D. Connect the Dots
文章目录
题意
D. 连点成线
每个测试的时间限制:2 秒
每个测试的内存限制:512 兆字节
一个美好的夜晚,Alice 坐下来玩经典的“连点成线”游戏,不过这次有些不同。
为了玩这个游戏,Alice 画了一条直线,并在上面标记了 𝑛 个点,编号从 1 到 𝑛。最初,这些点之间没有任何连接,所以它们都是独立的。在这之后,Alice 进行 𝑚 次以下类型的操作:
- 她选择三个整数 𝑎 𝑖 𝑎_𝑖 ai、 𝑑 𝑖 𝑑_𝑖 di(1≤ d 𝑖 d_𝑖 di≤10)和 𝑘 𝑖 𝑘_𝑖 ki。
- 她选择点 𝑎 𝑖 𝑎_𝑖 ai、 𝑎 𝑖 + 𝑑 𝑖 𝑎_𝑖+𝑑_𝑖 ai+di、 𝑎 𝑖 + 2 𝑑 𝑖 𝑎_𝑖+2𝑑_𝑖 ai+2di、 𝑎 𝑖 + 3 𝑑 𝑖 𝑎_𝑖+3𝑑_𝑖 ai+3di,…, 𝑎 𝑖 + 𝑘 𝑖 ⋅ 𝑑 𝑖 𝑎_𝑖+𝑘_𝑖⋅𝑑_𝑖 ai+ki⋅di,并将这些点之间两两相连。
在执行完所有 𝑚 次操作后,她想知道这些点形成了多少个连通分量。请帮她找到这个数量。
注释:如果两个点之间存在通过若干(可能为零)个连接点和其他点的路径,则它们属于同一个连通分量。
输入
每个测试包含多个测试用例。第一行包含测试用例的数量 𝑡 𝑡 t(1 ≤ 𝑡 𝑡 t ≤ 10⁵)。每个测试用例的描述如下。
每个测试用例的第一行包含两个整数 𝑛 𝑛 n 和 𝑚 𝑚 m(1 ≤ 𝑛 𝑛 n ≤ 2⋅10⁵, 1 ≤ 𝑚 𝑚 m ≤ 2⋅10⁵)。
接下来的 𝑚 𝑚 m 行中,第 𝑖 𝑖 i 行包含三个整数 𝑎 𝑖 𝑎_𝑖 ai、 𝑑 𝑖 𝑑_𝑖 di 和 𝑘 𝑖 𝑘_𝑖 ki(1 ≤ 𝑎 𝑖 𝑎_𝑖 ai ≤ 𝑎 𝑖 + 𝑘 𝑖 ⋅ 𝑑 𝑖 𝑎_𝑖 + 𝑘_𝑖⋅𝑑_𝑖 ai+ki⋅di ≤ 𝑛, 1 ≤ 𝑑 𝑖 𝑑_𝑖 di ≤ 10, 0 ≤ 𝑘 𝑖 𝑘_𝑖 ki ≤ 𝑛)。
保证所有测试用例中 𝑛 𝑛 n 和 𝑚 𝑚 m 的总和不超过 2 ⋅ 1 0 5 2⋅10⁵ 2⋅105。
输出
对于每个测试用例,输出连通分量的数量。
示例
输入
3
10 2
1 2 4
2 2 4
100 1
19 2 4
100 3
1 2 5
7 2 6
17 2 31
输出
2
96
61
说明
在第一个测试用例中,有 𝑛 𝑛 n = 10 个点。第一次操作连接了点 1、3、5、7 和 9。第二次操作连接了点 2、4、6、8 和 10。因此,有两个连通分量:{1,3,5,7,9} 和 {2,4,6,8,10}。
在第二个测试用例中,有 𝑛 𝑛 n = 100 个点。唯一的操作连接了点 19、21、23、25 和 27。它们形成了一个大小为 5 的连通分量。其余的 95 个点形成了单点连通分量。因此,答案是 1+95=96。
在第三个测试用例中,有 𝑛 𝑛 n = 100 个点。经过这些操作,所有从 1 到 79 的奇数点将会形成一个大小为 40 的连通分量。其余的 60 个点形成了单点连通分量。因此,答案是 1+60=61。
一、问题分析
很明了,就是要求连通分量的个数,一下子就能想到并查集,统计相异父节点的个数,得到答案。
import java.util.Scanner;
public class Main {
public static int find(int x, int[] father){
if(father[x] != x){
father[x] = find(father[x], father);
}
return father[x];
}
public static void join(int x, int y, int[] father){
int rootX = find(x, father);
int rootY = find(y, father);
if(rootX != rootY){
father[rootX] = rootY;
}
}
public static int solution(int n, int m, int[][] op) {
// 有 1 到 n 个点;m 个操作,返回最后的连通分量的个数
int[] father = new int[n + 1];
// 初始化并查集
for(int i = 1; i <= n; i++){
father[i] = i;
}
for(int i = 0; i < m; i++){
int a = op[i][0];
int d = op[i][1];
int k = op[i][2];
for(int j = 1; j <= k; j++){
join(a, a + j*d, father);
}
}
int cnt = 0;
// 统计连通分量的个数
for(int i = 1; i <= n; i++){
if(father[i] == i){
cnt++;
}
}
return cnt;
}
public static void main(String[] args) {
Scanner scanner = new Scanner(System.in);
int cnt = scanner.nextInt(); // Number of test cases
while (cnt-- > 0) {
int n = scanner.nextInt();
int m = scanner.nextInt();
int[][] op = new int[m][3];
for(int i = 0; i < m; i++){
int a = scanner.nextInt();
int d = scanner.nextInt();
int k = scanner.nextInt();
op[i][0] = a;
op[i][1] = d;
op[i][2] = k;
}
System.out.println(solution(n, m, op));
}
scanner.close();
}
}
提交答案,结果超时了!
让我们分析一下时间复杂度,复杂度主要是下面的代码造成的,时间复杂度:
O
(
n
+
m
∗
k
)
O(n + m*k )
O(n+m∗k)
- join函数复杂度:并查集的 j o i n join join 操作的时间复杂度一开始为 O ( l o g ( n ) ) O(log(n)) O(log(n)),随着节点的增加趋近于 O ( 1 ) O(1) O(1) 。
// 初始化并查集
for(int i = 1; i <= n; i++){
father[i] = i;
}
for(int i = 0; i < m; i++){
int a = op[i][0];
int d = op[i][1];
int k = op[i][2];
for(int j = 1; j <= k; j++){
join(a, a + j*d, father);
}
}
- 操作中的循环:在每次操作中,通过
join
函数连接多个节点(k
次),这会随着k
值的增加带来较大的复杂度。如果k
和d
较大,单次操作的复杂度会非常高。主要就是连接 a a a 和 a + d , a + 2 d , a + 3 d , . . . , a + k d a + d, a + 2d, a + 3d, ..., a + kd a+d,a+2d,a+3d,...,a+kd,更新父节点造成严重的时间复杂度。
for(int j = 1; j <= k; j++){
join(a, a + j*d, father, rank);
}
二、优化代码
使用动态规划算法,用空间换时间。时间复杂度: O ( 10 ∗ n + m ) O(10*n + m) O(10∗n+m)
import java.util.Scanner;
public class Main {
public final static int N = 200002;
public final static int C = 11;
public static int find(int x, int[] father) {
if (father[x] != x) {
father[x] = find(father[x], father);
}
return father[x];
}
public static void join(int x, int y, int[] father) {
int rootX = find(x, father);
int rootY = find(y, father);
if (rootX != rootY) {
father[rootX] = rootY; // 将 rootY 连接到 rootX
}
}
public static int solution(int n, int m, int[][] op) {
// 有 1 到 n 个点;m 个操作,返回最后的连通分量的个数
int[] father = new int[n + 1];
// dp[i][j] 表示以 i 为起点,公差为 j 的等差数列的长度
int[][] dp = new int[n + 1][C];
// ind[i][j] 表示以 i 为起点,公差为 j 的等差数列的终点
int[][] ind = new int[n + 1][C];
// start_cnt[i][j] 表示以 i 为起点,公差为 j 的等差数列的个数
int[][] start_cnt = new int[n + 1][C];
// end_cnt[i][j] 表示以 i 为终点,公差为 j 的等差数列的个数
int[][] end_cnt = new int[n + 1][C];
// 初始化并查集
init(n, father, dp, ind, start_cnt, end_cnt, C);
// 遍历操作
for (int i = 0; i < m; i++) {
int a = op[i][0];
int d = op[i][1];
int k = op[i][2];
// 以 a 为起点,公差为 d 的等差数列的个数加一
start_cnt[a][d]++;
if (a + k * d < N) {
// 以 a + k * d 为终点,公差为 d 的等差数列的个数加一
end_cnt[a + k * d][d]++;
}
}
for (int i = 1; i <= n; i++) {
for (int j = 1; j < C; j++) {
// 计算以 i 为起点,公差为 j 的等差数列的长度
dp[i][j] = start_cnt[i][j] - end_cnt[i][j];
// 如果 i - j < 1,跳过
/**
* 这段逻辑用于跳过那些会导致数组下标越界的情况。
* 具体来说,当 `i - j < 1` 时,`dp[i - j][j]` 会访问负数或零的下标,
* 这是不合法的数组访问。因此,跳过这些情况可以避免运行时错误。
*/
if (i - j < 1) {
continue;
}
// 如果 dp[i - j][j] > 0,合并两个等差数列
if (dp[i - j][j] > 0) {
// 合并两个等差数列
join(ind[i - j][j], i, father);
// 更新终点
ind[i][j] = ind[i - j][j];
// 更新长度
dp[i][j] += dp[i - j][j];
}
}
}
int cnt = 0;
// 统计连通分量的个数
for (int i = 1; i <= n; i++) {
if (father[i] == i) {
cnt++;
}
}
return cnt;
}
public static void init(int n, int[] father, int[][] dp, int[][] ind, int[][] start_cnt, int[][] end_cnt, int c) {
for (int i = 1; i <= n; i++) {
father[i] = i;
for (int j = 1; j < c; j++) {
dp[i][j] = start_cnt[i][j] = end_cnt[i][j] = 0;
ind[i][j] = i;
}
}
}
public static void main(String[] args) {
Scanner scanner = new Scanner(System.in);
int cnt = scanner.nextInt(); // Number of test cases
while (cnt-- > 0) {
int n = scanner.nextInt();
int m = scanner.nextInt();
int[][] op = new int[m][3];
for (int i = 0; i < m; i++) {
int a = scanner.nextInt();
int d = scanner.nextInt();
int k = scanner.nextInt();
op[i][0] = a;
op[i][1] = d;
op[i][2] = k;
}
System.out.println(solution(n, m, op));
}
scanner.close();
}
}
提交结果
三、进一步优化
并查集路径压缩与按秩/大小合并的优化:当前实现中只有路径压缩,而没有按秩/大小合并(union by rank 或者 union by size),这可能导致在某些情况下,树的高度较大,影响性能。
1. 按秩合并(Union by Rank)
通过在 join
时优先将小集合合并到大集合,可以有效减少树的高度,提升查找的效率。
2. 按大小合并(Union by Size)
倾向于将节点较少的树合并到节点较多的树上,而不是严格按照高度。但在许多实际应用中,这两种方法的性能差异通常不大,尤其是当它们与路径压缩一起使用时。
优化说明:
- 按秩合并(
rank[]
数组):在合并过程中,通过维护每个集合的秩来选择将较小的树连接到较大的树,从而有效降低树的高度。
这个优化可以显著提高代码的运行效率,特别是对于大规模输入时。
import java.util.Scanner;
public class Main {
public final static int N = 200002;
public final static int C = 11;
public static int find(int x, int[] father) {
if (father[x] != x) {
father[x] = find(father[x], father);
}
return father[x];
}
public static void join(int x, int y, int[] father, int[] rank) {
int rootX = find(x, father);
int rootY = find(y, father);
if (rootX != rootY) {
// 按秩合并
if (rank[rootX] > rank[rootY]) {
father[rootY] = rootX; // 将 rootY 连接到 rootX
} else if (rank[rootX] < rank[rootY]) {
father[rootX] = rootY; // 将 rootX 连接到 rootY
} else {
father[rootY] = rootX; // 将 rootY 连接到 rootX
rank[rootX]++; // 树的高度增加
}
}
}
public static int solution(int n, int m, int[][] op) {
// 有 1 到 n 个点;m 个操作,返回最后的连通分量的个数
int[] father = new int[n + 1];
int[] rank = new int[n + 1];
// dp[i][j] 表示以 i 为起点,公差为 j 的等差数列的长度
int[][] dp = new int[n + 1][C];
// ind[i][j] 表示以 i 为起点,公差为 j 的等差数列的终点
int[][] ind = new int[n + 1][C];
// start_cnt[i][j] 表示以 i 为起点,公差为 j 的等差数列的个数
int[][] start_cnt = new int[n + 1][C];
// end_cnt[i][j] 表示以 i 为终点,公差为 j 的等差数列的个数
int[][] end_cnt = new int[n + 1][C];
// 初始化并查集
init(n, father, rank, dp, ind, start_cnt, end_cnt, C);
// 遍历操作
for (int i = 0; i < m; i++) {
int a = op[i][0];
int d = op[i][1];
int k = op[i][2];
// 以 a 为起点,公差为 d 的等差数列的个数加一
start_cnt[a][d]++;
if (a + k * d < N) {
// 以 a + k * d 为终点,公差为 d 的等差数列的个数加一
end_cnt[a + k * d][d]++;
}
}
for (int i = 1; i <= n; i++) {
for (int j = 1; j < C; j++) {
// 计算以 i 为起点,公差为 j 的等差数列的长度
dp[i][j] = start_cnt[i][j] - end_cnt[i][j];
// 如果 i - j < 1,跳过
/**
* 这段逻辑用于跳过那些会导致数组下标越界的情况。
* 具体来说,当 `i - j < 1` 时,`dp[i - j][j]` 会访问负数或零的下标,
* 这是不合法的数组访问。因此,跳过这些情况可以避免运行时错误。
*/
if (i - j < 1) {
continue;
}
// 如果 dp[i - j][j] > 0,合并两个等差数列
if (dp[i - j][j] > 0) {
// 合并两个等差数列
join(ind[i - j][j], i, father, rank);
// 更新终点
ind[i][j] = ind[i - j][j];
// 更新长度
dp[i][j] += dp[i - j][j];
}
}
}
int cnt = 0;
// 统计连通分量的个数
for (int i = 1; i <= n; i++) {
if (father[i] == i) {
cnt++;
}
}
return cnt;
}
public static void init(int n, int[] father, int[] rank, int[][] dp, int[][] ind, int[][] start_cnt, int[][] end_cnt, int c) {
for (int i = 1; i <= n; i++) {
father[i] = i;
rank[i] = 1;
for (int j = 1; j < c; j++) {
dp[i][j] = start_cnt[i][j] = end_cnt[i][j] = 0;
ind[i][j] = i;
}
}
}
public static void main(String[] args) {
Scanner scanner = new Scanner(System.in);
int cnt = scanner.nextInt(); // Number of test cases
while (cnt-- > 0) {
int n = scanner.nextInt();
int m = scanner.nextInt();
int[][] op = new int[m][3];
for (int i = 0; i < m; i++) {
int a = scanner.nextInt();
int d = scanner.nextInt();
int k = scanner.nextInt();
op[i][0] = a;
op[i][1] = d;
op[i][2] = k;
}
System.out.println(solution(n, m, op));
}
scanner.close();
}
}
提交结果
四、总结
感觉本题动态规划还是蛮难想到的,挺有意思的一道题。