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
|
7月前
|
机器学习/深度学习 算法 数据可视化
基于MVO多元宇宙优化的DBSCAN聚类算法matlab仿真
本程序基于MATLAB实现MVO优化的DBSCAN聚类算法,通过多元宇宙优化自动搜索最优参数Eps与MinPts,提升聚类精度。对比传统DBSCAN,MVO-DBSCAN有效克服参数依赖问题,适应复杂数据分布,增强鲁棒性,适用于非均匀密度数据集的高效聚类分析。
|
8月前
|
机器学习/深度学习 传感器 算法
【高创新】基于优化的自适应差分导纳算法的改进最大功率点跟踪研究(Matlab代码实现)
【高创新】基于优化的自适应差分导纳算法的改进最大功率点跟踪研究(Matlab代码实现)
381 14
|
7月前
|
机器学习/深度学习 算法
采用蚁群算法对BP神经网络进行优化
使用蚁群算法来优化BP神经网络的权重和偏置,克服传统BP算法容易陷入局部极小值、收敛速度慢、对初始权重敏感等问题。
500 5
|
8月前
|
canal 算法 vr&ar
【图像处理】基于电磁学优化算法的多阈值分割算法研究(Matlab代码实现)
【图像处理】基于电磁学优化算法的多阈值分割算法研究(Matlab代码实现)
236 1
|
8月前
|
机器学习/深度学习 运维 算法
【微电网多目标优化调度】多目标学习者行为优化算法MOLPB求解微电网多目标优化调度研究(Matlab代码实现)
【微电网多目标优化调度】多目标学习者行为优化算法MOLPB求解微电网多目标优化调度研究(Matlab代码实现)
344 1
|
7月前
|
机器学习/深度学习 人工智能 算法
【基于TTNRBO优化DBN回归预测】基于瞬态三角牛顿-拉夫逊优化算法(TTNRBO)优化深度信念网络(DBN)数据回归预测研究(Matlab代码实现)
【基于TTNRBO优化DBN回归预测】基于瞬态三角牛顿-拉夫逊优化算法(TTNRBO)优化深度信念网络(DBN)数据回归预测研究(Matlab代码实现)
287 0
|
7月前
|
机器学习/深度学习 算法 物联网
基于遗传方法的动态多目标优化算法
基于遗传方法的动态多目标优化算法
|
8月前
|
机器学习/深度学习 存储 算法
【微电网调度】考虑需求响应的基于改进多目标灰狼算法的微电网优化调度研究(Matlab代码实现)
【微电网调度】考虑需求响应的基于改进多目标灰狼算法的微电网优化调度研究(Matlab代码实现)
341 0
|
8月前
|
存储 边缘计算 算法
【太阳能学报EI复现】基于粒子群优化算法的风-水电联合优化运行分析(Matlab代码实现)
【太阳能学报EI复现】基于粒子群优化算法的风-水电联合优化运行分析(Matlab代码实现)
148 0