并查集—判断二分图（leetcode 785）

题目描述

存在一个 无向图 ，图中有 n 个节点。其中每个节点都有一个介于 0 到 n - 1 之间的唯一编号。给你一个二维数组 graph ，其中 graph[u] 是一个节点数组，由节点 u 的邻接节点组成。形式上，对于 graph[u] 中的每个 v ，都存在一条位于节点 u 和节点 v 之间的无向边。该无向图同时具有以下属性：

    不存在自环（graph[u] 不包含 u）。
    不存在平行边（graph[u] 不包含重复值）。
    如果 v 在 graph[u] 内，那么 u 也应该在 graph[v] 内（该图是无向图）
    这个图可能不是连通图，也就是说两个节点 u 和 v 之间可能不存在一条连通彼此的路径。

二分图 定义：如果能将一个图的节点集合分割成两个独立的子集 A 和 B ，并使图中的每一条边的两个节点一个来自 A 集合，一个来自 B 集合，就将这个图称为 二分图 。

如果图是二分图，返回 true ；否则，返回 false 。

示例 1：

输入：graph = [[1,2,3],[0,2],[0,1,3],[0,2]]
输出：false
解释：不能将节点分割成两个独立的子集，以使每条边都连通一个子集中的一个节点与另一个子集中的一个节点。

示例 2：

 

输入：graph = [[1,3],[0,2],[1,3],[0,2]]
输出：true
解释：可以将节点分成两组: {0, 2} 和 {1, 3} 。

提示：

    graph.length == n
    1 <= n <= 100
    0 <= graph[u].length < n
    0 <= graph[u][i] <= n - 1
    graph[u] 不会包含 u
    graph[u] 的所有值 互不相同
    如果 graph[u] 包含 v，那么 graph[v] 也会包含 u

算法分析

我们知道如果是二分图的话，那么图中每个顶点的所有邻接点都应该属于同一集合，且不与顶点处于同一集合。因此我们可以使用并查集来解决这个问题，我们遍历图中每个顶点，将当前顶点的所有邻接点进行合并，并判断这些邻接点中是否存在某一邻接点已经和当前顶点处于同一个集合中了，若是，则说明不是二分图。

并查集

class Solution {
public:
    vector<int> parents;
    vector<int> ranks;
    void Init(int n) {
        parents.resize(n);
        ranks.resize(n, 1);
        for(int i = 0; i < n; ++i) {
            parents[i] = i;
        }
    }
    int find(int x) {
        return x == parents[x]? x: parents[x] = find(parents[x]);
    }
    void merge(int i, int j) {
        int iroot = find(i);
        int jroot = find(j);
        if(iroot == jroot) {
            return;
        }
        if(ranks[iroot] <= ranks[jroot]) {
            parents[iroot] = jroot;
        } else {
            parents[jroot] = iroot;
        }
        if(ranks[iroot] == ranks[jroot] && iroot != jroot) {
            ranks[jroot]++;
        }
    }
    int isConnection(int i, int j) {
        return find(i) == find(j);
    }
    bool isBipartite(vector<vector<int>>& graph) {
        int n = graph.size();
        Init(n);
        for(int v = 0; v < n; ++v) {
            for(int neighbor = 0; neighbor < graph[v].size(); ++neighbor) {
                if(isConnection(v, graph[v][neighbor])) {
                    return false;
                }
                merge(graph[v][0], graph[v][neighbor]);
            }
        }
        return true;
    }
};

深度优先搜索

class Solution {
public:
    vector<int> visited;
    bool dfs(vector<vector<int>>& graph, int v, int color) {
        if(visited[v] != 0) {
            return visited[v] == color;
        }
        visited[v] = color;
        for(auto& node : graph[v]) {
            if(!dfs(graph, node, -color)) {
                return false;
            }
        }
        return true;
    }
    bool isBipartite(vector<vector<int>>& graph) {
        int n = graph.size();
        visited.resize(n, 0);
        for(int i = 0; i < n; ++i) {
            if(visited[i] == 0) {
                if(!dfs(graph, i, 1)) {
                    return false;
                }
            }
        }
        return true;
    }
};

 广度优先搜索

class Solution {
public:
    bool isBipartite(vector<vector<int>>& graph) {
        int n = graph.size();
        vector<int> visited(n, 0);
        queue<int> que;
        for(int i = 0; i < n; ++i) {
            if(visited[i] != 0) {
                continue;
            }
            que.push(i);
            visited[i] = 1;
            while(!que.empty()) {
                int v = que.front();
                que.pop();
                for(auto& neighbor : graph[v]) {
                    
                    if(visited[neighbor] == 0) {
                        visited[neighbor] = -visited[v];
                        que.push(neighbor);
                    } else if(visited[v] == visited[neighbor]){
                        return false;
                    }
                }
            }
        }
        return true;

    }
};

 复杂度分析

时间复杂度：O(N+M)，其中 N和 M分别是无向图中的点数和边数。

空间复杂度：O(N)，存储节点颜色的数组需要 O(N)的空间，并且在深度优先搜索的过程中，栈的深度最大为 N，需要 O(N)的空间。

空间复杂度：O(N)，存储节点颜色的数组需要 O(N) 的空间，并且在广度优先搜索的过程中，队列中最多有 N−1个节点，需要 O(N) 的空间。