图论-代码随想录刷题记录[JAVA]

---

前言

新手小白记录第一次刷代码随想录
1.自用 抽取精简的解题思路 方便复盘
2.代码尽量多加注释
3.记录踩坑
4.边刷边记录，更有成就感！
5.解题思路绝大部分来自代码随想录【仅自用 无商用！！！】

---

深度优先搜索理论基础

代码框架

void dfs(参数) {if (终止条件) {存放结果;return;}for (选择：本节点所连接的其他节点) {处理节点;dfs(图，选择的节点); // 递归回溯，撤销处理结果}
}

所有可达路径

【题目描述】

给定一个有 n 个节点的有向无环图，节点编号从 1 到 n。请编写一个函数，找出并返回所有从节点 1 到节点 n 的路径。每条路径应以节点编号的列表形式表示。

【输入描述】

第一行包含两个整数 N，M，表示图中拥有 N 个节点，M 条边

后续 M 行，每行包含两个整数 s 和 t，表示图中的 s 节点与 t 节点中有一条路径

【输出描述】

输出所有的可达路径，路径中所有节点的后面跟一个空格，每条路径独占一行，存在多条路径，路径输出的顺序可任意。

如果不存在任何一条路径，则输出 -1。

注意输出的序列中，最后一个节点后面没有空格！ 例如正确的答案是 1 3 5,而不是 1 3 5， 5后面没有空格！

【输入示例】

5 5
1 3
3 5
1 2
2 4
4 5
【输出示例】

1 3 5
1 2 4 5

邻接矩阵

import java.util.ArrayList;
import java.util.List;
import java.util.Scanner;public class Main {static List<List<Integer>> result = new ArrayList<>(); // 收集符合条件的路径static List<Integer> path = new ArrayList<>(); // 1节点到终点的路径public static void dfs(int[][] graph, int x, int n) {// 当前遍历的节点x 到达节点nif (x == n) { // 找到符合条件的一条路径result.add(new ArrayList<>(path));return;}for (int i = 1; i <= n; i++) { // 遍历节点x链接的所有节点if (graph[x][i] == 1) { // 找到 x链接的节点path.add(i); // 遍历到的节点加入到路径中来dfs(graph, i, n); // 进入下一层递归path.remove(path.size() - 1); // 回溯，撤销本节点}}}public static void main(String[] args) {Scanner scanner = new Scanner(System.in);int n = scanner.nextInt();int m = scanner.nextInt();// 节点编号从1到n，所以申请 n+1 这么大的数组int[][] graph = new int[n + 1][n + 1];for (int i = 0; i < m; i++) {int s = scanner.nextInt();int t = scanner.nextInt();// 使用邻接矩阵表示无向图，1 表示 s 与 t 是相连的graph[s][t] = 1;}path.add(1); // 无论什么路径已经是从1节点出发dfs(graph, 1, n); // 开始遍历// 输出结果if (result.isEmpty()) System.out.println(-1);for (List<Integer> pa : result) {for (int i = 0; i < pa.size() - 1; i++) {System.out.print(pa.get(i) + " ");}System.out.println(pa.get(pa.size() - 1));}}
}

邻接表

import java.util.*;public class Main {static List<List<Integer>> res = new ArrayList<>();static List<Integer> path = new ArrayList<>();public static void dfs(List<LinkedList<Integer>> graph, int now, int n) {// 终止条件：找到一条从1到n的路径if (now == n) {res.add(new ArrayList<>(path));return;}// 遍历当前节点的所有邻接节点for (int i : graph.get(now)) {path.add(i);  // 添加当前节点到路径中dfs(graph, i, n);  // 递归探索下一节点path.remove(path.size() - 1);  // 回溯，移除当前节点}}public static void main(String args[]) {Scanner sc = new Scanner(System.in);int n = sc.nextInt();  // 节点数int m = sc.nextInt();  // 边数// 初始化图的邻接表List<LinkedList<Integer>> graph = new ArrayList<>(n + 1);for (int i = 0; i <= n; i++) {graph.add(new LinkedList<>());}// 构建图的邻接表int a, b;while (m-- > 0) {a = sc.nextInt();b = sc.nextInt();graph.get(a).add(b);  // 从a到b的边}// 从节点1开始路径搜索path.add(1);  // 初始路径包含节点1dfs(graph, 1, n);// 如果没有路径if (res.isEmpty()) {System.out.println(-1);  // 没有路径} else {// 打印所有路径for (List<Integer> re : res) {for (int i = 0; i < re.size() - 1; i++) {System.out.print(re.get(i) + " ");}System.out.println(re.get(re.size() - 1));  // 打印路径的最后一个节点}}}
}

岛屿数量

给定一个由 1（陆地）和 0（水）组成的矩阵，你需要计算岛屿的数量。岛屿由水平方向或垂直方向上相邻的陆地连接而成，并且四周都是水域。你可以假设矩阵外均被水包围。

输入描述：

第一行包含两个整数 N, M，表示矩阵的行数和列数。

后续 N 行，每行包含 M 个数字，数字为 1 或者 0。

输出描述：

输出一个整数，表示岛屿的数量。如果不存在岛屿，则输出 0。

输入示例：

4 5
1 1 0 0 0
1 1 0 0 0
0 0 1 0 0
0 0 0 1 1
输出示例：

3
数据范围：

1 <= N, M <= 50

深搜版

import java.util.Scanner;public class Main {static int cnt = 0; // 用于计数岛屿数量static int direct[][] = {{1, 0}, {-1, 0}, {0, 1}, {0, -1}}; // 四个方向的移动// 深度优先搜索public static void dfs(int graph[][], int x, int y, boolean visited[][]) {// 遍历四个方向for (int i = 0; i < 4; i++) {int nextX = x + direct[i][0];  // 下一个位置的x坐标int nextY = y + direct[i][1];  // 下一个位置的y坐标// 判断是否越界if (nextX < 0 || nextY < 0 || nextX >= graph.length || nextY >= graph[0].length) {continue; // 如果越界，跳过}// 如果当前位置是陆地并且未访问过，递归搜索if (!visited[nextX][nextY] && graph[nextX][nextY] == 1) {visited[nextX][nextY] = true; // 标记为已访问dfs(graph, nextX, nextY, visited); // 递归搜索}}}public static void main(String[] args) {int n, m, a;Scanner sc = new Scanner(System.in);n = sc.nextInt(); // 行数m = sc.nextInt(); // 列数int[][] graph = new int[n][m]; // 地图boolean[][] visited = new boolean[n][m]; // 记录每个位置是否已访问// 读取地图for (int i = 0; i < n; i++) {for (int j = 0; j < m; j++) {a = sc.nextInt();graph[i][j] = a; // 1表示陆地，0表示水域}}// 遍历整个图，每当找到一个未访问的陆地，执行深度优先搜索for (int i = 0; i < n; i++) {for (int j = 0; j < m; j++) {// 找到一个未访问的陆地，开始深度优先搜索if (!visited[i][j] && graph[i][j] == 1) {cnt++; // 找到一个岛屿visited[i][j] = true; // 标记为已访问dfs(graph, i, j, visited); // 递归搜索整个岛屿}}}// 输出岛屿的数量System.out.println(cnt);}
}

另一种写终止条件的写法

public static void dfs(int[][] grid, boolean[][] visited, int x, int y) {// 终止条件：访问过的节点 或者 遇到海水（grid[x][y] == 0）if (visited[x][y] || grid[x][y] == 0) {return;}visited[x][y] = true; // 标记当前位置为已访问// 遍历四个方向for (int i = 0; i < 4; i++) {int nextX = x + dir[i][0];int nextY = y + dir[i][1];// 检查是否越界if (nextX < 0 || nextX >= grid.length || nextY < 0 || nextY >= grid[0].length) {continue;}// 递归调用 DFSdfs(grid, visited, nextX, nextY);}}

广搜版

• 不少同学用广搜做这道题目的时候，超时了。 这里有一个广搜中很重要的细节：
• 根本原因是只要 加入队列就代表 走过，就需要标记，而不是从队列拿出来的时候再去标记走过。
• 很多同学可能感觉这有区别吗？
• 如果从队列拿出节点，再去标记这个节点走过，就会发生下图所示的结果，会导致很多节点重复加入队列。

import java.util.*;public class Main {// 定义四个方向的偏移量：下、右、上、左public static int[][] dir = {{0, 1}, {1, 0}, {0, -1}, {-1, 0}};// 下右上左// 自定义pair类，用于存储坐标static class pair {int first, second;pair(int x, int y) {this.first = x;this.second = y;}}// BFS遍历函数public static void bfs(int[][] grid, boolean[][] visited, int x, int y) {Queue<pair> queue = new LinkedList<pair>();  // 定义坐标队列queue.add(new pair(x, y)); // 入队当前坐标visited[x][y] = true; // 标记当前位置为已访问while (!queue.isEmpty()) {int curX = queue.peek().first;  // 获取队列头的X坐标int curY = queue.poll().second; // 获取队列头的Y坐标并出队（poll是把对头元素出队了）// 遍历四个方向for (int i = 0; i < 4; i++) {// 计算下一个坐标int nextX = curX + dir[i][0];int nextY = curY + dir[i][1];// 检查越界if (nextX < 0 || nextX >= grid.length || nextY < 0 || nextY >= grid[0].length) {continue;}// 如果没有访问过并且该点是陆地（值为1），则入队if (!visited[nextX][nextY] && grid[nextX][nextY] == 1) {queue.add(new pair(nextX, nextY));visited[nextX][nextY] = true; // 标记为已访问}}}}public static void main(String[] args) {Scanner sc = new Scanner(System.in);// 输入网格的行数和列数int m = sc.nextInt();int n = sc.nextInt();int[][] grid = new int[m][n];boolean[][] visited = new boolean[m][n];int ans = 0;// 输入网格的每个值（0为水域，1为陆地）for (int i = 0; i < m; i++) {for (int j = 0; j < n; j++) {grid[i][j] = sc.nextInt();}}// 遍历网格，查找所有的岛屿for (int i = 0; i < m; i++) {for (int j = 0; j < n; j++) {// 如果该点是陆地并且未访问过，则说明发现一个新的岛屿if (!visited[i][j] && grid[i][j] == 1) {ans++; // 岛屿数量加一bfs(grid, visited, i, j); // 通过BFS将该岛屿所有的陆地标记为已访问}}}// 输出岛屿数量System.out.println(ans);}
}

岛屿最大面积

题目描述

给定一个由 1（陆地）和 0（水）组成的矩阵，计算岛屿的最大面积。岛屿面积的计算方式为组成岛屿的陆地的总数。岛屿由水平方向或垂直方向上相邻的陆地连接而成，并且四周都是水域。你可以假设矩阵外均被水包围。

输入描述

第一行包含两个整数 N, M，表示矩阵的行数和列数。后续 N 行，每行包含 M 个数字，数字为 1 或者 0，表示岛屿的单元格。

输出描述

输出一个整数，表示岛屿的最大面积。如果不存在岛屿，则输出 0。

输入示例

4 5
1 1 0 0 0
1 1 0 0 0
0 0 1 0 0
0 0 0 1 1
输出示例

4

写在前面

• count是类成员变量，如果不加 static，它们将被视为实例变量，只有通过实例化 Main 类才能访问它们。
• bfs 方法是静态方法，它可以直接通过类名 Main.bfs() 调用。如果不将其设为 static，它就需要依赖于一个 Main 类的实例来调用。
• 如果不加 static，访问count 以及调用 bfs 会出现问题，因为：count 是实例变量，而 bfs 是静态方法。静态方法只能访问静态变量和静态方法。
• 即使你没有实例化 Main 类，你也希望在 main 方法中访问它们，这就要求count 也必须是静态的。

dfs

写法一，dfs只处理下一个节点，即在主函数遇到岛屿就计数为1，dfs处理接下来的相邻陆地

import java.util.*;public class Main {// 定义四个方向的偏移量：右、下、左、上public static int[][] dir = {{0, 1}, {1, 0}, {0, -1}, {-1, 0}};static int count; // 记录每次DFS访问的陆地数量// 深度优先搜索 (DFS) 函数public static void dfs(int[][] grid, boolean[][] visited, int x, int y) {for (int i = 0; i < 4; i++) {int nextX = x + dir[i][0];int nextY = y + dir[i][1];// 检查越界if (nextX < 0 || nextX >= grid.length || nextY < 0 || nextY >= grid[0].length) {continue;}// 如果该位置没有访问过且是陆地，则继续DFSif (!visited[nextX][nextY] && grid[nextX][nextY] == 1) {visited[nextX][nextY] = true;count++; // 增加当前岛屿的陆地数量dfs(grid, visited, nextX, nextY); // 递归访问相邻的陆地}}}public static void main(String[] args) {Scanner sc = new Scanner(System.in);// 输入网格的行数n和列数mint n = sc.nextInt();int m = sc.nextInt();// 创建网格并填充输入数据int[][] grid = new int[n][m];for (int i = 0; i < n; i++) {for (int j = 0; j < m; j++) {grid[i][j] = sc.nextInt();}}// 创建一个visited数组，用来标记访问过的位置boolean[][] visited = new boolean[n][m];int result = 0; // 最终记录最大岛屿面积// 遍历每一个格子for (int i = 0; i < n; i++) {for (int j = 0; j < m; j++) {// 如果当前格子是陆地并且未被访问过，进行DFSif (!visited[i][j] && grid[i][j] == 1) {count = 1;  // 这里遇到陆地了，先计数1visited[i][j] = true;dfs(grid, visited, i, j); // 递归访问与当前陆地相连的陆地result = Math.max(result, count); // 更新最大岛屿面积}}}// 输出结果System.out.println(result);}
}

写法二，dfs处理当前节点，即在主函数遇到岛屿就计数为0，dfs处理接下来的全部陆地

// 版本二
import java.util.Scanner;public class Main {// 定义四个方向的偏移量：右、下、左、上public static int[][] dir = {{0, 1}, {1, 0}, {0, -1}, {-1, 0}};static int count; // 记录每次DFS访问的陆地数量// 深度优先搜索 (DFS) 函数public static void dfs(int[][] grid, boolean[][] visited, int x, int y) {// 终止条件：访问过的节点 或者 遇到海水if (visited[x][y] || grid[x][y] == 0) return;visited[x][y] = true; // 标记当前位置为已访问count++; // 每访问到一个陆地，计数+1// 遍历四个方向for (int i = 0; i < 4; i++) {int nextX = x + dir[i][0];int nextY = y + dir[i][1];// 检查越界if (nextX < 0 || nextX >= grid.length || nextY < 0 || nextY >= grid[0].length) {continue;}// 递归调用 DFSdfs(grid, visited, nextX, nextY);}}public static void main(String[] args) {Scanner sc = new Scanner(System.in);// 输入网格的行数n和列数mint n = sc.nextInt();int m = sc.nextInt();// 创建网格并填充输入数据int[][] grid = new int[n][m];for (int i = 0; i < n; i++) {for (int j = 0; j < m; j++) {grid[i][j] = sc.nextInt();}}// 创建一个visited数组，用来标记访问过的位置boolean[][] visited = new boolean[n][m];int result = 0; // 最终记录最大岛屿面积// 遍历每一个格子for (int i = 0; i < n; i++) {for (int j = 0; j < m; j++) {// 如果当前格子是陆地并且未被访问过，进行DFSif (!visited[i][j] && grid[i][j] == 1) {count = 0;  // 遇到陆地时先计数为0，进入DFS后开始从1计数dfs(grid, visited, i, j); // 递归访问与当前陆地相连的陆地result = Math.max(result, count); // 更新最大岛屿面积}}}// 输出结果System.out.println(result);}
}

大家通过注释可以发现，两种写法，版本一，在主函数遇到陆地就计数为1，接下来的相邻陆地都在dfs中计算。

版本二 在主函数遇到陆地 计数为0，也就是不计数，陆地数量都去dfs里做计算。

bfs的代码省略

孤岛的总面积

目描述

给定一个由 1（陆地）和 0（水）组成的矩阵，岛屿指的是由水平或垂直方向上相邻的陆地单元格组成的区域，且完全被水域单元格包围。孤岛是那些位于矩阵内部、所有单元格都不接触边缘的岛屿。

现在你需要计算所有孤岛的总面积，岛屿面积的计算方式为组成岛屿的陆地的总数。

输入描述

第一行包含两个整数 N, M，表示矩阵的行数和列数。之后 N 行，每行包含 M 个数字，数字为 1 或者 0。

输出描述

输出一个整数，表示所有孤岛的总面积，如果不存在孤岛，则输出 0。

输入示例

4 5
1 1 0 0 0
1 1 0 0 0
0 0 1 0 0
0 0 0 1 1
输出示例：

沉默孤岛

思路
本题要求找到不靠边的陆地面积，那么我们只要从周边找到陆地然后 通过 dfs或者bfs 将周边靠陆地且相邻的陆地都变成海洋，然后再去重新遍历地图 统计此时还剩下的陆地就可以了。

Floyd 算法

【题目描述】

小明喜欢去公园散步，公园内布置了许多的景点，相互之间通过小路连接，小明希望在观看景点的同时，能够节省体力，走最短的路径。

给定一个公园景点图，图中有 N 个景点（编号为 1 到 N），以及 M 条双向道路连接着这些景点。每条道路上行走的距离都是已知的。

小明有 Q 个观景计划，每个计划都有一个起点 start 和一个终点 end，表示他想从景点 start 前往景点 end。由于小明希望节省体力，他想知道每个观景计划中从起点到终点的最短路径长度。 请你帮助小明计算出每个观景计划的最短路径长度。

【输入描述】

第一行包含两个整数 N, M, 分别表示景点的数量和道路的数量。

接下来的 M 行，每行包含三个整数 u, v, w，表示景点 u 和景点 v 之间有一条长度为 w 的双向道路。

接下里的一行包含一个整数 Q，表示观景计划的数量。

接下来的 Q 行，每行包含两个整数 start, end，表示一个观景计划的起点和终点。

【输出描述】

对于每个观景计划，输出一行表示从起点到终点的最短路径长度。如果两个景点之间不存在路径，则输出 -1。

【输入示例】

7 3 1 2 4 2 5 6 3 6 8 2 1 2 2 3

【输出示例】

4 -1

【提示信息】

从 1 到 2 的路径长度为 4，2 到 3 之间并没有道路。

1 <= N, M, Q <= 1000.

思路

Floyd算法核心思想是动态规划。

• 例如我们再求节点1 到 节点9 的最短距离，用二维数组来表示即：grid[1][9]，如果最短距离是10 ，那就是 grid[1][9] =10。

• 那 节点1 到 节点9 的最短距离 是不是可以由 节点1 到节点5的最短距离 + 节点5到节点9的最短距离组成呢？ 即 grid[1][9] = grid[1][5] + grid[5][9]

• 节点1 到节点5的最短距离 是不是可以有 节点1 到 节点3的最短距离 + 节点3 到 节点5 的最短距离组成呢？ 即 grid[1][5] = grid[1][3] + grid[3][5]

• 以此类推，节点1 到 节点3的最短距离 可以由更小的区间组成。那么这样我们是不是就找到了，子问题推导求出整体最优方案的递归关系呢。

• 节点1 到 节点9 的最短距离 可以由 节点1 到节点5的最短距离 + 节点5到节点9的最短距离组成， 也可以有 节点1 到节点7的最短距离 + 节点7 到节点9的最短距离的距离组成。

import java.util.Scanner;public class Main {public static void main(String[] args) {Scanner sc = new Scanner(System.in);int n = sc.nextInt();  // 顶点数int m = sc.nextInt();  // 边数// 初始化距离矩阵，最大值设置为10005final int INF = 10005;int[][] grid = new int[n + 1][n + 1];// 初始化 grid 数组for (int i = 1; i <= n; i++) {for (int j = 1; j <= n; j++) {if (i != j) {grid[i][j] = INF;}}}// 输入边信息for (int i = 0; i < m; i++) {int p1 = sc.nextInt();int p2 = sc.nextInt();int val = sc.nextInt();grid[p1][p2] = val;grid[p2][p1] = val;  // 双向图}// Floyd-Warshall 算法//注意k要放在最外层for (int k = 1; k <= n; k++) {for (int i = 1; i <= n; i++) {for (int j = 1; j <= n; j++) {if (grid[i][k] + grid[k][j] < grid[i][j]) {grid[i][j] = grid[i][k] + grid[k][j];}}}}// 输出查询结果int z = sc.nextInt();  // 查询次数while (z-- > 0) {int start = sc.nextInt();int end = sc.nextInt();if (grid[start][end] == INF) {System.out.println(-1);} else {System.out.println(grid[start][end]);}}sc.close();  // 关闭Scanner}
}

dijkstra（朴素版）

【题目描述】

小明是一位科学家，他需要参加一场重要的国际科学大会，以展示自己的最新研究成果。

小明的起点是第一个车站，终点是最后一个车站。然而，途中的各个车站之间的道路状况、交通拥堵程度以及可能的自然因素（如天气变化）等不同，这些因素都会影响每条路径的通行时间。

小明希望能选择一条花费时间最少的路线，以确保他能够尽快到达目的地。

【输入描述】

第一行包含两个正整数，第一个正整数 N 表示一共有 N 个公共汽车站，第二个正整数 M 表示有 M 条公路。

接下来为 M 行，每行包括三个整数，S、E 和 V，代表了从 S 车站可以单向直达 E 车站，并且需要花费 V 单位的时间。

【输出描述】

输出一个整数，代表小明从起点到终点所花费的最小时间。

思路

• 第一步，选源点到哪个节点近且该节点未被访问过
• 第二步，该最近节点被标记访问过
• 第三步，更新非访问节点到源点的距离（即更新minDist数组
• minDist数组 用来记录 每一个节点距离源点的最小距离。
• 示例中节点编号是从1开始，所以为了让大家看的不晕，minDist数组下标我也从 1 开始计数，下标0 就不使用了，这样 下标和节点标号就可以对应上了，避免大家搞混

模拟过程

0、初始化

minDist数组数值初始化为int最大值。

这里在强点一下 minDist数组的含义：记录所有节点到源点的最短路径，那么初始化的时候就应该初始为最大值，这样才能在后续出现最短路径的时候及时更新。

源点（节点1） 到自己的距离为0，所以 minDist[1] = 0

此时所有节点都没有被访问过，所以 visited数组都为0

1. 模拟过程

以下为dijkstra 三部曲

1.1 第一次模拟

1、选源点到哪个节点近且该节点未被访问过

源点距离源点最近，距离为0，且未被访问。

2、该最近节点被标记访问过

标记源点访问过

3、更新非访问节点到源点的距离（即更新minDist数组） ，如图：

更新 minDist数组，即：源点（节点1） 到 节点2 和 节点3的距离。

源点到节点2的最短距离为1，小于原minDist[2]的数值max，更新minDist[2] = 1
源点到节点3的最短距离为4，小于原minDist[3]的数值max，更新minDist[3] = 4

1.2 第二次模拟

1、选源点到哪个节点近且该节点未被访问过

未访问过的节点中，源点到节点2距离最近，选节点2

2、该最近节点被标记访问过

节点2被标记访问过

3、更新非访问节点到源点的距离（即更新minDist数组） ，如图：

更新 minDist数组，即：源点（节点1） 到 节点6 、 节点3 和 节点4的距离。

以后的过程以此类推

import java.util.Scanner;public class Main {public static void main(String[] args) {Scanner sc = new Scanner(System.in);// 输入节点数 n 和边数 mint n = sc.nextInt();int m = sc.nextInt();// 定义一个邻接矩阵，初始化为一个很大的数final int INF = Integer.MAX_VALUE;int[][] grid = new int[n + 1][n + 1];// 初始化 grid 为 INF，表示没有直接路径for (int i = 1; i <= n; i++) {for (int j = 1; j <= n; j++) {if (i != j) {grid[i][j] = INF;}}}// 输入边的信息for (int i = 0; i < m; i++) {int p1 = sc.nextInt();int p2 = sc.nextInt();int val = sc.nextInt();grid[p1][p2] = val;}// 设置起点和终点int start = 1;int end = n;// 存储从源点到每个节点的最短距离int[] minDist = new int[n + 1];// 记录顶点是否被访问过boolean[] visited = new boolean[n + 1];// 初始化最短距离数组，起始点到自身的距离为0，其他为INFfor (int i = 1; i <= n; i++) {minDist[i] = INF;}minDist[start] = 0;// 遍历所有节点，执行Dijkstra算法for (int i = 1; i <= n; i++) {int minVal = INF;int cur = -1;// 选择距离起点最近且未访问过的节点for (int v = 1; v <= n; v++) {if (!visited[v] && minDist[v] < minVal) {minVal = minDist[v];cur = v;}}// 如果当前节点无法访问，则跳出循环（即剩下的节点不可达）if (cur == -1) break;visited[cur] = true; // 标记该节点已被访问// 更新非访问节点到源点的最短距离for (int v = 1; v <= n; v++) {if (!visited[v] && grid[cur][v] != INF && minDist[cur] + grid[cur][v] < minDist[v]) {minDist[v] = minDist[cur] + grid[cur][v];}}}// 输出结果，如果终点不可达，输出 -1if (minDist[end] == INF) {System.out.println(-1);} else {System.out.println(minDist[end]);}sc.close(); // 关闭Scanner}
}

最小生成树之prim

卡码网：53.寻宝

题目描述：

在世界的某个区域，有一些分散的神秘岛屿，每个岛屿上都有一种珍稀的资源或者宝藏。国王打算在这些岛屿上建公路，方便运输。

不同岛屿之间，路途距离不同，国王希望你可以规划建公路的方案，如何可以以最短的总公路距离将 所有岛屿联通起来。

给定一张地图，其中包括了所有的岛屿，以及它们之间的距离。以最小化公路建设长度，确保可以链接到所有岛屿。

输入描述：

第一行包含两个整数V 和 E，V代表顶点数，E代表边数 。顶点编号是从1到V。例如：V=2，一个有两个顶点，分别是1和2。

接下来共有 E 行，每行三个整数 v1，v2 和 val，v1 和 v2 为边的起点和终点，val代表边的权值。

输出描述：

输出联通所有岛屿的最小路径总距离

输入示例：

7 11
1 2 1
1 3 1
1 5 2
2 6 1
2 4 2
2 3 2
3 4 1
4 5 1
5 6 2
5 7 1
6 7 1
输出示例：

6

思路

• 第一步，选距离生成树最近节点

• 第二步，最近节点加入生成树

• 第三步，更新非生成树节点到生成树的距离（即更新minDist数组）

• minDist数组用来记录 每一个节点距离最小生成树的最近距离。

• 示例中节点编号是从1开始，minDist数组下标也从 1 开始计数。

初始状态

minDist 数组 里的数值初始化为 最大数，因为本题 节点距离不会超过 10000，所以 初始化最大数为 10001就可以。

现在 还没有最小生成树，默认每个节点距离最小生成树是最大的，这样后面我们在比较的时候，发现更近的距离，才能更新到 minDist 数组上。

模拟过程（只模拟两轮）

---

第一轮

1、prim三部曲，第一步：选距离生成树最近节点

选择距离最小生成树最近的节点，加入到最小生成树，刚开始还没有最小生成树，所以随便选一个节点加入就好（因为每一个节点一定会在最小生成树里，所以随便选一个就好），那我们选择节点1 （符合遍历数组的习惯，第一个遍历的也是节点1）

2、prim三部曲，第二步：最近节点加入生成树

此时 节点1 已经算最小生成树的节点。

3、prim三部曲，第三步：更新非生成树节点到生成树的距离（即更新minDist数组）

注意图中我标记了 minDist数组里更新的权值，是哪两个节点之间的权值，例如 minDist[2] =1 ，这个 1 是 节点1 与 节点2 之间的连线，清楚这一点对最后我们记录 最小生成树的权值总和很重要。

第二轮
1、prim三部曲，第一步：选距离生成树最近节点

选取一个距离 最小生成树（节点1） 最近的非生成树里的节点，节点2，3，5 距离 最小生成树（节点1） 最近，选节点 2（其实选 节点3或者节点2都可以，距离一样的）加入最小生成树。

2、prim三部曲，第二步：最近节点加入生成树

此时 节点1 和 节点2，已经是最小生成树的节点。

3、prim三部曲，第三步：更新非生成树节点到生成树的距离（即更新minDist数组）

接下来，我们要更新节点距离最小生成树的距离，如图：

import java.util.*;public class Main {public static void main(String[] args) {Scanner scanner = new Scanner(System.in);int v = scanner.nextInt();int e = scanner.nextInt();// 初始化邻接矩阵，所有值初始化为一个大值，表示无穷大int[][] grid = new int[v + 1][v + 1];for (int i = 1; i <= v; i++) {Arrays.fill(grid[i], 10001);}// 读取边的信息并填充邻接矩阵for (int i = 0; i < e; i++) {int x = scanner.nextInt();int y = scanner.nextInt();int k = scanner.nextInt();grid[x][y] = k;grid[y][x] = k;}// 所有节点到最小生成树的最小距离int[] minDist = new int[v + 1];Arrays.fill(minDist, 10001);// 记录节点是否在树里boolean[] isInTree = new boolean[v + 1];// Prim算法主循环 只需要循环v-1次建立v-1条边for (int i = 1; i < v; i++) {int cur = -1;// 用于记录距离生成树最近的节点int minVal = Integer.MAX_VALUE; // 记录最短距离// 选择距离生成树最近的节点for (int j = 1; j <= v; j++) {// 如果这个点不在生成树里面，且它的距离小于当前最小值if (!isInTree[j] && minDist[j] < minVal) {minVal = minDist[j];cur = j;}}// 将最近的节点加入生成树isInTree[cur] = true;// 更新非生成树节点到生成树的距离for (int j = 1; j <= v; j++) {//当前cur节点比较if (!isInTree[j] && grid[cur][j] < minDist[j]) {minDist[j] = grid[cur][j];}}}// 统计结果int result = 0;for (int i = 2; i <= v; i++) {result += minDist[i];// 从2开始，跳过起始节点}System.out.println(result);scanner.close();}
}

kruskal算法

• 题目同上题，找最小生成树。

思路

• prim 算法是维护节点的集合，而 Kruskal 是维护边的集合。
• 边的权值排序，因为要优先选最小的边加入到生成树里
• 遍历排序后的边
  • 如果边首尾的两个节点在同一个集合，说明如果连上这条边图中会出现环
  • 如果边首尾的两个节点不在同一个集合，加入到最小生成树，并把两个节点加入同一个集合

模拟

排序后的边顺序为[(1,2) (4,5) (1,3) (2,6) (3,4) (6,7) (5,7) (1,5) (3,2) (2,4) (5,6)]

(1,2) 表示节点1 与 节点2 之间的边。权值相同的边，先后顺序无所谓。

开始从头遍历排序后的边。

选边(1,2)，节点1 和 节点2 不在同一个集合，所以生成树可以添加边(1,2)，并将 节点1，节点2 放在同一个集合。
选边(4,5)，节点4 和 节点 5 不在同一个集合，生成树可以添加边(4,5) ，并将节点4，节点5 放到同一个集合。

在上面的讲解中，看图的话 大家知道如何判断 两个节点 是否在同一个集合（是否有绿色的线连在一起），以及如何把两个节点加入集合（就在图中把两个节点连上）

• 但在代码中，如果将两个节点加入同一个集合，又如何判断两个节点是否在同一个集合呢？
  • 用并查集

import java.util.*;class Edge {int l, r, val;Edge(int l, int r, int val) {this.l = l;this.r = r;this.val = val;}
}
public class Main {private static int n = 10001;private static int[] father = new int[n];// 并查集初始化public static void init() {for (int i = 0; i < n; i++) {father[i] = i;}}// 并查集的查找操作public static int find(int u) {if (u == father[u]) return u;return father[u] = find(father[u]);}public static void join(int u, int v) {u = find(u);v = find(v);if (u == v) return;father[v] = u;}public static void main(String[] args) {Scanner scanner = new Scanner(System.in);int v = scanner.nextInt();int e = scanner.nextInt();List<Edge> edges = new ArrayList<>();int result_val = 0;for (int i = 0; i < e; i++) {int v1 = scanner.nextInt();int v2 = scanner.nextInt();int val = scanner.nextInt();edges.add(new Edge(v1, v2, val));}//对边进行排序edges.sort(Comparator.comparingInt(edge -> edge.val));// 并查集初始化init();// 从头开始遍历边for (Edge edge : edges) {int x = find(edge.l);int y = find(edge.r);if (x != y) {result_val += edge.val;join(x, y);}}System.out.println(result_val);scanner.close();}
}