加权快速联合(Weighted Quick Union)算法原理及实现(Java)

  加权快速联合(WQU,Weighted Quick Union),用于检测元素是否在同一个集合中。
Operation

public int parent(int p);  // 返回节点p的parent节点
public boolean isConnected(int p, int q);  // 判断节点p和q是否属于同一个集合
public void connect(int p, int q);  // 连接节点p和节点q
public int find(int p);  // 返回节点p的root节点

底层实现
  利用数组存放每个节点的parent节点,其中每个集合的root节点以负数的形式存放本集合的节点数量值。当连接两个集合中的元素时,如connect(8, 3),以节点数较多的集合的root节点作为新集合的root节点(所以被称为加权快速联合)。
在这里插入图片描述
  connect(8, 3)
在这里插入图片描述

java代码
  WQU.java

public class WQU {
    private int[] nums;
    private int size;

    WQU() {
        this.size = 10;
        this.nums = new int[size];
        for (int i = 0; i < size; i++) {
            this.nums[i] = -1;
        }
    }

    public int parent(int p) {
        /* the parent of p
         */
        return this.nums[p];
    }

    public boolean isConnected(int p, int q) {
        /* check if p and q in the same group
         */
        return find(p) == find(q);
    }

    public void connect(int p, int q) {
        /* connect p and q
         */
        if (!isConnected(p, q)) {
            int rootP = find(p);
            int rootQ = find(q);
            if (nums[rootP] < nums[rootQ]) {
                merge(rootQ, rootP);
            } else {
                merge(rootP, rootQ);
            }
        }
    }

    private void merge(int p, int q) {
        nums[q] += nums[p];
        nums[p] = q;
    }

    public int find(int p) {
        /* the root of p
         */
        int origin = p;
        while (parent(p) >= 0) {
            p = parent(p);
            nums[origin] = p;
        }
        return p;
    }

    public void printAllNum() {
        for (int i = 0; i < size; i++) {
            System.out.print(nums[i] + " ");
        }
        System.out.print("\n");
    }
}


  Test.java

public class Test {

    /**
     * 对WQU的功能进行测试
     */
    public static void main(String[] args) {
        WQU t = new WQU();
        t.connect(1, 0);
        t.connect(2, 0);
        t.connect(3, 0);
        t.connect(4, 0);
        t.connect(5, 0);
        t.connect(7, 6);
        t.connect(9, 8);
        t.connect(8, 6);
        t.printAllNum();
        // t.connect(8, 3);
        t.connect(9, 3); // connect(9, 3) 检验find的优化效果
        t.printAllNum();
        t.find(8);   // 再次检验find的优化
        t.printAllNum();
    }

}


优化
  在每次进行find(int p)后,如果节点p没有直接和root相连,则将其和root直连(修改数组中对应位置的值即可)。这样可以优化find的效率,这种算法被称为带路径压缩的加权快速联合
在这里插入图片描述



To be a sailor of the world bound for all ports.
  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
Weighted betweenness centrality算法是计算图中节点重要性的一种方法。它基于所有最短路径,并计算通过每个节点的最短路径数量,从而评估每个节点的重要性。BFS算法可以用来计算最短路径,因此可以用来实现weighted betweenness centrality算法。 以下是使用BFS实现weighted betweenness centrality算法的步骤: 1. 对于图中的每个节点v,初始化其betweenness centrality为0。 2. 对于每对节点s和t,计算它们之间的最短路径。 3. 对于每个节点v,计算其在所有最短路径中的贡献值: a. 对于每对节点s和t,检查是否有最短路径经过v。 b. 如果有,计算v在最短路径中的贡献值,即权重和除以经过v的最短路径数量。 c. 将这个贡献值加到v的betweenness centrality中。 4. 返回所有节点的betweenness centrality。 下面是使用Python实现的代码示例: ``` import queue def weighted_betweenness_centrality(G): betweenness = {v: 0 for v in G} for s in G: # 计算最短路径 dist = {v: float('inf') for v in G} dist[s] = 0 weight = {v: 0 for v in G} weight[s] = 1 Q = queue.Queue() Q.put(s) order = [] while not Q.empty(): v = Q.get() order.append(v) for w in G[v]: if dist[w] == float('inf'): dist[w] = dist[v] + 1 Q.put(w) if dist[w] == dist[v] + 1: weight[w] += weight[v] # 计算每个节点的贡献值 delta = {v: 0 for v in G} while order: w = order.pop() for v in G[w]: if dist[v] == dist[w] - 1: delta[v] += weight[v] * (1 + delta[w]) / weight[w] if w != s: betweenness[w] += delta[w] return betweenness ``` 需要注意的是,这个算法的时间复杂度为O(nm),其中n是节点数,m是边数。对于较大的图,这个算法可能需要较长的计算时间。
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

carpe~diem

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值