leetcode 684冗余连接---判断无向图是否存在环
BFS解法
思路:
问题就是求在环中的节点,
考虑拓扑排序,显然环节点的度一定永远大于1,而其他所有节点都可以通过bfs拓扑排序消减直到小于等于1。
拓扑排序过程中记录不是环的节点,最后在edges数组中判断最后出现的环节点。
代码
class Solution {
List<List<Integer>> edges=new ArrayList<>();
int[]degree;
public int[] findRedundantConnection(int[][] e) {
int n=e.length;
degree=new int[n];
Set<Integer> nonCycle=new HashSet<>();
Deque<Integer> dq=new LinkedList<>();
for(int i=0;i<n;i++){
edges.add(new ArrayList<>());
}
for(int []i:e){//构造邻接表和度
edges.get(i[0]-1).add(i[1]-1);
edges.get(i[1]-1).add(i[0]-1);
degree[i[0]-1]++;
degree[i[1]-1]++;
}
for(int i=0;i<n;i++){
if(degree[i]==1){
dq.offer(i);
nonCycle.add(i+1);
}
}
while(!dq.isEmpty()){
int len=dq.size();
for(int i=0;i<len;i++){
int u=dq.poll();
for(int v:edges.get(u)){
degree[v]--;
if(degree[v]==1){
dq.offer(v);
nonCycle.add(v+1);
}
}
}
}
int[] res=new int[2];
for(int[]i:e){
if(!nonCycle.contains(i[0])&&!nonCycle.contains(i[1])){
res[0]=i[0];
res[1]=i[1];
}
}
return res;
}
}
DFS解法
思路:stack记录搜索过程中的路径,如果发现当前访问的结点已经stack中且不等于stack最后一个元素,则找到了环。
代码
class Solution:
def findRedundantConnection(self, edges: List[List[int]]) -> List[int]:
def DFS(i):
if i in stack:
if i!=stack[-2]:
index=stack.index(i)
self.result=stack[index:]
return True
else:
return False
stack.append(i)
for v in graph[i]:
if DFS(v):
return True
stack.pop()
nodenum=len(edges)
graph=[[] for _ in range(nodenum+1)]
for i,j in edges:
graph[i].append(j)
graph[j].append(i)
stack=[]
DFS(1)
circle=set()
length=len(self.result)
for i in range(length):
circle.add((self.result[i],self.result[(i+1)%length]))
for edge in edges[::-1]:
if (edge[0],edge[1]) in circle or (edge[1],edge[0]) in circle:
return edge
并查集解法
思路:
在一棵树中,边的数量比节点的数量少 11。如果一棵树有 nn 个节点,则这棵树有 n-1n−1 条边。这道题中的图在树的基础上多了一条附加的边,因此边的数量也是 nn。
树是一个连通且无环的无向图,在树中多了一条附加的边之后就会出现环,因此附加的边即为导致环出现的边。
可以通过并查集寻找附加的边。初始时,每个节点都属于不同的连通分量。遍历每一条边,判断这条边连接的两个顶点是否属于相同的连通分量。
-
如果两个顶点属于不同的连通分量,则说明在遍历到当前的边之前,这两个顶点之间不连通,因此当前的边不会导致环出现,合并这两个顶点的连通分量。
-
如果两个顶点属于相同的连通分量,则说明在遍历到当前的边之前,这两个顶点之间已经连通,因此当前的边导致环出现,为附加的边,将当前的边作为答案返回。
代码
class Solution:
def findRedundantConnection(self, edges: List[List[int]]) -> List[int]:
n = len(edges)
parent = list(range(n + 1))
def find(index: int) -> int:
if parent[index] != index:
parent[index] = find(parent[index])
return parent[index]
def union(index1: int, index2: int):
parent[find(index1)] = find(index2)
for node1, node2 in edges:
if find(node1) != find(node2):
union(node1, node2)
else:
return [node1, node2]
return []