一、问题描述
题目的👍数:303
题目的👎数:24
给你一个points 数组,表示 2D 平面上的一些点,其中 points[i] = [xi, yi] 。
连接点 [xi, yi] 和点 [xj, yj] 的费用为它们之间的 曼哈顿距离 :|xi - xj| + |yi - yj| ,其中 |val| 表示 val 的绝对值。
请你返回将所有点连接的最小总费用。只有任意两点之间 有且仅有 一条简单路径时,才认为所有点都已连接。
输入:points = [[0,0],[2,2],[3,10],[5,2],[7,0]]
输出:20
解释:
我们可以按照上图所示连接所有点得到最小总费用,总费用为 20 。
注意到任意两个点之间只有唯一一条路径互相到达。
二、解题思路
一个典型的最小生成树问题
prim算法的关键在于利用min数组动态记录每个节点与树之间的最小距离
kruskal算法的关键在于利用并查集记录连通的元素
三、代码
class Solution { //prim算法实现
public int minCostConnectPoints(int[][] points) {
//最小生成树?XX 整个拓扑图的长度最短
//最短路径?XX 两个点之间的路径最短
return prim(points);
}
public int prim(int[][] points) {//普利姆算法:加点法,复杂度和点有关,适合于稠密图
//1、更新所有未选择的点到已选择的点的最小距离
//2、选择最小距离的点加入
int number = points.length;//number代表有多少个点
int[] min = new int[number];//min数组保存未加入的点到树的最短距离,每次我们根据这个数组来选择应该加入哪个点
int[] flag = new int[number];//flag数组记录点是否已经加入,也可以直接用min数组来记录,访问到即记为-1
int[][] dis = new int[number][number];//dis数组保存点与点之间的距离
for(int i = 0;i<number;++i) {
for(int j = 0;j<number;++j) {
if(i == j) dis[i][j] = Integer.MAX_VALUE;
else dis[i][j] = Math.abs(points[i][0]-points[j][0]) + Math.abs(points[i][1]-points[j][1]);
}
min[i] = dis[i][0];
}
int cost = 0;
flag[0] = 1;
for(int i = 1;i<number;++i) {
int next = -1;
int curMinDis = Integer.MAX_VALUE;
for(int j = 0;j<number;++j) { //找到下一个插入的点,即是min数组的最小值,初始化数组全为dis[i][0],因为我们从0点开始出发
if(flag[j] == 0 && min[j] < curMinDis) {
next = j;
curMinDis = min[j];
}
}
flag[next] = 1;
cost += curMinDis;
for(int j = 0;j<number;++j) { //更新数组,保证每一步我们取的都是最小值
min[j] = Math.min(min[j],dis[next][j]);
}
}
return cost;
}
}
class Solution {//Kruskal算法实现
public int minCostConnectPoints(int[][] points) {
//最小生成树?XX 整个拓扑图的长度最短
//最短路径?XX 两个点之间的路径最短
return kruskal(points);
}
class Edge { //使用这个类是因为我们需要不断加入边,并且对边进行排序
int p1;
int p2;
int distance;
public Edge(int p1,int p2,int distance) {
this.p1 = p1;
this.p2 = p2;
this.distance = distance;
}
}
//并查集,UF,对于每个点都记录其的root节点
public boolean union(int p1,int p2,int[] rec) {//false代表没有两个点的根不同,即没有连在树内
int rootP1 = find(p1,rec);
int rootP2 = find(p2,rec);
rec[rootP1] = rootP2; //两个根节点指向一起
if(rootP1 != rootP2) return false;
else return true;
}
public int find(int target,int[] rec) {
int root = target;
while(root != rec[root]) {
root = rec[root];
}
int cur = target;
while(cur != root) {
rec[cur] = root;
cur = rec[cur];
}
return root;
}
public int kruskal(int[][] points) {//克鲁斯卡尔算法:加边法,复杂度和边有关,适合于稀疏图
//1、对所有的边进行排序,时间复杂度?
//2、选择最小的边,并用并查集判断该边对应的两个点是否已经加入到树中
int length = points.length;
Edge[] edges = new Edge[length*length];
for(int i = 0;i<length;++i) {//初始化距离数组
for(int j = 0;j<length;++j) {
int distance = i == j ? Integer.MAX_VALUE:Math.abs(points[i][0]-points[j][0]) + Math.abs(points[i][1]-points[j][1]);
edges[i*length+j] = new Edge(i,j,distance);
}
}
Arrays.sort(edges,new Comparator<Edge>() { //排序
@Override
public int compare(Edge e1,Edge e2) {
return e1.distance-e2.distance;
}
});
int[] rec = new int[length];//初始化并查集数组
for(int i = 0;i<length;++i) rec[i] = i;
int count = 0;
int cost = 0;
for(int i = 0;i<edges.length && count<length-1;++i) {
Edge edge = edges[i];
int p1 = edge.p1;
int p2 = edge.p2;
if(union(p1,p2,rec) == false) {
++count;
cost+=edge.distance;
}
}
return cost;
}
}