列出连通集

本文介绍了一个使用深度优先搜索(DFS)和广度优先搜索(BFS)来找出无向图中所有连通集的C++实现。通过创建图、遍历节点并打印每个连通集的过程,展示了如何利用这两种搜索算法来解决实际问题。

列出连通集

#include<stdio.h>
#include<stdlib.h>
#include<cstdio>
#include<iostream>
#include<stack>
#include<queue>
#include<string.h>
using namespace std;
#define MaxVerNum 100

queue<int> q;

typedef struct GNode *PtrToGNode;
struct GNode 
{
    int Edgs[MaxVerNum][MaxVerNum];
    int Vnum,Enum;
    int Visited[MaxVerNum];

}Graph;
typedef PtrToGNode MGraph;

MGraph CreateGraph()
{
    MGraph G;
    G = (MGraph)malloc(sizeof(Graph));
    int n,e;
    cin>>n>>e;
    G->Vnum=n;
    G->Enum=e;
    for(int i=0;i<G->Vnum;i++)
    for(int j=0;j<G->Vnum;j++)
    {
        G->Edgs[i][j]=0;
        G->Visited[i]=0;
        G->Edgs[i][i]=1;
    }
    int a,b;
    for(int i=1;i<=G->Enum;i++)
    {
        scanf("%d%d",&a,&b);
        G->Edgs[a][b]=G->Edgs[b][a]=1;
    }
    return G;
}
void DFS(MGraph G, int v)
{

    for(int i=0;i<G->Vnum;i++)
    {
        if(G->Visited[i]==0&&G->Edgs[v][i]==1)
        {
            printf(" %d",i);
            G->Visited[i]=1;
            DFS(G,i);
        }
    }

}
void BFS(MGraph G, int v)
{
    for(int i=0;i<G->Vnum;i++)
    {
        if(G->Visited[i]==0&&G->Edgs[v][i]==1)
        {
            printf(" %d",i);
            G->Visited[i]=1;
            q.push(i);
        }
    }
    while(!q.empty())
    {
        int a=q.front();
        q.pop();
        BFS(G,a);
    }
}
void Print(MGraph G)
{
    for(int i=0;i<G->Vnum;i++)
    {
        if(G->Visited[i]==0)
        {
            printf("{");
            DFS(G,i);
            printf(" }\n");
        }
    }
    for(int j=0;j<G->Vnum;j++)
    {
        G->Visited[j]=0;    
    }
    for(int i=0;i<G->Vnum;i++)
    {
        if(G->Visited[i]==0)
        {
            printf("{");
            BFS(G,i);
            printf(" }\n");
        }
    }
}
int main() 
{
    MGraph G;
    G=CreateGraph();
    Print(G);
    return 0;

}


### 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
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