算法面试真题详解:图是否是树

简介: 算法面试真题详解:图是否是树

描述
给出 n 个节点,标号分别从 0 到 n - 1 并且给出一个 无向 边的列表 (给出每条边的两个顶点), 写一个函数去判断这张`无向`图是否是一棵树
你可以假设我们不会给出重复的边在边的列表当中. 无向边 [0, 1] 和 [1, 0] 是同一条边, 因此他们不会同时出现在我们给你的边的列表当中。

在线评测地址:领扣题库官网

样例1
输入: n = 5 edges = [[0, 1], [0, 2], [0, 3], [1, 4]]
输出: true.
样例2
输入: n = 5 edges = [[0, 1], [1, 2], [2, 3], [1, 3], [1, 4]]
输出: false.

算法:bfs

算法思路

  • 一棵拥有n个节点的树有n-1条边,树是连通的,没有环的。
  • 给定一个无向图让我们判断是否为树,我们只需要判断是否连通且无环即可。
  • 我们可以从根节点出发向儿子节点进行广度优先搜索bfs,如果能遍历完所有的点,且没有环存在,那么说明这个无向图是树。
  • 已知给定的边不重复,所以可以通过判断边数是否为(n - 1)条来判断是否无环。
    代码思路
  • 首先判断边数是否为(n - 1)条,若不是则返回false
  • 然后从根节点开始进行bfs搜索
    模板:
    */
    queue <int> q; //声明一个队列
    q.push(...); //压入起始元素
    while (!q.empty()) { //当队列不为空
        ... = q.front();  //取出队列头
        q.pop(); //弹出队列头
        for (...){
            if(...) {
                改变状态
                q.push(...); //压入队列
            }
        }
    }
  • 最后判断是否能够遍历完所有节点,如果能说明是树,返回true。
    复杂度分析
  • 假设有n个点,m条边。
  • 用邻接矩阵存储n个点之间的边的关系,空间复杂度为O(n^2)。
  • 建图时每条边都会访问 1 次,搜索时每个点都会被询问1次,时间复杂度为O(max(n, m))。
    public class Solution {
    /**
     * @param n: An integer
     * @param edges: a list of undirected edges
     * @return: true if it's a valid tree, or false
     */
    public boolean validTree(int n, int[][] edges) {
        int numOfEdge = edges.length;
        // 判断是否为 (n - 1) 条边
        if (numOfEdge != n - 1) {
            return false;
        }
        // adjacent[i][j]里存i与j是否相邻
        int[][] adjacent = new int[n + 2][n + 2];
        for (int i = 0; i < numOfEdge; i++) {
            int u = edges[i][0], v = edges[i][1];
            adjacent[u][v] = adjacent[v][u] = 1;
        }
        // visit[i]记录i是否被访问
        int[] visit = new int[n + 5];
        // 0作为根结点,开始向下遍历
        visit[0] = 1;
        int root = 0, numOfVisited = 1;
        Queue<Integer> q = new LinkedList<Integer>();
        q.add(root);
        while (!q.isEmpty()) {
            root = q.poll(); 
            for (int i = 0; i < n; i++) {
                if (adjacent[root][i] != 1) {
                    continue;
                }
                // 如果相邻且没有被访问过,说明是儿子,加入队列
                if(visit[i] == 0) {
                    visit[i] = 1;
                    numOfVisited++;
                    q.add(i);
                }
            }
        }
        if(numOfVisited == n) {
            return true;
        } 
        return false;
    }
    }

    更多题解参考:领扣题库官网

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。
102 1
|
15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
|
1月前
|
算法 Java 数据库
美团面试:百亿级分片,如何设计基因算法?
40岁老架构师尼恩分享分库分表的基因算法设计,涵盖分片键选择、水平拆分策略及基因法优化查询效率等内容,助力面试者应对大厂技术面试,提高架构设计能力。
美团面试:百亿级分片,如何设计基因算法?
|
1月前
|
算法 前端开发 Java
数据结构与算法学习四:单链表面试题,新浪、腾讯【有难度】、百度面试题
这篇文章总结了单链表的常见面试题,并提供了详细的问题分析、思路分析以及Java代码实现,包括求单链表中有效节点的个数、查找单链表中的倒数第k个节点、单链表的反转以及从尾到头打印单链表等题目。
33 1
数据结构与算法学习四:单链表面试题,新浪、腾讯【有难度】、百度面试题
|
1月前
|
机器学习/深度学习 算法 Java
机器学习、基础算法、python常见面试题必知必答系列大全:(面试问题持续更新)
机器学习、基础算法、python常见面试题必知必答系列大全:(面试问题持续更新)
|
1月前
|
算法 Java 数据库
美团面试:百亿级分片,如何设计基因算法?
40岁老架构师尼恩在读者群中分享了关于分库分表的基因算法设计,旨在帮助大家应对一线互联网企业的面试题。文章详细介绍了分库分表的背景、分片键的设计目标和建议,以及基因法的具体应用和优缺点。通过系统化的梳理,帮助读者提升架构、设计和开发水平,顺利通过面试。
美团面试:百亿级分片,如何设计基因算法?
|
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。
23 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
|
算法 Java 数据中心
探讨面试常见问题雪花算法、时钟回拨问题,java中优雅的实现方式
【10月更文挑战第2天】在大数据量系统中,分布式ID生成是一个关键问题。为了保证在分布式环境下生成的ID唯一、有序且高效,业界提出了多种解决方案,其中雪花算法(Snowflake Algorithm)是一种广泛应用的分布式ID生成算法。本文将详细介绍雪花算法的原理、实现及其处理时钟回拨问题的方法,并提供Java代码示例。
73 2
|
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。
57 2