一:题目
某学校有N个学生,形成M个俱乐部。每个俱乐部里的学生有着一定相似的兴趣爱好,形成一个朋友圈。一个学生可以同时属于若干个不同的俱乐部。根据“我的朋友的朋友也是我的朋友”这个推论可以得出,如果A和B是朋友,且B和C是朋友,则A和C也是朋友。请编写程序计算最大朋友圈中有多少人。
输入格式:
输入的第一行包含两个正整数N(≤30000)和M(≤1000),分别代表学校的学生总数和俱乐部的个数。后面的M行每行按以下格式给出1个俱乐部的信息,其中学生从1~N编号:
第i个俱乐部的人数Mi(空格)学生1(空格)学生2 … 学生Mi
输出格式:
输出给出一个整数,表示在最大朋友圈中有多少人。
输入样例:
7 4
3 1 2 3
2 1 4
3 5 6 7
1 6
输出样例:
4
二:思路
利用并查集,求得根节点的得数组,再用map<int,int> 来计算当中重复次数多的个数 也就是根节点相同的个数最大值
三:上码
#include<bits/stdc++.h>
using namespace std;
int father[30000];
//int find( int x){
//
// while( x != father[x] )
// {
// x = father[x];
// }
//
// return x;
//}
//压缩路径
int find(int x){
int r=x;
while(father[r]!=r)
r=father[r]; //找到他的前导结点
int i=x,j;
while(i!=r){ //路径压缩算法
j=father[i]; //记录x的前导结点
father[i]=r; //将i的前导结点设置为r根节点
i=j;
}
return r;
}
void merge(int x,int y)
{
int a = find(x);//x的根节点为a
int b = find(y);//y的根节点为b
if( a != b )
father[b] = a;//那么将b的根节点 设为 a
}
int main()
{
int N,M;
cin >> N >> M;
for( int i = 1; i <= N; i++ )
father[i] = i; //设置根节点为数组下标,另外元素值为索引
for( int j = 0; j < M; j++ )
{
int num;
cin >> num;
vector<int>v;
for( int k = 0; k < num; k++ )
{
int numPeople;
cin >> numPeople;
v.push_back(numPeople);
}
for( int i = 0; i < num-1; i++ )
{
if( find(v[i]) != find(v[i+1]) )
merge(v[i],v[i+1]);//比如刚开始的 1和2 他们原来的根节点不同,所以合并 也就是将索引值为2的数组值改为1 即根节点值为1
}
}
map<int,int>m;
for( int i = 1; i <= N; i++)
{
m[find(i)]++; //这里是find(i) 不能是father[i] 否则最后一个测试点答案错误
}
map<int,int>:: iterator t;
int max = 0;
for(t = m.begin(); t!= m.end(); t++)
{
if( max < t->second )
max = t->second;
}
cout << max;
}
//7 4
//3 1 2 3
//2 1 4
//3 5 6 7
//1 6
// 7 4
// 2 1 4
// 3 5 6 7
// 1 6
// 3 1 2 3
四:并查集的相关知识
这道题用到了并查集,所以我就学了一下并查集,所以把自己的见解也分享给大家(建议 先看视频 再浏览 博客 再自己敲一遍 学习效率高而已,我总是乱着来 以为看几篇博客就会了,其实最后还是老老实实 去B站看大佬讲解视频 才搞懂)
1:并查集
查集是一种树型的数据结构,
用于处理一些不相交集合(Disjoint Sets)的合并及查询问题
1:查询元素a和元素b是否属于同一组
2:合并元素a和元素b所在组 (将有相同元素的元素 合并为一个组 )
3:需要初始化一个数组存放父节点,其索引值 代表元素
2:并查集的AC代码(模板`)
/*
并查集是一种树型的数据结构,
用于处理一些不相交集合(Disjoint Sets)的合并及查询问题
1:查询元素a和元素b是否属于同一组
2:合并元素a和元素b所在组 (将有相同元素的元素 合并为一个组 )
3:需要初始化一个数组存放父节点,其索引值 代表元素
*/
#include<bits/stdc++.h>
using namespace std;
int father[100];
int find( int x){
while( x != father[x] )
{
x = father[x];
}
return x;
}
void merge(int x,int y)
{
int a = find(x);//x的根节点为a
int b = find(y);//y的根节点为b
if( a != b )
father[b] = a;//那么将b的根节点 设为 a
}
int main()
{
//初始化: 我们将每一个结点的前导结点设置为自己,
//如果在merge函数时未能形成连通,将独立成点
for( int i = 0; i < 10; i++ )
{
father[i] = i;
}
}
上方的find函数 效率不高,当处理大数据时,使用并查集查找时,如果查找次数很多,那么使用朴素版的查找方式肯定要超时。比如,有一百万个元素,每次都从第一百万个开始找,这样一次运算就是106,如果程序要求查找个一千万次,这样下来就是1013,肯定要出问题的。
所以有了压缩路径的算法(就是一棵树只有叶节点)
void merge(int x,int y){
int a=find(x);//x的根节点为a
int b=find(y);//y的根节点为b
if(a!=b)//如果a,b不是相同的根节点,则说明ab不是连通的
pre[a]=b;//我们将ab相连 将a的前导结点设置为b
}
如有疑问 请留言! 加油陌生的你