博客
关于我
SSLOJ 1758连通图
阅读量:332 次
发布时间:2019-03-04

本文共 1332 字,大约阅读时间需要 4 分钟。

判断一个图是否为连通图

判断一个图是否为连通图的步骤如下:

  • 输入处理

    • 读取顶点数 n
    • 读取边的信息,存储每个顶点的邻居列表。
  • 初始化访问数组

    • 创建一个大小为 n+1 的数组 visit,初始值为 False,表示所有顶点未被访问。
    • 从顶点 1 开始,首先标记为已访问。
  • 深度优先搜索(DFS)

    • 使用栈结构记录当前路径。
    • 对于每个顶点,遍历其所有邻居:
      • 如果邻居未被访问,标记为已访问,压入栈。
      • 如果邻居已访问,继续检查下一个邻居。
    • 如果在遍历过程中,发现有顶点未被访问,说明存在多个连通分量,图不连通。
  • 结果判断

    • 如果所有顶点都被访问,图连通,输出 1
    • 否则,图不连通,输出 0
  • 示例代码

    #include 
    #include
    using namespace std;int main() { int n; cin >> n; vector
    > adj(n + 1); for (int i = 1; i <= n; ++i) { adj[i].reserve(n + 1); } for (int x, y; cin >> x >> y; ++adj[x].push_back(y), ++adj[y].push_back(x)) { if (x < 1 || x > n || y < 1 || y > n) { // 处理无效顶点,跳过 continue; } } vector
    visit(n + 1, false); stack
    stack; visit[1] = true; stack.push(1); bool connected = true; while (!stack.empty()) { int current = stack.top(); stack.pop(); for (int neighbor : adj[current]) { if (!visit[neighbor]) { visit[neighbor] = true; stack.push(neighbor); } } } for (int i = 1; i <= n; ++i) { if (!visit[i]) { connected = false; break; } } cout << (connected ? 1 : 0);}

    代码解释

    • 输入处理:读取顶点数 n 和边的信息,构建邻接表 adj
    • 初始化访问数组visit 记录每个顶点是否被访问,初始时只有顶点 1 被标记为已访问。
    • DFS遍历:使用栈结构从顶点 1 开始遍历所有可达顶点,标记访问状态。
    • 结果判断:检查所有顶点是否被访问。如果有未被访问的顶点,图不连通,输出 0;否则,输出 1

    通过以上方法,可以准确判断给定图是否为连通图。

    转载地址:http://rwye.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(一) :直接拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(三):基于特征匹配拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(二) :基于模板匹配拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(四):基于Stitcher类拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV快速傅里叶变换(FFT)用于图像和视频流的模糊检测(建议收藏!)
    查看>>
    OpenCV与AI深度学习 | PaddleOCR 2.9 发布, 正式开源文本图像智能分析利器
    查看>>
    OpenCV与AI深度学习 | SAM2(Segment Anything Model 2)新一代分割一切大模型介绍与使用(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | T-Rex Label !超震撼 AI 自动标注工具,开箱即用、检测一切
    查看>>
    OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
    查看>>
    OpenCV与AI深度学习 | YOLOv10在PyTorch和OpenVINO中推理对比
    查看>>
    OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
    查看>>
    OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
    查看>>
    OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
    查看>>
    OpenCV与AI深度学习 | 一文带你读懂YOLOv1~YOLOv11(建议收藏!)
    查看>>
    OpenCV与AI深度学习 | 五分钟快速搭建一个实时人脸口罩检测系统(OpenCV+PaddleHub 含源码)
    查看>>
    OpenCV与AI深度学习 | 什么是 COCO 数据集?
    查看>>
    OpenCV与AI深度学习 | 低对比度缺陷检测应用实例--LCD屏幕脏污检测
    查看>>
    OpenCV与AI深度学习 | 使用 MoveNet Lightning 和 OpenCV 实现实时姿势检测
    查看>>
    OpenCV与AI深度学习 | 使用 OpenCV 创建自定义图像滤镜
    查看>>
    OpenCV与AI深度学习 | 使用 SAM 和 Grounding DINO 分割卫星图像
    查看>>