11月1日学习总结

一.生成树理解

两个最小生成树算法, 都有一个共同的思想: 这棵树是一点一点长大的; 并且每次生长, 都是贪心的.
我们可以把一棵树理解成一个有智能的生命, 可以感知它附近的点到它的距离. 每次生长枝条, 它都选择离它最近的那个点.
点到树的距离, 是指树外一个点到树上的任意点的最小距离.所以,在代码实现的时候, 需要维护这样一个数组: 树外的点到树的距离. 所以, 还需要区分一下点究竟在树上还在树外.维护数组就是要做两件事: 更改数组和调用数组.
何时更改: 树外的点到树的距离发生变化. 这种事只能在树生长了新的枝条的时候发生, 因为新加入的那个点可能更新了树到树外的某个点的距离. 同时, 新加入的那个点变成了树上的点.
何时调用: 想扩张的时候, 找最近的树外点，一开始, 我们认为1号结点在树上, 把它到树的距离设为0; 其它结点的距离是INF.
在调用完整个算法之后, 因为当一个节点变成树上节点后, 我们就不再更新它到树的距离, 所以, 原来的数组记录的就是它加入到树上时的连边长度. 对之求和, 就是树上所有边权之和.

要想高效的处理生成树的问题关键在于算法的选择，选对了事半功倍。

生成树的两种算法的比较

Kruscal算法是以边为中心的, 每次找最小的并且有用的边添加到树上;
Prim算法是以点为中心的, 每次找离树最近的点添加到树上.

Prim算法的优势: 稠密图, 尤其是完全图.

因为在Kurscal算法中, 必须事先求出所有边的长度才能对之排序. 但是一个有5000节点的完全图, 这样做的空间开销是巨大的. Prim算法只在更新点到树的距离时需要用到边长, 因此对于这种给坐标的完全图, 可以现用现算.

kurscal算法的优势

题目中以边的形式给出图，点的数目多且边的数目不多的时候，即点与点之间并不稠密的时候，kuscal只需要对这些边进行从小到大排序工作，会节约生成并查集的时间。

二.并查集应用场景

并查集最基础的用法是判断图的连通性和判断图中是否存在着环，在做题的过程中总结发现还有如下用法

应用1：逆序并查集（自己起的名字）

在做题过程中一般是往并查集中加入点，但是有的题会这样问：我们在一个图中不断地删除点，问每一次删除某个点后有多少共有独立的连通块，正着不好做，但是我们可以逆着思考，先考虑删掉所有的要删除的点之后一共有多少个连通块，然后按删除顺序的逆顺序再往图中加点，就可以转化为一个往并查集中加点的问题了。

应用2：分组问题

我们要把一些点按照要求分成几组，这类问题比较灵活，要按照题目中具体的要求进行分组，可能会结合其他算法，有一定的难度。
分组之后我们要做的可能有：
1.判断一共分成了多少组（洛谷P1021集合）
2.使得"收益最大"。（洛谷P1525关押罪犯，P1892团伙）

tarjan算法的细节问题

在使用tarjan算法的时候要注意最后判断可以输出一个连通分量的时候一定要将vis数组重新置零，

洛谷

vj

CF