAX(表示没有边)
    vector<vector<int>> grid(v + 1, vector<int>(v + 1, INT_MAX));

    // mindist数组:存储每个节点到生成树的最小距离,初始化为INT_MAX
    vector<int> mindist(v + 1, INT_MAX);
    
    // visited数组:记录每个节点是否已经加入生成树
    vector<bool> visited(v + 1, false);

    // 输入所有边的信息(节点和权值)
    for (int i = 0; i < e; i++) {
        int x, y, z;
        cin >> x >> y >> z;
        grid[x][y] = z;  // 无向图:邻接矩阵的两个方向都赋值
        grid[y][x] = z;
    }

    // 从节点1开始,距离初始化为0
    int cur = 1;
    
    // 逐步扩展生成树,进行v-1轮
    for (int i = 1; i < v; i++) {
        // 找到未访问节点中,mindist最小的节点
        int minval = INT_MAX;
        
        // 第一步:选距离生成树最近的节点
        for (int j = 1; j <= v; j++) {
            // 如果节点j还没有加入生成树,并且它到生成树的距离小于当前的最小值
            if (!visited[j] && mindist[j] < minval) {
                cur = j;  // 更新当前节点为最小距离的节点
                minval = mindist[j];  // 更新最小值
            }
        }

        // 第二步:最近节点加入生成树
        visited[cur] = true;  // 将当前节点标记为已访问

        // 第三步:更新非生成树节点到生成树的最小距离(更新mindist数组)
        for (int j = 1; j <= v; j++) {
            // 如果节点j没有被访问,并且当前边的权值小于它到生成树的最短距离
            if (!visited[j] && grid[cur][j] < mindist[j]) {
                mindist[j] = grid[cur][j];  // 更新mindist[j]
            }
        }
    }

    // 计算最小生成树的权值总和
    int ans = 0;
    for (int i = 2; i <= v; i++) {
        ans += mindist[i];  // 加入每个节点到生成树的最小距离
    }
    
    cout << ans;  // 输出最小生成树的权值和
}

kruskal算法

边排序:首先将所有的边按权值升序排列。
并查集:通过并查集来判断两个节点是否已经连接,如果没有连接,则将这条边加入到最小生成树中。

#include<bits/stdc++.h>
using namespace std;

struct edge {
    int l, r, v;  // 边的两个端点 l, r 和边的权值 v
};

// 并查集父节点数组,用来存储每个节点的父节点
vector<int> father(10001, 0);

// 初始化并查集,父节点初始化为自己
void init() {
    for(int i = 0; i <= 10001; i++) {
        father[i] = i;  // 每个节点的父节点初始化为它自己
    }
}

// 查找操作,查找节点 u 的根节点
int find(int u) {
    if(u == father[u]) return u;  // 如果父节点是自己,返回该节点
    else return father[u] = find(father[u]);  // 路径压缩,递归查找父节点
}

// 合并操作,合并两个节点所在的集合
void join(int x, int y) {
    int x1 = find(x);  // 查找 x 的根节点
    int y1 = find(y);  // 查找 y 的根节点
    if(x1 == y1) return;  // 如果两个节点已经在同一个集合中,直接返回
    father[y] = x;  // 将 y 的父节点指向 x,合并集合
}

// 边的比较函数,用于排序
bool cmp(edge a, edge b) {
    return a.v < b.v;  // 按边的权值升序排序
}

int main() {
    int v, e;  // v 为节点数,e 为边数
    cin >> v >> e;  // 输入节点数和边数

    vector<edge> edges;  // 存储所有的边
    while(e--) {
        int x, y, z;
        cin >> x >> y >> z;  // 输入边的两个端点和权值
        edges.push_back({x, y, z});  // 将边加入到边的列表中
    }

    sort(edges.begin(), edges.end(), cmp);  // 按照边的权值升序排序
    init();  // 初始化并查集

    int ans = 0;  // 存储最小生成树的权值和
    for(auto i : edges) {
        int x = find(i.l);  // 查找边的起点 i.l 的根节点
        int y = find(i.r);  // 查找边的终点 i.r 的根节点
        if(x != y) {  // 如果两个端点不在同一集合中,说明这条边不形成环
            ans += i.v;  // 将这条边的权值加到最小生成树的权值和中
            join(x, y);  // 合并这两个节点所在的集合
        }
    }

    cout << ans;  // 输出最小生成树的权值和
}

### 关于代码随想录 Day04 的学习资料与解析 #### 一、Day04 主要内容概述 代码随想录 Day04 的主要内容围绕 **二叉树的遍历** 展开,包括前序、中序和后序三种遍历方式。这些遍历可以通过递归实现,也可以通过栈的方式进行迭代实现[^1]。 #### 二、二叉树的遍历方法详解 ##### 1. 前序遍历(Pre-order Traversal) 前序遍历遵循访问顺序:根节点 -> 左子树 -> 右子树。以下是基于递归的实现: ```python def preorderTraversal(root): result = [] def traversal(node): if not node: return result.append(node.val) # 访问根节点 traversal(node.left) # 遍历左子树 traversal(node.right) # 遍历右子树 traversal(root) return result ``` 对于迭代版本,则可以利用显式的栈来模拟递归过程: ```python def preorderTraversal_iterative(root): stack, result = [], [] current = root while stack or current: while current: result.append(current.val) # 访问当前节点 stack.append(current) # 将当前节点压入栈 current = current.left # 转向左子树 current = stack.pop() # 弹出栈顶元素 current = current.right # 转向右子树 return result ``` ##### 2. 中序遍历(In-order Traversal) 中序遍历遵循访问顺序:左子树 -> 根节点 -> 右子树。递归实现如下: ```python def inorderTraversal(root): result = [] def traversal(node): if not node: return traversal(node.left) # 遍历左子树 result.append(node.val) # 访问根节点 traversal(node.right) # 遍历右子树 traversal(root) return result ``` 迭代版本同样依赖栈结构: ```python def inorderTraversal_iterative(root): stack, result = [], [] current = root while stack or current: while current: stack.append(current) # 当前节点压入栈 current = current.left # 转向左子树 current = stack.pop() # 弹出栈顶元素 result.append(current.val) # 访问当前节点 current = current.right # 转向右子树 return result ``` ##### 3. 后序遍历(Post-order Traversal) 后序遍历遵循访问顺序:左子树 -> 右子树 -> 根节点。递归实现较为直观: ```python def postorderTraversal(root): result = [] def traversal(node): if not node: return traversal(node.left) # 遍历左子树 traversal(node.right) # 遍历右子树 result.append(node.val) # 访问根节点 traversal(root) return result ``` 而迭代版本则稍复杂一些,通常采用双栈法或标记法完成: ```python def postorderTraversal_iterative(root): if not root: return [] stack, result = [root], [] while stack: current = stack.pop() result.insert(0, current.val) # 插入到结果列表头部 if current.left: stack.append(current.left) # 先压左子树 if current.right: stack.append(current.right) # 再压右子树 return result ``` #### 三、补充知识点 除了上述基本的二叉树遍历外,Day04 还可能涉及其他相关内容,例如卡特兰数的应用场景以及组合问题的基础模板[^2][^4]。如果遇到具体题目,可以根据实际需求调用相应算法工具。 --- ####
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