C++算法:有向图计数优化版原理及实现

简介: C++算法:有向图计数优化版原理及实现

题目

见前面章节。有向图访问计数的原理及C++实现-CSDN博客

第一版

不需要拓扑排序,也不需要并集查找,直接dfs了。完成以下三个职责:

一,DFS那些端点在环上。

二,DFS环上各点此环的长度。

三,DFS非环上各点。

分析

cur是当前dfs的节点,next为edges[cur]。从后向前分析:

判定处理

ret的值

返回值

找到环尾

ret [cur] = NO - mPreNO[cur]

cur

找到环尾,没找到环首

ret [cur] = ret [next]

同dfs(next...)

之前找到环尾和当前环首

环尾已处理,无需处理

-1

之前找到首尾

ret [cur] = ret [next]+1

-1

判定表

条件一

条件二

结果

mPreNO.count(cur)

找到环尾

dfs(next)返回非-1

cur不等于dfs(next)

找到环尾,没找到环首

cur等于dfs(next)

之前找到环尾和当前环首

dfs(next)返回非-1

之前找到首尾

DSF0过程

DFS(0)

不处理

return -1

DFS(1)

ret[1]=2

return 0

DFS(0)

ret[0]=3-1=2

return 0

DFS(1)过程

DFS(1)

不处理

return -1

DFS(0)

ret[0]=2

return 0

DFS(1)

ret[1]=3-1=2

return 0

FFS(2)过程

DFS(2)

ret[2]=3

Return -1

DFS(0)

不处理

return -1

DFS(1)

ret[1]=2

return 0

DFS(0)

ret[0]=3-1=2

return 0

FFS(4)过程

DFS(4)

ret[4]=3

Return -1

DFS(0)

不处理

return -1

DFS(1)

ret[1]=2

return 0

DFS(0)

ret[0]=3-1=2

return 0

FFS(3)过程

DFS(3)

Ret[3]=4

Return -1;

DFS(2)

ret[2]=3

Return -1

DFS(0)

不处理

return -1

DFS(1)

ret[1]=2

return 0

DFS(0)

ret[0]=3-1=2

return 0

核心代码

class Solution {
public:
    vector<int> countVisitedNodes(vector<int>& edges) {
        m_c = edges.size();
        m_edges = edges;
        m_vRet.assign(m_c, -1);
        for (int i = 0; i < m_c; i++)
        {
            std::unordered_map<int, int> mPreNO;
            dfs(i, mPreNO, 1);
        }
        return m_vRet;
    }
    int dfs(int cur,std::unordered_map<int,int>& mPreNO,int iNO)
    {
        if (mPreNO.count(cur))
        {
            m_vRet[cur] = iNO - mPreNO[cur];
            return cur;
        }
        mPreNO[cur] = iNO;
        const auto& next = m_edges[cur];
        const int iRet = dfs(next, mPreNO, iNO + 1);
        if (iRet == cur)
        {
            return -1;//环结束了
        }
        if (-1 == iRet)
        {
            m_vRet[cur] = m_vRet[next]+1;
        }
        else
        {
            m_vRet[cur] = m_vRet[next];
        }
        return iRet;
    }
    vector<int> m_vRet;
    vector<int> m_edges;
    int m_c;
};

记忆化

如果ret[cur]不为-1,说明cur已经处理。如果cur是环上一点,那说明整个环已经处理,返回-1;如果cur,不是环上一点,也返回-1。

时间复杂度

O(n),任意端点,dfs最多执行两次,一次是主动执行,一次是作为出边被执行。

优化后的代码

class Solution {
public:
    vector<int> countVisitedNodes(vector<int>& edges) {
        m_c = edges.size();
        m_edges = edges;
        m_vRet.assign(m_c, -1);
        for (int i = 0; i < m_c; i++)
        {
            std::unordered_map<int, int> mPreNO;
            dfs(i, mPreNO, 1);
        }
        return m_vRet;
    }
    int dfs(int cur,std::unordered_map<int,int>& mPreNO,int iNO)
    {
        if (-1 != m_vRet[cur])
        {
            return -1;
        }
        if (mPreNO.count(cur))
        {
            m_vRet[cur] = iNO - mPreNO[cur];
            return cur;
        }
        mPreNO[cur] = iNO;
        const auto& next = m_edges[cur];
        const int iRet = dfs(next, mPreNO, iNO + 1);
        if (iRet == cur)
        {
            return -1;//环结束了
        }
        if (-1 == iRet)
        {
            m_vRet[cur] = m_vRet[next]+1;
        }
        else
        {
            m_vRet[cur] = m_vRet[next];
        }
        return iRet;
    }
    vector<int> m_vRet;
    vector<int> m_edges;
    int m_c;
};

再次优化后的代码

用数组代替哈希映射,速度似乎没提升。

class Solution {
public:
    vector<int> countVisitedNodes(vector<int>& edges) {
        m_c = edges.size();
        m_edges = edges;
        m_vRet.assign(m_c, -1);
        int vPreNO[100000];
        for (int i = 0; i < m_c; i++)
        {
            vPreNO[i] = -1;
        }
        for (int i = 0; i < m_c; i++)
        {
            dfs(i, vPreNO, 1);
        }
        return m_vRet;
    }
    int dfs(int cur,int* vPreNO,int iNO)
    {
        if (-1 != m_vRet[cur])
        {
            return -1;
        }
        if (-1 != vPreNO [cur])
        {
            m_vRet[cur] = iNO - vPreNO[cur];
            return cur;
        }
        vPreNO[cur] = iNO;
        const auto& next = m_edges[cur];
        const int iRet = dfs(next, vPreNO, iNO + 1);
        if (iRet == cur)
        {
            return -1;//环结束了
        }
        if (-1 == iRet)
        {
            m_vRet[cur] = m_vRet[next]+1;
        }
        else
        {
            m_vRet[cur] = m_vRet[next];
        }
        return iRet;
    }
    vector<int> m_vRet;
    vector<int> m_edges;
    int m_c;
};

注意

如果用vector<int>记录PreNO,则需要在for循环外初始化,如果for循环内初始化,则时间复杂度变为O(n*n)。

测试环境

VS2022 Win10 C++17

下载

源码下载:

【免费】.有向图计数优化版原理及C++实现资源-CSDN文库


其它

视频课程

如果你觉得复杂,想从简单的算法开始,可以学习我的视频课程。

https://edu.csdn.net/course/detail/38771

我的其它课程

https://edu.csdn.net/lecturer/6176

测试环境

win7 VS2019 C++17 或Win10 VS2022 Ck++17

相关下载

算法精讲《闻缺陷则喜算法册》doc版

https://download.csdn.net/download/he_zhidan/88348653

相关文章
|
10天前
|
机器学习/深度学习 算法
基于改进遗传优化的BP神经网络金融序列预测算法matlab仿真
本项目基于改进遗传优化的BP神经网络进行金融序列预测,使用MATLAB2022A实现。通过对比BP神经网络、遗传优化BP神经网络及改进遗传优化BP神经网络,展示了三者的误差和预测曲线差异。核心程序结合遗传算法(GA)与BP神经网络,利用GA优化BP网络的初始权重和阈值,提高预测精度。GA通过选择、交叉、变异操作迭代优化,防止局部收敛,增强模型对金融市场复杂性和不确定性的适应能力。
143 80
|
9天前
|
算法 Java 数据库
理解CAS算法原理
CAS(Compare and Swap,比较并交换)是一种无锁算法,用于实现多线程环境下的原子操作。它通过比较内存中的值与预期值是否相同来决定是否进行更新。JDK 5引入了基于CAS的乐观锁机制,替代了传统的synchronized独占锁,提升了并发性能。然而,CAS存在ABA问题、循环时间长开销大和只能保证单个共享变量原子性等缺点。为解决这些问题,可以使用版本号机制、合并多个变量或引入pause指令优化CPU执行效率。CAS广泛应用于JDK的原子类中,如AtomicInteger.incrementAndGet(),利用底层Unsafe库实现高效的无锁自增操作。
理解CAS算法原理
|
3天前
|
机器学习/深度学习 算法
基于遗传优化的双BP神经网络金融序列预测算法matlab仿真
本项目基于遗传优化的双BP神经网络实现金融序列预测,使用MATLAB2022A进行仿真。算法通过两个初始学习率不同的BP神经网络(e1, e2)协同工作,结合遗传算法优化,提高预测精度。实验展示了三个算法的误差对比结果,验证了该方法的有效性。
|
3天前
|
存储 算法 安全
基于红黑树的局域网上网行为控制C++ 算法解析
在当今网络环境中,局域网上网行为控制对企业和学校至关重要。本文探讨了一种基于红黑树数据结构的高效算法,用于管理用户的上网行为,如IP地址、上网时长、访问网站类别和流量使用情况。通过红黑树的自平衡特性,确保了高效的查找、插入和删除操作。文中提供了C++代码示例,展示了如何实现该算法,并强调其在网络管理中的应用价值。
|
6天前
|
机器学习/深度学习 数据采集 算法
基于PSO粒子群优化的CNN-GRU-SAM网络时间序列回归预测算法matlab仿真
本项目展示了基于PSO优化的CNN-GRU-SAM网络在时间序列预测中的应用。算法通过卷积层、GRU层、自注意力机制层提取特征,结合粒子群优化提升预测准确性。完整程序运行效果无水印,提供Matlab2022a版本代码,含详细中文注释和操作视频。适用于金融市场、气象预报等领域,有效处理非线性数据,提高预测稳定性和效率。
|
7天前
|
机器学习/深度学习 算法 索引
单目标问题的烟花优化算法求解matlab仿真,对比PSO和GA
本项目使用FW烟花优化算法求解单目标问题,并在MATLAB2022A中实现仿真,对比PSO和GA的性能。核心代码展示了适应度计算、火花生成及位置约束等关键步骤。最终通过收敛曲线对比三种算法的优化效果。烟花优化算法模拟烟花爆炸过程,探索搜索空间,寻找全局最优解,适用于复杂非线性问题。PSO和GA则分别适合快速收敛和大解空间的问题。参数调整和算法特性分析显示了各自的优势与局限。
|
1天前
|
存储 算法 安全
基于哈希表的文件共享平台 C++ 算法实现与分析
在数字化时代,文件共享平台不可或缺。本文探讨哈希表在文件共享中的应用,包括原理、优势及C++实现。哈希表通过键值对快速访问文件元数据(如文件名、大小、位置等),查找时间复杂度为O(1),显著提升查找速度和用户体验。代码示例展示了文件上传和搜索功能,实际应用中需解决哈希冲突、动态扩容和线程安全等问题,以优化性能。
|
10天前
|
缓存 算法 搜索推荐
Java中的算法优化与复杂度分析
在Java开发中,理解和优化算法的时间复杂度和空间复杂度是提升程序性能的关键。通过合理选择数据结构、避免重复计算、应用分治法等策略,可以显著提高算法效率。在实际开发中,应该根据具体需求和场景,选择合适的优化方法,从而编写出高效、可靠的代码。
25 6
|
16天前
|
机器学习/深度学习 前端开发 算法
婚恋交友系统平台 相亲交友平台系统 婚恋交友系统APP 婚恋系统源码 婚恋交友平台开发流程 婚恋交友系统架构设计 婚恋交友系统前端/后端开发 婚恋交友系统匹配推荐算法优化
婚恋交友系统平台通过线上互动帮助单身男女找到合适伴侣,提供用户注册、个人资料填写、匹配推荐、实时聊天、社区互动等功能。开发流程包括需求分析、技术选型、系统架构设计、功能实现、测试优化和上线运维。匹配推荐算法优化是核心,通过用户行为数据分析和机器学习提高匹配准确性。
52 3
|
16天前
|
算法
PAI下面的gbdt、xgboost、ps-smart 算法如何优化?
设置gbdt 、xgboost等算法的样本和特征的采样率
40 2