在一个社区里,每个人都有自己的小圈子,还可能同时属于很多不同的朋友圈。我们认为朋友的朋友都算在一个部落里,于是要请你统计一下,在一个给定社区中,到底有多少个互不相交的部落?并且检查任意两个人是否属于同一个部落。
输入格式:
输入在第一行给出一个正整数N(≤104),是已知小圈子的个数。随后N行,每行按下列格式给出一个小圈子里的人:
K P[1] P[2] ⋯ P[K]
其中K是小圈子里的人数,P[i](i=1,⋯,K)是小圈子里每个人的编号。这里所有人的编号从1开始连续编号,最大编号不会超过104。
之后一行给出一个非负整数Q(≤104),是查询次数。随后Q行,每行给出一对被查询的人的编号。
输出格式:
首先在一行中输出这个社区的总人数、以及互不相交的部落的个数。随后对每一次查询,如果他们属于同一个部落,则在一行中输出Y
,否则输出N
。
输入样例:
4
3 10 1 2
2 3 4
4 1 5 7 8
3 9 6 4
2
10 5
3 7
输出样例:
10 2
Y
N
思路:
简单的并查集,直接套用并查集即可。
并查集(Disjoint Set Union,DSU)是一种数据结构,用于管理元素的分组和查询。它主要支持两种操作:查找(Find)和合并(Union)。
-
查找(Find): 查找操作用于确定某个元素属于哪个集合,通常是通过查找该元素所在的根节点来实现的。根节点的特点是指向自己,即
p[u] = u
。查找操作可能会进行路径压缩,即在查找的过程中,将经过的节点直接指向根节点,以减少后续查找的时间。 -
合并(Union): 合并操作用于将两个集合合并为一个集合,通常是将其中一个集合的根节点指向另一个集合的根节点。这样,两个集合就合并为一个大的集合了。合并操作的时间复杂度通常很小,因为只需修改少量节点的指向。
并查集常用于解决诸如连通性、最小生成树等问题。例如,在图论中,可以使用并查集来判断两个节点是否在同一个连通分量中,从而判断图是否连通;在最小生成树算法中,也可以使用并查集来判断两个节点是否在同一个集合中,以决定是否将它们连接起来。
并查集的一个优点是,它在连接和查询的时间复杂度都是接近常数级别的,因此在某些需要频繁进行这两种操作的问题中非常高效。
代码:
#include <iostream>
#include <set>
using namespace std;
const int N = 1e4 + 10;
int n, x;
int p[N];
set<int>s;
// 查找并路径压缩
int find(int u) {
if (p[u] != u) p[u] = find(p[u]);
return p[u];
}
int main() {
// 初始化并查集
for (int i = 1; i < N; i ++ ) p[i] = i;
// 输入数据
cin >> n;
for (int i = 0; i < n; i ++ ) {
cin >> x;
int a, b;
cin >> a;
s.insert(a);
for (int j = 0; j < x - 1; j ++ ) {
cin >> b;
s.insert(b);
// 合并集合
a = find(a), b = find(b);
p[b] = a;
}
}
// 确定每个元素所在的集合
for (int i = 1; i <= s.size(); i ++ ) find(i);
// 统计集合的个数
set<int>res;
for (int i = 1; i <= s.size(); i ++ ) res.insert(p[i]);
// 输出集合个数和连通分量个数
cout << s.size() << ' ' << res.size() << endl;
int q;
// 查询是否连通
cin >> q;
while (q -- ) {
int a, b;
cin >> a >> b;
a = find(a), b = find(b);
if (a == b) puts("Y");
else puts("N");
}
}