算法专栏 ---- trie树,并查集

简介: 算法专栏 ---- trie树,并查集

1.png

trie树

2.png3.png

#include <iostream>
using namespace std;
const int N = 1000010;
int son[N][26],cnt[N],idx;
//明确前面两个数组以及idx的含义
//我们把son这个二维数组看成一个字典树
//本题要求26个字母,所以我们每个节点里面最多有26个儿子节点
//而我们本题要求字符串长度是100000个,所以son数组的N代表有100000层,对应的就是字符串长度
//为什么这样就可以呢,因为我们查找的字符串(只有26个字母)在查找的时候想象成树
//每次面临26种选择(26个字母)(也有点组合的意思),选择一种和当前匹配的,没有就说明没有匹配的
//idx是什么呢,我们怎么用数组来模拟的呢,我们怎么算是创建过这个节点了,我们son数组的元素为1
//就代表我们创建了这个节点,如果遇到这个节点之后我们就可以直接往下走,如果没有遇到,我们就
//不往下走,先创建在走,创建的过程就是idx++,就是走到当前元素为1时说明创建过了
//cnt数组表示以当前节点的值为终点的字符串个数
char str[N];
void insert(char str[])
{
    int p = 0;//p代表我们当前走到哪个位置了(把数组抽象成一棵树)
    for(int i = 0; str[i] != '\0';i++)//枚举插入的字符串,枚举的字符串抽象成路径
    {
        int u = str[i] - 'a';//映射到数组里,son数组一维数组的下标0代表的是a,1是b
        if(son[p][u] == 0) son[p][u] = ++idx;//每次进入判断是否创建过当前值的节点
        p = son[p][u];//走到下一层
    }
    cnt[p]++;//当前下标为终点的字符串个数++
}
int  inquire(char str[])
{
   int p = 0;
   for(int i = 0; str[i] != '\0';i++)
   {
       int u = str[i] - 'a';
       if(!son[p][u]) return 0;
       p = son[p][u];
   }
   return cnt[p];
}
int main()
{
    int n;
    cin>>n;
    for(int i = 0;i < n;i++)
    {
        char chose[2];
        cin>>chose>>str;
        if(chose[0] == 'I')
        {
            insert(str);
        }
        else
        {
            printf("%d\n",inquire(str));
        }
    }
    return 0;
}

并查集

4.png5.png

6.png

#include <iostream>
#include <algorithm>
#include <vector>
#include <cstring>
using namespace std;
//本题是模板题,所以我们先理解这道题的模板是什么
//本题的模板是并查集,那什么是并查集呢,其实你可以想象成一个树
//我们的字符串都是通过递归去搜索的,跟字典树类似
//但是并查集强在归并和询问的操作近乎O(1)的时间复杂度,可以快速将两个集合
//合并和快速查两个集合是否在同一个集合
//并查集的基本原理是什么呢,基本原理就是每个集合我们看成一颗小树,一颗大树里可能包含小树
//比方说一个字符串是一个集合,那么这棵大树可能就有好多字符串集合,
//那我们并查集是怎么快速实现合并和查询的呢,这就要说到并查集的编号了
//我们怎么去查找到这个集合呢,我们肯定得让他的根节点跟孩子节点编号不一样,我们才能找到
//我们的集合,在此我们设置P[x]为节点的编号,而p[x] == x 是根节点的编号
//我们的p[x]代表的是当前节点的父节点
//1.如何判断根节点 if(p[x] == x)
//2.如何从孩子节点求根节点的编号while(p[x]!=x) x = p[x];
//3.如何合并两个集合,假设编号是p[X],P[Y],前面提到过的我们抽象成一颗树,这棵树
//合并只需要把一个根节点作为另一个根节点的父节点即可
//在此,我们还需要优化一下,路径压缩法,等于说第一次查询过这个集合之后下次查询就是O(1)的
//时间复杂度,为什么呢,想象一下一棵树的高度只有2,根节点只有1个,这时我们查询集合的所以元素的话
//我们就只需要遍历这个集合就元素就行,不需要再去递归好几层了
//并查集模板最关键的点是在于写出find操作
const int N = 1000010;
int p[N];
int  find(int x)//返回要查找的元素的集合,递归查找
{
    if(p[x] != x)  p[x] = find(p[x]);//如果父节点不是根节点,那么就把接力棒给父节点
    //让父亲节点去找
    return p[x];//找到了就返回
}
int main()
{
    int n, m;
    cin >> n >> m;
    for (int i = 1;i <= n;i++) p[i] = i;
    while (m--)
    {
        char op[2];
        int a, b;
        scanf("%s%d%d",op,&a,&b);
        if (op[0] == 'Q')
        {
            if (find(a) == find(b)) printf("Yes\n");
            else printf("No\n");
        }
        else if(op[0] == 'M')
        {
            p[find(a)] = find(b);//找到a集合的根节点,把a集合的根节点查到b集合的根节点
        }
    }
   return 0;
}

7.png

#include <iostream>
#include <cstring>
#include <algorithm>
using namespace std;
const int N = 510000;
int p[N],d[N];
int n,m;
int find(int x)//路径压缩
{
    if(p[x] != x)//不是根节点的话
    {
        int t = find(p[x]);
        d[x] += d[p[x]]; 
        p[x] = t;
    }
    return p[x];
}
int main()
{
    cin>>n>>m;
    for(int i = 1;i <= N;i++)
    {
        p[i] = i;
    }
    int cnt = 0;
    for(int i = 1;i <= m;i++)
    {
        int op,a,b;
        cin>>op>>a>>b;
        if(a > n || b > n)
        {
            cnt++;
            continue;
        }
        int pa = find(a);
        int pb = find(b);
        if(op == 1)
        {
  if(pa == pb && (d[a] - d[b]) % 3){
                    //是在同一个集合的话,判断是否是同类
                //不是同类res++,是同类不用管
                    cnt++;
                }
                else if(pa != pb){
                    //不在同一个集合,判断是否同类
                //先建立两个集合的集合关系,为什么建立两个呢
                //因为能find找到说明必有根节点
                //本题根节点肯定存在,就算只有两个节点
                //我们也看成两个集合
                    p[p[a]] = pb;//让x集合的根节点作为y集合的根节点的孩子
                    //节点
                    //建立之后还得更新一下距离关系,第一次进入的话其实
                    //并没有建立集合,也就是刚好是说了第一句话的时候
                    //第一句不同的x和y或者两个相同的x或者y我们默认为真话,
                    //默认为x和y同类并且建立关系(同类关系)
                    //所以x和y分别到当前建立好集合关系
                    //的根节点的距离一定要相等,所以距离
                    //就是d[x] + ?= d[y],这个问好是根节点到px的距离
                    d[pa] = d[b] - d[a];
                }
        }
        else
        {
               if(pa == pb && (d[a] - d[b] -1) %3){
                    //在同一个集合
                //并且不是x 吃 y的关系
                //c++中-n % n等于0
                    cnt++;
                }
                else if(pa != pb){
                //不是同一个集合的话,那么我们默认为
                //真话,x能吃掉y
                    p[p[a]] = pb;
                    //维护距离使得x能吃掉y
                    d[pa] = d[b] - d[a] + 1;
                }
        }
    }
    cout<<cnt<<endl;
    return 0;
}
相关文章
|
3月前
|
存储 算法 C语言
"揭秘C语言中的王者之树——红黑树:一场数据结构与算法的华丽舞蹈,让你的程序效率飙升,直击性能巅峰!"
【8月更文挑战第20天】红黑树是自平衡二叉查找树,通过旋转和重着色保持平衡,确保高效执行插入、删除和查找操作,时间复杂度为O(log n)。本文介绍红黑树的基本属性、存储结构及其C语言实现。红黑树遵循五项基本规则以保持平衡状态。在C语言中,节点包含数据、颜色、父节点和子节点指针。文章提供了一个示例代码框架,用于创建节点、插入节点并执行必要的修复操作以维护红黑树的特性。
103 1
|
17天前
|
算法
树的遍历算法有哪些?
不同的遍历算法适用于不同的应用场景。深度优先搜索常用于搜索、路径查找等问题;广度优先搜索则在图的最短路径、层次相关的问题中较为常用;而二叉搜索树的遍历在数据排序、查找等方面有重要应用。
22 2
|
2月前
|
算法 JavaScript 前端开发
第一个算法项目 | JS实现并查集迷宫算法Demo学习
本文是关于使用JavaScript实现并查集迷宫算法的中国象棋demo的学习记录,包括项目运行方法、知识点梳理、代码赏析以及相关CSS样式表文件的介绍。
第一个算法项目 | JS实现并查集迷宫算法Demo学习
|
1月前
|
存储 算法 关系型数据库
数据结构与算法学习二一:多路查找树、二叉树与B树、2-3树、B+树、B*树。(本章为了解基本知识即可,不做代码学习)
这篇文章主要介绍了多路查找树的基本概念,包括二叉树的局限性、多叉树的优化、B树及其变体(如2-3树、B+树、B*树)的特点和应用,旨在帮助读者理解这些数据结构在文件系统和数据库系统中的重要性和效率。
24 0
数据结构与算法学习二一:多路查找树、二叉树与B树、2-3树、B+树、B*树。(本章为了解基本知识即可,不做代码学习)
|
1月前
|
存储 算法 Python
火箭般的提升!学会Python并查集,让你的算法能力飞跃新高度!
火箭般的提升!学会Python并查集,让你的算法能力飞跃新高度!
35 1
|
2月前
|
大数据 UED 开发者
实战演练:利用Python的Trie树优化搜索算法,性能飙升不是梦!
在数据密集型应用中,高效搜索算法至关重要。Trie树(前缀树/字典树)通过优化字符串处理和搜索效率成为理想选择。本文通过Python实战演示Trie树构建与应用,显著提升搜索性能。Trie树利用公共前缀减少查询时间,支持快速插入、删除和搜索。以下为简单示例代码,展示如何构建及使用Trie树进行搜索与前缀匹配,适用于自动补全、拼写检查等场景,助力提升应用性能与用户体验。
58 2
|
2月前
|
算法 计算机视觉 Python
Python并查集大揭秘:让你在算法界呼风唤雨,秒杀一切复杂场景!
在编程与算法的广袤天地中,总有一些工具如同神兵利器,能够助你一臂之力,在复杂的问题前游刃有余。今天,我们就来深入探讨这样一件神器——Python并查集(Union-Find),看看它是如何让你在算法界呼风唤雨,轻松应对各种复杂场景的。
67 2
|
1月前
|
存储 算法
数据结构与算法学习十六:树的知识、二叉树、二叉树的遍历(前序、中序、后序、层次)、二叉树的查找(前序、中序、后序、层次)、二叉树的删除
这篇文章主要介绍了树和二叉树的基础知识,包括树的存储方式、二叉树的定义、遍历方法(前序、中序、后序、层次遍历),以及二叉树的查找和删除操作。
27 0
|
1月前
|
存储 算法 Java
数据结构和算法--分段树
数据结构和算法--分段树
17 0
下一篇
无影云桌面