Go   发布时间:2022-04-09  发布网站:大佬教程  code.js-code.com
大佬教程收集整理的这篇文章主要介绍了解决连通性问题的四种算法大佬教程大佬觉得挺不错的,现在分享给大家,也给大家做个参考。

连通性问题

问题概述

先来看一张图:

在这个彼此连接和断开的点网络中,我们可以找到一条 p 点到 q 点的路径。在计算机网络中判断两台主机是否连通、在社交网络中判断两个用户是否存在间接社交关系等,都可以抽象成连通性问题。

问题抽象

可将网络中的点(主机、人)抽象为对象,p-q@H_618_16@ 表示 p连接到q,连通关系可传递: p-q & q-r => p-r@H_618_16@;为简述问题,将两个对象标记一个整数对,则给定整数对序列就能描述出点网络。

如下图结点数 N = 5 的网络(使用 0 ~ N-1表示对象),可用整数对序列 0-1 1-3 2-4@H_618_16@ 来描述连通关系, 其中 0 和 3 也是连通的,存在两个连通分量:{0,1,3} 和 {2,4}

问题:给定描述连通关系的整数对序列,任给其中两个整数 p 和 q,判断其是否能连通?

问题示例

输入     不连通    连通 
3-4     3-4
4-9     4-9
8-0     8-0
2-3     2-3
5-6     5-6
2-9             2-3-4-9    
5-9     5-9
7-3     7-3
4-8     4-8
5-6             5-6
0-2             0-8-4-3-2
6-1     6-1

对应的连通图如下,黑线表示首次连接两个结点,绿线表示两结点已存在连通关系:

算法一:快速查找算法

使用数组 id[i]@H_618_16@ 存储结点的值, i@H_618_16@ 为结点序号,即初始状态序号和数组值相同 :

当输入前两个连通关系后, id[i]@H_618_16@ 变化如下:

可以看出id[i]@H_618_16@ 的值是完成连通后,i@H_618_16@ 连接到的终点结点。若 p 和 q 连通,则 id[p]@H_618_16@ 和 id[q]@H_618_16@ 值应相等。

如完成 4-9@H_618_16@ 后, id[3]@H_618_16@ 和 id[4]@H_618_16@ 的值均为终点结点 9。此时判断 3 和 9 是否连通,直接判断 id[3]@H_618_16@ 和 id[9]@H_618_16@ 的值是否相等,相等则连通,不等则不存在连通关系。显然 id[3] == id[9] == 9@H_618_16@,即存在连通关系。

算法实现
/** file: 1.1-quick_find.go */
package main

import ...

const N = 10
var id [n]int

func main() {
    reader := bufio.NewReader(os.Stdin)

    // 初始化 id 数组,元素值与结点序号相等
    for i := 0; i < N; i++ {
        id[i] = i
    }

    // 读取命令行输入
    for {
        data,_,_ := reader.ReadLine()
        str := String(data)
        if str == "\n" {
            conTinue
        }
        if str == "#" {
            break
        }

        values := Strings.Split(str," ")
        p,_ := strconv.Atoi(values[0])
        q,_ := strconv.Atoi(values[1])

        if Connected(p,q) {
            fmt.Printf("Already Connected nodes: %d-%d\n",p,q)
            conTinue
        }
        Union(p,q)
    }
}

// 判断整数 p 和 q 的结点是否连通
func Connected(p,q int) bool {
    return id[p] == id[q]
}

// 连通 p-q 结点
func Union(p,q int) {
    pid := id[p]
    qid := id[q]
    // 遍历 id 数组,将所有值为 id[p] 的结点全部替换为 id[q]
    for i := 0; i < N; i++ {
        if id[i] == pid {
            id[i] = qid
        }
    }
    fmt.Printf("Unconnected nodes: %d-%d\n",q)
}
运行效果:能判断 2-9 已存在连通关系

复杂度

快速查找算法在判断 p 和 q 是否连通时,只需判断 id[p]@H_618_16@ 和 id[q]@H_618_16@ 是否相等。但 p 和 q 不连通时会进行合并,每次合并都需要遍历整个数组。特性:查找快、合并慢

算法二:快速合并算法

概述

快速查找算法每次合并都会全遍历数组导致低效。我们想能不能不要每次都遍历 id[]@H_618_16@ ,优化为每次只遍历数组的部分值,复杂度都会降低。

这时应想到树结构,在连通关系的传递性中,p->r & q->r => p->q@H_618_16@,可将 r 视为根,p 和 q 视为子结点,因为 p 和 q 有相同的根 r,所以 p 和 q 是连通的。这里的树是连通关系的抽象。

数据结构

使用数组作为树的实现:

  • 结点数组 id[n]@H_618_16@,id[i]@H_618_16@ 存放 i@H_618_16@ 的父结点
  • i@H_618_16@ 的根结点是 id[id[...id[i]...]]@H_618_16@,不断向上找父结点的父结点...直到根结点(父结点是自身)
使用树的优势

将整数对序列的表示从数组改为树,每个结点存储它的父结点位置,这种树有 2 点好处:

  1. 判断 p 和 q 是否连通:是否有相同的根结点
  2. 合并 p 到 q:将 p 的根结点改为 q 的根结点(无需全遍历,快速合并)
例子:

对于上边的整数对序列,查找、合并过程如下,橙色是合并动作、灰色是已连通状态、绿色是存储树的数组。

注意红色的 2-3@H_618_16@,不是直接把 2 作为 3 的子结点,而是找到 3 的根结点 9,合并 2-3@H_618_16@ 与 3-4-9@H_618_16@ ,生成 2-9@H_618_16@

算法实现:

/** file: 1.2-quick_union.go */

// p 和 q 有相同的根结点,则是连通的
func Connected(p,q int) bool {
    return getRoot(p) == getRoot(q)
}

// 连通 p-q 结点
func Union(p,q int) {
    pRoot := getRoot(p)
    qRoot := getRoot(q)
    id[pRoot] = qRoot        // q 树的根此时有了父结点(p 树的根),完成合并
    fmt.Printf("Unconnected nodes: %d-%d\n",q)
}


// 获取结点 i 的根结点
func getRoot(i int) int {
    // 没到根结点就继续向上寻找
    for i != id[i] {
        i = id[i]
    }
    return i
}

算法三:带权快速合并算法

概述

快速合并算法有一个缺陷:数据量很大时,任意合并子树,会导致树越来越高,在查找根结点时要遍历数组大部分的值,依旧会很慢。下图中判断 p、q 是否连通,就需要查找 13 个结点:

如果树合并后的依旧比较矮,各子树之间平衡,则查找根结点会少遍历很多结点,下图中再判断 p、q 是否连通,只需查找 7 个结点:

平衡树的构建

构建平衡的树需要在合并时,将小树合并到大树上,保证合并后的树增高缓慢或者就不增高,从而使大部分的合并需要遍历的结点大大减少。区分小树、大树使用的是树的权值:子树含有结点的个数。

数据结构

树结点的存储依旧使用 id[i]@H_618_16@ ,但需要一个额外的数组 size[i]@H_618_16@,记录结点 i 的子结点数。

算法实现
/**
file: 1.3-weighted_version.go
在快速合并算法的基础上,只需要在合并操作中,将小树合并到大树上即可
*/

var id [n]int
var size [n]int

func main() {
     // 初始化 id 数组,元素值与结点序号相等
    for i := 0; i < N; i++ {
        id[i] = i
        size[i] = i
    } 
      ...
}  

...

// 连通 p-q 结点
func Union(p,q int) {
    pRoot := getRoot(p)
    qRoot := getRoot(q)

    // p 树是大树
    if size[pRoot] < size[qRoot] {
        id[pRoot] = qRoot
        size[qRoot] += size[pRoot]
    } else {
        id[qRoot] = id[pRoot]
        size[pRoot] += size[qRoot]
    }

    id[pRoot] = qRoot // q 树的根此时有了父结点(p 树的根),完成合并
    fmt.Printf("Unconnected nodes: %d-%d\n",q)
}

算法四:路径压缩的加权快速合并算法

概述

加权快速合并算法在大部分整数对都是直接连接的情况下,生成的树依旧会比较高,比如序列:

10-8 8-6 11-9 12-9 9-6 6-3 7-3 3-1 4-1 5-1 1-0 2-0

生成的树如下:

此时判断 9-2@H_618_16@ 的连通关系,需要分别找到 9 和 2 的根结点。在寻找 9 的根结点时经过 6、3、1树,因为6、3、1树的子节点和 9 一样,根结点都是 0,所以直接把6、3、1树变成 0 的子树。如下:

优化

每次计算某个节点的根结点时,将沿路检查的结点也指向根结点。尽可能的展平树,在检查连通状态时将大大减少遍历的结点数目。

算法实现
/**
file: 1.4-path_compression_by_halving.go
改动的代码很少,但很精妙
*/

// 获取结点 i 的根结点
func getRoot(i int) int {
    // 没到根结点就继续向上寻找
    for i != id[i] {
        id[i] = id[id[i]]        // 将结点、结点的父结点不断往上挪动,直到都连接上了根结点
        i = id[i]
    }
    return i
}
复杂度

N 是结点集合的大小,T 是树的高度。

算法 初始化的复杂度 合并复杂度 查找复杂度
快速查找 N N(全遍历) 1(数组取值对比)
快速合并 N T(遍历树) T(遍历树)
带权快速合并 N lg N lg N
路径压缩的带权快速合并 N 接近1(树的高度几乎为2) 接近1

总结

上边介绍了 4 种解决连通性问题的算法,从低效完成基本功能快速查找,到不断优化降低复杂度接近1 的路径压缩带权快速合并。可以学到算法解决程序问题的大致步骤:先完成基本功能,再针对低效操作来优化降低复杂度。

原文:https://wuyin.io/2018/01/27/c...

大佬总结

以上是大佬教程为你收集整理的解决连通性问题的四种算法全部内容,希望文章能够帮你解决解决连通性问题的四种算法所遇到的程序开发问题。

如果觉得大佬教程网站内容还不错,欢迎将大佬教程推荐给程序员好友。

本图文内容来源于网友网络收集整理提供,作为学习参考使用,版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ:384754419,请注明来意。