P3916 图的遍历

简介: P3916 图的遍历

题目描述


20210506173642205.png

输入

4 3
1 2
2 4
4 3

输出

4 4 3 4

20210506173745505.png

思路:DFS+构建反向图 如果仅仅使用DFS,从前往后进行搜索,每到一个新的节点就进行判断,然后更新标记,由于数据量较大,且每个节点能到达编号最大的点未知,所以可能会超时.我们想到了使用反向图.对于原来的图建立反向图,然后从最大编号的点开始进行DFS,起始点能到达的所有点,反过来也都能到达起始点.在进行DFS时,如果某点已经更新过了,则进行判断时则不用再进行判断,因为先标记的编号必然比后标记的大.这样一次DFS便可对多个点的最大能到达编号进行更新.


参考代码

#include<bits/stdc++.h>
using namespace std;
const int maxn = 100000 + 10;
int n, m, cnt, head[maxn], x, y;
int book[maxn];
struct Node {
  int to, next;
}edge[maxn];
void add(int u, int v) {
  edge[cnt].to = v;
  edge[cnt].next = head[u];
  head[u] = cnt++;
}
void dfs(int u, int v) {//u :从u开始  v:能到达的点 
  if (book[u]) {
    return;
  }
  book[u] = v;
  for (int e = head[u]; e != -1; e = edge[e].next) {
    dfs(edge[e].to, v);
  }
}
int main() {
  cin >> n >> m;
  memset(head, -1, sizeof(head));
  for (int i = 1; i <= m; i++) {
    cin >> x >> y;
    add(y, x);//建立x->y的反向边---   y-->x 
  }
  for (int i = n; i >= 1; i--) {
    dfs(i, i);
  }
  for (int i = 1; i <= n; i++) {
    if (i == 1) {
      cout << book[i];
    }
    else {
      cout << " " << book[i];
    }
  }
  cout << endl;
  return 0;
}


相关文章
|
5月前
|
存储
第5章 图的遍历
第5章 图的遍历
|
6月前
|
NoSQL 容器 消息中间件
图、图的遍历及图的拓扑排序
图、图的遍历及图的拓扑排序
|
存储 人工智能 算法
图的遍历算法
图的遍历算法
深度优先遍历与广度优先遍历
深度优先遍历与广度优先遍历
128 0
拓扑排序(邻接表实现)
拓扑排序(邻接表实现)
181 0
拓扑排序(邻接表实现)
|
算法
最小生成树:Kruskal算法(邻接表+最小堆+并查集)
最小生成树:Kruskal算法(邻接表+最小堆+并查集)
259 0
最小生成树:Kruskal算法(邻接表+最小堆+并查集)
|
机器学习/深度学习 存储
图的遍历 无向图深搜 宽搜
图的遍历 无向图深搜 宽搜
图的遍历 无向图深搜 宽搜
|
存储 算法
图的广度优先搜索和深度优先搜索(邻接链表表示)
邻接表表示法将图以邻接表(adjacency lists)的形式存储在计算机中。所谓图的邻接表,也就是图的所有节点的邻接表的集合;而对每个节点,它的邻接表就是它的所有出弧。邻接表表示法就是对图的每个节点,用一个单向链表列出从该节点出发的所有弧,链表中每个单元对应于一条出弧。为了记录弧上的权,链表中每个单元除列出弧的另一个端点外,还可以包含弧上的权等作为数据域。图的整个邻接表可以用一个指针数组表示。例如下图所示,邻接表表示为
223 0
图的广度优先搜索和深度优先搜索(邻接链表表示)