0785. 判断二分图
给定一个无向图 graph，当这个图为二分图时返回 true。
如果我们能将一个图的节点集合分割成两个独立的子集 A 和 B，并使图中的每一条边的两个节点一个来自 A 集合，一个来自 B 集合，我们就将这个图称为二分图。
graph 将会以邻接表方式给出，graph[i]表示图中与节点 i 相连的所有节点。每个节点都是一个在 0 到 graph.length-1 之间的整数。这图中没有自环和平行边： graph[i] 中不存在 i，并且 graph[i]中没有重复的值。
示例 1:
输入: [[1,3], [0,2], [1,3], [0,2]]
输出: true
解释:
无向图如下:
0----1
| |
| |
3----2
我们可以将节点分成两组: {0, 2} 和 {1, 3}。
示例 2:
输入: [[1,2,3], [0,2], [0,1,3], [0,2]]
输出: false
解释:
无向图如下:
0----1
| \ |
| \ |
3----2
我们不能将节点分割成两个独立的子集。
注意:
graph 的长度范围为 [1, 100]。
graph[i] 中的元素的范围为 [0, graph.length - 1]。
graph[i] 不会包含 i 或者有重复的值。
图是无向的: 如果 j 在 graph[i]里边, 那么 i 也会在 graph[j]里边。
- 图的遍历
- DFS
- 暂无
求二分图有两种思路，一个是着色法，另外一个是并查集。
和 886 思路一样。 我甚至直接拿过来 dfs 函数一行代码没改就 AC 了。
唯一需要调整的地方是 graph 。 我将其转换了一下，具体可以看代码，非常简单易懂。
具体算法：
- 设置一个长度为 N 的数组 colors，colors[i] 表示 节点 i 的颜色，0 表示无颜色， 1 表示一种颜色， - 1 表示另一种颜色。
- 初始化 colors 全部为 0
- 构图（这里有邻接矩阵） 使得 grid[i][j] 表示 i 和 j 是否有连接（这里用 0 表示无， 1 表示有）
- 遍历图。
- 如果当前节点未染色，则染色，不妨染为颜色 1
- 递归遍历其邻居
- 如果邻居没有染色， 则染为另一种颜色。即 color * - 1，其中 color 为当前节点的颜色
- 否则，判断当前节点和邻居的颜色是否一致，不一致则返回 False，否则返回 True
强烈建议两道题一起练习一下。
- 图的建立和遍历
- colors 数组
class Solution:
def dfs(self, grid, colors, i, color, N):
colors[i] = color
for j in range(N):
if grid[i][j] == 1:
if colors[j] == color:
return False
if colors[j] == 0 and not self.dfs(grid, colors, j, -1 * color, N):
return False
return True
def isBipartite(self, graph: List[List[int]]) -> bool:
N = len(graph)
grid = [[0] * N for _ in range(N)]
colors = [0] * N
for i in range(N):
for j in graph[i]:
grid[i][j] = 1
for i in range(N):
if colors[i] == 0 and not self.dfs(grid, colors, i, 1, N):
return False
return True
复杂度分析
令 v 和 e 为图中的顶点数和边数。
- 时间复杂度：$O(v+e)$
- 空间复杂度：$O(v)$, stack depth = $O(v)$, and colors array.length = $O(v)$
如上代码并不优雅，之所以这么写只是为了体现和 886 题一致性。一个更加优雅的方式是不建立 grid，而是利用题目给的 graph（邻接矩阵）。
class Solution:
def isBipartite(self, graph: List[List[int]]) -> bool:
n = len(graph)
colors = [0] * n
def dfs(i, color):
colors[i] = color
for neibor in graph[i]:
if colors[neibor] == color: return False
if colors[neibor] == 0 and not dfs(neibor,-1*color): return False
return True
for i in range(n):
if colors[i] == 0 and not dfs(i,1): return False
return True
遍历图，对于每一个顶点 i，将其所有邻居进行合并，合并到同一个联通域中。这样当发现某个顶点 i 和其邻居已经在同一个联通分量的时候可以直接返回 false，否则返回 true。
代码支持：Python3，Java
Python3 Code：
class UF:
def __init__(self, n):
self.parent = {}
for i in range(n):
self.parent[i] = i
def union(self, i,j):
self.parent[self.find(i)] = self.find(j)
def find(self, i):
if i == self.parent[i]: return i
self.parent[i] = self.find(self.parent[i])
return self.parent[i]
def is_connected(self, i,j):
return self.find(i) == self.find(j)
class Solution:
def isBipartite(self, graph: List[List[int]]) -> bool:
n = len(graph)
uf = UF(n)
for i in range(n):
for neibor in graph[i]:
if uf.is_connected(i, neibor): return False
uf.union(graph[i][0], neibor)
return True
Java Code：
// weighted quick-union with path compression
class Solution {
class UF {
int numOfUnions; // number of unions
int[] parent;
int[] size;
UF(int numOfElements) {
numOfUnions = numOfElements;
parent = new int[numOfElements];
size = new int[numOfElements];
for (int i = 0; i < numOfElements; i++) {
parent[i] = i;
size[i] = 1;
}
}
// find the head/representative of x
int find(int x) {
while (x != parent[x]) {
parent[x] = parent[parent[x]];
x = parent[x];
}
return x;
}
void union(int p, int q) {
int headOfP = find(p);
int headOfQ = find(q);
if (headOfP == headOfQ) {
return;
}
// connect the small tree to the larger tree
if (size[headOfP] < size[headOfQ]) {
parent[headOfP] = headOfQ; // set headOfP's parent to be headOfQ
size[headOfQ] += size[headOfP];
} else {
parent[headOfQ] = headOfP;
size[headOfP] += size[headOfQ];
}
numOfUnions -= 1;
}
boolean connected(int p, int q) {
return find(p) == find(q);
}
}
public boolean isBipartite(int[][] graph) {
int n = graph.length;
UF unionfind = new UF(n);
// i is what node each adjacent list is for
for (int i = 0; i < n; i++) {
// i's neighbors
for (int neighbor : graph[i]) {
// i should not be in the union of its neighbors
if (unionfind.connected(i, neighbor)) {
return false;
}
// add into unions
unionfind.union(graph[i][0], neighbor);
}
}
return true;
}
复杂度分析
令 v 和 e 为图中的顶点数和边数。
- 时间复杂度：$O(v+e)$, using weighted quick-union with path compression, where union, find and connected are $O(1)$, constructing unions takes $O(v)$
- 空间复杂度：$O(v)$ for auxiliary union-find space int[] parent, int[] space
关注公众号力扣加加，努力用清晰直白的语言还原解题思路，并且有大量图解，手把手教你识别套路，高效刷题。
最近更新 1yr ago