解决连通性问题的四种算法

时间:2022-05-04
本文章向大家介绍解决连通性问题的四种算法,主要内容包括其使用实例、应用技巧、基本知识点总结和需要注意事项,具有一定的参考价值,需要的朋友可以参考一下。

连通性问题 问题概述

先来看一张图:

在这个彼此连接和断开的点网络中,我们可以找到一条 p 点到 q 点的路径。在计算机网络中判断两台主机是否连通、在社交网络中判断两个用户是否存在间接社交关系等,都可以抽象成连通性问题。

问题抽象

可将网络中的点(主机、人)抽象为对象,p-q 表示 p连接到q,连通关系可传递: p-q & q-r => p-r;为简述问题,将两个对象标记为一个整数对,则给定整数对序列就能描述出点网络。

如下图结点数 N = 5 的网络(使用 0 ~ N-1表示对象),可用整数对序列 0-1 1-3 2-4 来描述连通关系, 其中 0 和 3 也是连通的,存在两个连通分量:{0, 1, 3} 和 {2, 4}

问题:给定描述连通关系的整数对序列,任给其中两个整数 p 和 q,判断其是否能连通?

问题示例

输入 	不连通	连通 
3-4 	3-4
4-9 	4-9
8-0 	8-0
2-3 	2-3
5-6 	5-6
2-9 		2-3-4-9	
5-9 	5-9
7-3 	7-3
4-8 	4-8
5-6 		5-6
0-2 		0-8-4-3-2
6-1 	6-1

对应的连通图如下,黑线表示首次连接两个结点,绿线表示两结点已存在连通关系:

算法一:快速查找算法

使用数组 id[i] 存储结点的值, i 为结点序号,即初始状态序号和数组值相同 :

当输入前两个连通关系后, id[i] 变化如下:

可以看出, id[i] 的值是完成连通后,i 连接到的终点结点。若 p 和 q 连通,则 id[p] 和 id[q] 值应相等。

如完成 4-9 后, id[3] 和 id[4] 的值均为终点结点 9。此时判断 3 和 9 是否连通,直接判断 id[3] 和 id[9] 的值是否相等,相等则连通,不等则不存在连通关系。显然 id[3] == id[9] == 9,即存在连通关系。

算法实现

/** file: 1.1-quick_find.go */
package main

import ...

const N = 10
var id [N]int

func main() {
	reader := bufio.NewReader(os.Stdin)

	// 初始化 id 数组,元素值与结点序号相等
	for i := 0; i < N; i++ {
		id[i] = i
	}

	// 读取命令行输入
	for {
		data, _, _ := reader.ReadLine()
		str := string(data)
		if str == "n" {
			continue
		}
		if str == "#" {
			break
		}

		values := strings.Split(str, " ")
		p, _ := strconv.Atoi(values[0])
		q, _ := strconv.Atoi(values[1])

		if Connected(p, q) {
			fmt.Printf("Already Connected nodes: %d-%dn", p, q)
			continue
		}
		Union(p, q)
	}
}

// 判断整数 p 和 q 的结点是否连通
func Connected(p, q int) bool {
	return id[p] == id[q]
}

// 连通 p-q 结点
func Union(p, q int) {
	pid := id[p]
	qid := id[q]
	// 遍历 id 数组,将所有值为 id[p] 的结点全部替换为 id[q]
	for i := 0; i < N; i++ {
		if id[i] == pid {
			id[i] = qid
		}
	}
	fmt.Printf("Unconnected nodes: %d-%dn", p, q)
}
运行效果:能判断 2-9 已存在连通关系

复杂度

快速查找算法在判断 p 和 q 是否连通时,只需判断 id[p] 和 id[q] 是否相等。但 p 和 q 不连通时会进行合并,每次合并都需要遍历整个数组。特性:查找快、合并慢

算法二:快速合并算法

概述

快速查找算法每次合并都会全遍历数组导致低效。我们想能不能不要每次都遍历 id[] ,优化为每次只遍历数组的部分值,复杂度都会降低。

这时应想到树结构,在连通关系的传递性中,p->r & q->r => p->q,可将 r 视为根,p 和 q 视为子结点,因为 p 和 q 有相同的根 r,所以 p 和 q 是连通的。这里的树是连通关系的抽象。

数据结构

使用数组作为树的实现:

结点数组 id[N],id[i] 存放 i 的父结点 i 的根结点是 id[id[...id[i]...]],不断向上找父结点的父结点...直到根结点(父结点是自身) 使用树的优势

将整数对序列的表示从数组改为树,每个结点存储它的父结点位置,这种树有 2 点好处:

判断 p 和 q 是否连通:是否有相同的根结点 合并 p 到 q:将 p 的根结点改为 q 的根结点(无需全遍历,快速合并) 例子:

对于上边的整数对序列,查找、合并过程如下,橙色是合并动作、灰色是已连通状态、绿色是存储树的数组。

注意红色的 2-3,不是直接把 2 作为 3 的子结点,而是找到 3 的根结点 9,合并 2-3 与 3-4-9 ,生成 2-9

算法实现:

/** file: 1.2-quick_union.go */

// p 和 q 有相同的根结点,则是连通的
func Connected(p, q int) bool {
	return getRoot(p) == getRoot(q)
}

// 连通 p-q 结点
func Union(p, q int) {
	pRoot := getRoot(p)
	qRoot := getRoot(q)
	id[pRoot] = qRoot		// q 树的根此时有了父结点(p 树的根),完成合并
	fmt.Printf("Unconnected nodes: %d-%dn", p, q)
}


// 获取结点 i 的根结点
func getRoot(i int) int {
	// 没到根结点就继续向上寻找
	for i != id[i] {
		i = id[i]
	}
	return i
}

算法三:带权快速合并算法

概述

快速合并算法有一个缺陷:数据量很大时,任意合并子树,会导致树越来越高,在查找根结点时要遍历数组大部分的值,依旧会很慢。下图中判断 p、q 是否连通,就需要查找 13 个结点:

如果树合并后的依旧比较矮,各子树之间平衡,则查找根结点会少遍历很多结点,下图中再判断 p、q 是否连通,只需查找 7 个结点:

平衡树的构建

构建平衡的树需要在合并时,将小树合并到大树上,保证合并后的树增高缓慢或者就不增高,从而使大部分的合并需要遍历的结点大大减少。区分小树、大树使用的是树的权值:子树含有结点的个数。

数据结构

树结点的存储依旧使用 id[i] ,但需要一个额外的数组 size[i],记录结点 i 的子结点数。

算法实现

/**
file: 1.3-weighted_version.go
在快速合并算法的基础上,只需要在合并操作中,将小树合并到大树上即可
*/

var id [N]int
var size [N]int

func main() {
 	// 初始化 id 数组,元素值与结点序号相等
	for i := 0; i < N; i++ {
		id[i] = i
		size[i] = i
	} 
  	...
}  

...

// 连通 p-q 结点
func Union(p, q int) {
	pRoot := getRoot(p)
	qRoot := getRoot(q)

	// p 树是大树
	if size[pRoot] < size[qRoot] {
		id[pRoot] = qRoot
		size[qRoot] += size[pRoot]
	} else {
		id[qRoot] = id[pRoot]
		size[pRoot] += size[qRoot]
	}

	id[pRoot] = qRoot // q 树的根此时有了父结点(p 树的根),完成合并
	fmt.Printf("Unconnected nodes: %d-%dn", p, q)
}

算法四:路径压缩的加权快速合并算法

概述

加权快速合并算法在大部分整数对都是直接连接的情况下,生成的树依旧会比较高,比如序列:

10-8 8-6 11-9 12-9 9-6 6-3 7-3 3-1 4-1 5-1 1-0 2-0

生成的树如下:

此时判断 9-2 的连通关系,需要分别找到 9 和 2 的根结点。在寻找 9 的根结点时经过 6、3、1树,因为6、3、1树的子节点和 9 一样,根结点都是 0,所以直接把6、3、1树变成 0 的子树。如下:

优化

每次计算某个节点的根结点时,将沿路检查的结点也指向根结点。尽可能的展平树,在检查连通状态时将大大减少遍历的结点数目。

算法实现

/**
file: 1.4-path_compression_by_halving.go
改动的代码很少,但很精妙
*/

// 获取结点 i 的根结点
func getRoot(i int) int {
	// 没到根结点就继续向上寻找
	for i != id[i] {
		id[i] = id[id[i]]		// 将结点、结点的父结点不断往上挪动,直到都连接上了根结点
		i = id[i]
	}
	return i
}

复杂度

算法

初始化的复杂度

合并复杂度

查找复杂度

快速查找

N

N(全遍历)

1(数组取值对比)

快速合并

N

T(遍历树)

T(遍历树)

带权快速合并

N

lg N

lg N

路径压缩的带权快速合并

N

接近1(树的高度几乎为2)

接近1

总结

上边介绍了 4 种解决连通性问题的算法,从低效完成基本功能的快速查找,到不断优化降低复杂度接近1 的路径压缩带权快速合并。可以学到算法解决程序问题的大致步骤:先完成基本功能,再针对低效操作来优化降低复杂度。

原文:https://wuyin.io/2018/01/27/c...