descripción
Se colocan n piedras en algunos puntos de coordenadas enteras en un plano bidimensional. Puede haber como máximo una piedra en cada punto de coordenadas.
Si hay otras piedras en la misma fila o en la misma fila de una piedra, entonces la piedra se puede quitar.
Le da una matriz de piedras de longitud n, donde piedras [i] = [xi, yi] representa la posición de la i-ésima piedra, y devuelve el número máximo de piedras que se pueden quitar.
Ejemplo 1:
Entrada: piedras = [[0,0], [0,1], [1,0], [1,2], [2,1], [2,2]]
Salida: 5
Explicación: Una eliminación El método de 5 piedras es el siguiente:
1. Quite la piedra [2,2] porque es lo mismo que [2,1].
2. Quite la piedra [2,1] porque está en la misma columna que [0,1].
3. Quite la piedra [1,2] porque va con [1,0].
4. Quite la piedra [1,0] porque está en la misma columna que [0,0].
5. Quite la piedra [0,1] porque es lo mismo que [0,0].
La piedra [0,0] no se puede quitar porque no está en línea / columna con otra piedra.
Ejemplo 2:
Entrada: piedras = [[0,0], [0,2], [1,1], [2,0], [2,2]]
Salida: 3
Explicación: Un método para quitar 3 piedras es el siguiente. :
1. Quite la piedra [2,2] porque es lo mismo que [2,0].
2. Quite la piedra [2,0] porque está en la misma columna que [0,0].
3. Quite la piedra [0,2] porque es lo mismo que [0,0].
Las piedras [0,0] y [1,1] no se pueden quitar porque no están en línea / columna con otra piedra.
Ejemplo 3:
Entrada: piedras = [[0,0]]
Salida: 0
Explicación: [0,0] es la única piedra en el plano, por lo que no se puede quitar.
Fuente: LeetCode
Enlace: https://leetcode-cn.com/problems/most-stones-removed-with-same-row-or-column/
Resolver
// 使用散列表实现一个动态增加的并查集
class VarUnionFind {
private:
unordered_map<int, int> parent;
unordered_map<int, int> rank;
public:
int find(int p) {
if (parent.count(p) == 0) {
// 如果p在散列表中不存在,则添加进去
parent[p] = p;
return p;
}
while (p != parent[p]) {
parent[p] = parent[parent[p]];
p = parent[p];
}
return p;
}
void unionElements(int p, int q) {
int pRoot = find(p);
int qRoot = find(q);
if (pRoot == qRoot) {
return;
}
if (rank[pRoot] < rank[qRoot]) {
parent[pRoot] = qRoot;
return;
}
if (rank[pRoot] > rank[qRoot]) {
parent[qRoot] = pRoot;
return;
}
// rank[pRoot] == rank[qRoot]
parent[pRoot] = qRoot;
++rank[qRoot];
}
// 返回并查集的连通分量
int getConnectedComponent() {
int count = 0;
for (auto &[p, root] : parent) {
if (p == root) {
++count;
}
}
return count;
}
};
class Solution {
public:
// 方法一,使用并查集,求取连通分量,通过分析可知,每个连通分量通过不停的粉碎可以只剩下一块石头
// 则结果为n - 连通分量个数
int removeStones_useUnionFind(vector<vector<int>> &stones) {
const int OFFSET = 100001; // 纵坐标的偏移量,为了不跟横坐标重合的冲突
VarUnionFind uf;
for (auto &vec : stones) {
uf.unionElements(vec[0], vec[1] + OFFSET);
}
// 石头数量减去并查集的连通分量即为可以粉碎的最大数量石头
return stones.size() - uf.getConnectedComponent();
}
// 方法二,深度遍历图得到连通分量,这里将每块石头看做图的一个结点,通过观察是否在同行或者同列来确定是否有边相连,
// 最后通过深度遍历计算连通分量,则结果为n - 连通分量个数
int removeStones_useDFS1e(vector<vector<int>> &stones) {
const int n = stones.size();
vector<vector<int>> edges(n, vector<int>()); // 邻接表存储图
// 构造图
for (int i = 0; i < n; ++i) {
for (int j = i + 1; j < n; j++) {
if (stones[i][0] == stones[j][0] || stones[i][1] == stones[j][1]) {
edges[i].push_back(j);
edges[j].push_back(i); // 构造一个无向图
}
}
}
// 深度遍历,求取连通分量
int count = 0; // 连通分量初始化为0
visited.assign(n, false); // 结点访问标记初始化
for (int i = 0; i < n; ++i) {
if (!visited[i]) {
++count;
dfs(edges, i);
}
}
return n - count;
}
// 方法三,方法二建图部分时间复杂度为O(N*N),进行优化,将同行或者同列的石头放一起,再进行建图
int removeStones(vector<vector<int>> &stones) {
const int n = stones.size();
const int OFFSET = 100001; // 纵坐标的偏移量,为了不跟横坐标重合的冲突
unordered_map<int, vector<int>> record;
// 计算每个行或者列上有哪些石头(图节点)
for (int i = 0; i < n; ++i) {
record[stones[i][0]].emplace_back(i); // 在横坐标stones[i][0]上有石头i(即图节点i )
record[stones[i][1] + OFFSET].emplace_back(i); // 在横坐标stones[i][1] + OFFSET上有石头i(即图节点i )
}
// 构造图
vector<vector<int>> edges(n, vector<int>()); // 邻接表构造图
for (auto &[_, vec] : record) {
int k = vec.size();
for (int i = 1; i < k; ++i) {
// 在同行或者同列的节点肯定相连,注意无向图的处理
edges[vec[i - 1]].emplace_back(vec[i]);
edges[vec[i]].emplace_back(vec[i - 1]);
}
}
// 深度遍历,求取连通分量
int count = 0; // 连通分量初始化为0
visited.assign(n, false); // 结点访问标记初始化
for (int i = 0; i < n; ++i) {
if (!visited[i]) {
++count;
dfs(edges, i);
}
}
return n - count;
}
private:
// 图的深度遍历
void dfs(const vector<vector<int>> &edges, int v) {
visited[v] = true;
const auto &adjPoints = edges[v];
for (auto w : adjPoints) {
if (!visited[w]) {
dfs(edges, w);
}
}
}
// 图结点是否访问标志,用于辅助遍历
vector<bool> visited;
};