华为OD机试【城市聚集度】(java)(200分)

1、题目描述

一张地图上有N个城市,城市和城市之间有且只有一条道路相连,要么直接相连,要么通过其他城市中转相连(可中转一次或多次)。城市与城市之间的道路都不会成环。
当切断通往某城市i的所有道路后,地图上将分成多个连通的城市群,设该城市i的聚集度为DPi of Polymerization), DPi = max(城市群1的城市个数,城市群2的城市个数,…城市群m的城市个数)。 请找出地图上DP值最小的城市(即找到城市j,使得DPj = min(DP1,DP2…DPn))。
提示:如果有多个城市都满足条件,这些城市都要找出来(可能存在多个解)。
提示:DPi的计算,可以理解为已知一个树,删除某个节点后,生成的多个字树,求解多个字树节点数的问题。

2、输入描述

每个样例,第一行有一个整数N,表示有N个节点,1 <=N <=1000
j接下来的N-1行每行有两个整数x,y,表示城市x与城市y连接。1 <= x , y <= N

3、输出描述

输出城市的编号,如果有多个,按照编号升序输出。
用例:

输入
5
1 2
2 3
3 4
4 5

输出
3

ps:
对于城市3,切断通往3的所有道路后,形成2个城市群[(1,2),(4,5)],其聚集度分别都是2,。DP3 = 2。
对于城市4,切断通往城市4的所有道路后,形成2个城市群[(1,2,3),(5)],DP4 = max(3,1) = 3。
以此类推,切断其他城市的所有道路后,得到的DP都会大于2,因为城市3就是满足条件的城市,输出是3。

温馨提示!!!
华为OD机试考试官方会对考生代码查重。华为od机试因为有题库所以有很大的概率抽到原题。如果碰到了题库中的原题,千万不要直接使用题解中的代码,一定要做些修改,比如代码中的变量名,除此之外,代码的组织结构和逻辑也要进行一些改变,所以在日常的刷题中,要提前编写好属于自己的代码。

4、题解

遍历每个城市作为基准,初始化并查集将与基准城市相连边删除,定义map,key:连通块,value:连通块大小,定义最大联通块大小,如果当前最大连通块大小比之前的最小值还小,则更新最小值和最小值所在的城市,如果当前最大连通块大小与之前的最小值相等,则将城市加入最小值所在的城市列表。
代码如下:

public static void main(String[] args) {
    Scanner sc = new Scanner(System.in);
    int n = Integer.parseInt(sc.nextLine());
    int[][] arr = new int[n-1][2];
    for (int i=0; i<n-1; i++) {
        arr[i] = Arrays.stream(sc.nextLine().split(" "))
                .mapToInt(Integer::parseInt).toArray();
    }

    // 最小的最大连通块
    int min = Integer.MAX_VALUE;
    // 最小的最大连通块所在城市
    List<Integer> citys = new ArrayList<>();

    for (int i=1; i<n+1; i++) {
        FindUnionSet fun = new FindUnionSet(n+1);
        // 将与特殊城市相连的边删除
        for (int[] relation : arr) {
            int x = relation[0];
            int y = relation[1];
            if (x == i || y == i) {
                continue;
            }
            fun.unionSet(x, y);
        }
        // 连通块 连通块大小
        Map<Integer, Integer> maps = new HashMap<>();
        for (int father : fun.fatherArr) {
            father = fun.find(father);
            maps.put(father, maps.getOrDefault(father, 0) + 1);
        }

        int max = 0;
        for (Map.Entry<Integer, Integer> entry : maps.entrySet()) {
            max = Math.max(max, entry.getValue());
        }

        if (max < min) {
            min = max;
            citys.clear();
            citys.add(i);
        }else if (max == min) {
            citys.add(i);
        }
    }

    for (int city : citys) {
        System.out.print(city + " ");
    }
}

static class FindUnionSet {
    // 每个节点父节点
    private int[] fatherArr;

    public FindUnionSet(int n) {
        fatherArr = new int[n];
        for (int i=0; i<n; i++) {
            fatherArr[i] = i;
        }
    }

    public int find(int x) {
        if (fatherArr[x] != x) {
            fatherArr[x] = find(fatherArr[x]);
        }
        return fatherArr[x];
    }

    // 合并x y所在集合
    public void unionSet(int x, int y) {
        int x_father = find(x);
        int y_father = find(y);

        // 若 x y不在同一集合,则将y的祖先节点设置为x的祖先节点
        if (x_father != y_father) {
            fatherArr[y_father] = x_father;
        }
    }
}

执行结果如下:
在这里插入图片描述

  • 14
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
这是一个经典的最短路问题,可以使用Dijkstra算法或者Floyd算法解决。 Dijkstra算法: 1. 初始化距离数组dist,将所有点的距离设为无穷大,起点s的距离设为0。 2. 将起点s加入集合S中。 3. 对于起点s能够直接到达的点v,更新v的距离为dist[v] = dist[s] + w(s, v),其中w(s, v)表示s到v的边权。 4. 从未加入集合S的点中选取距离最小的点u加入集合S,重复步骤3。 5. 直到终点t被加入集合S,或者所有点都已加入集合S为止。 6. 最短路径即为dist[t]。 Floyd算法: 1. 初始化距离矩阵dist,将所有点之间的距离设为无穷大,自己到自己的距离设为0。 2. 对于每个中转点k,遍历所有点i和j,更新dist[i][j] = min(dist[i][j], dist[i][k]+dist[k][j])。 3. 最短路径即为dist[s][t]。 这里提供Dijkstra算法的Python实现: import heapq def dijkstra(graph, s, t): n = len(graph) dist = [float('inf')] * n dist[s] = 0 visited = set() heap = [(0, s)] while heap: d, u = heapq.heappop(heap) if u == t: return dist[t] if u in visited: continue visited.add(u) for v, w in graph[u]: if v not in visited: if dist[u] + w < dist[v]: dist[v] = dist[u] + w heapq.heappush(heap, (dist[v], v)) return -1 # 示例 n = 5 m = 7 graph = [[] for _ in range(n)] edges = [(0, 1, 2), (0, 2, 5), (1, 2, 4), (1, 3, 3), (2, 3, 1), (2, 4, 6), (3, 4, 7)] for u, v, w in edges: graph[u].append((v, w)) graph[v].append((u, w)) print(dijkstra(graph, 0, 4)) # 输出14

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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

搬砖小夫子

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