当前位置： 首页 > article >正文

华为OD机试真题---服务器广播

article 2025/1/3 16:04:49

华为OD机试中的“服务器广播”题目是一个经典的算法问题，通常涉及图论和连通分量的概念。以下是对该题目的详细解析：

一、题目描述

服务器之间可以通过网络进行连接，连接方式包括直接相连和间接连接。给出一个N×N的数组（矩阵），代表N个服务器，matrix[i][j] == 1表示服务器i和服务器j直接连接，matrix[i][j] != 1表示服务器i和服务器j不直接连接。matrix[i][i] == 1，即服务器自己和自己直接连接。matrix[i][j] == matrix[j][i]，即连接关系是对称的。

现在要求计算，最少需要向几台服务器发送广播，才能确保所有服务器都能接收到广播。广播可以在直接连接或间接连接的服务器之间传播。

二、输入描述

输入为N行，每行有N个数字，为0或1，由空格分隔，构成N*N的数组，N的范围为 1<=N<=50。

三、输出描述

输出一个数字，为需要广播的服务器数量。

示例 1
输入：
3
1 1 0
1 1 1
0 1 1
输出：
1

解释：在这个例子中，服务器0和服务器1直接连接，服务器1和服务器2直接连接，因此服务器0和服务器2间接连接。只需要向其中任意一台服务器发送广播，其他服务器都能接收到。

示例 2
输入
3
1 0 0
0 1 0
0 0 1
输出
3

说明：3台服务器互不连接，所以需要分别广播这3台服务器。

示例 3
输入
2
1 1
1 1
输出
1

说明： 2台服务器相互连接，所以只需要广播其中一台服务器。

四、解题思路

  1. 图论建模：将服务器之间的连接关系看作一个图，服务器是图的节点，连接关系是图的边。问题转化为求图中的连通分量个数。
  2. 遍历连通分量：使用深度优先搜索（DFS）或广度优先搜索（BFS）遍历图，找到所有的连通分量。
  3. 计算广播服务器数量：连通分量的个数即为需要广播的服务器数量。因为每个连通分量中的服务器都可以通过广播相互传播信息，所以只需要在每个连通分量中选择一个服务器进行广播即可。
  4. 并查集：可以使用并查集实现，并查集（Union-Find）是一种用于处理一些不交集的合并及查询问题的数据结构，它可以高效地解决连通性问题。在“服务器广播”问题中，我们可以使用并查集来找出所有的连通分量，从而确定需要广播的最少服务器数量。

五、代码实现(DFS)

import java.util.Scanner;

public class ServerBroadcast {
   
    /**
     * 使用深度优先搜索（DFS）遍历图中的节点
     * 该方法主要用于找出图中所有相互连通的节点
     * 
     * @param matrix 代表图的邻接矩阵，matrix[i][j]为1表示节点i和节点j之间有直接连接，为0表示无直接连接
     * @param visited 一个布尔数组，用于记录图中各节点的访问状态，visited[i]为true表示节点i已被访问
     * @param node 当前访问的节点编号，从该节点开始进行深度优先搜索
     */
    private static void dfs(int[][] matrix, boolean[] visited, int node) {
        // 标记当前节点为已访问
        visited[node] = true;
        // 遍历图中所有节点
        for (int i = 0; i < matrix.length; i++) {
            // 检查当前节点与节点i是否有连接，且节点i未被访问过
            if (matrix[node][i] == 1 && !visited[i]) {
                // 递归调用dfs方法，继续深度优先搜索节点i
                dfs(matrix, visited, i);
            }
        }
    }


    /**
     * 该方法通过深度优先搜索（DFS）来计算在给定的矩阵中需要广播的服务器数量
     * 每个服务器可以与其直接相连的服务器共享广播，因此形成一个连通分量
     * 该方法旨在找出有多少个这样的连通分量，每个连通分量只需一个服务器进行广播
     *
     * @param matrix 一个二维数组，表示服务器之间的连接关系矩阵
     *               matrix[i][j] == 1 表示服务器i和服务器j之间有直接连接，否则没有
     * @return 广播服务器的数量，即矩阵中连通分量的数量
     */
    public static int countBroadcastServers(int[][] matrix) {
        // 矩阵的长度，即服务器的数量
        int n = matrix.length;
        // 一个布尔数组，用于标记服务器是否已经被访问过
        boolean[] visited = new boolean[n];
        // 初始化广播服务器的数量为0
        int broadcastCount = 0;
    
        // 遍历每个服务器
        for (int i = 0; i < n; i++) {
            // 如果当前服务器尚未被访问过
            if (!visited[i]) {
                // 从当前服务器开始进行深度优先搜索，并将搜索过程中访问到的所有服务器标记为已访问
                dfs(matrix, visited, i);
                // 每完成一次深度优先搜索，表示找到了一个新的连通分量，广播服务器数量加1
                broadcastCount++;
            }
        }
    
        // 返回广播服务器的数量
        return broadcastCount;
    }

    /**
     * 主函数入口
     * 该函数读取输入的服务器数量及它们之间的连接情况，计算并输出需要广播的服务器最小数量
     * @param args 命令行参数
     */
    public static void main(String[] args) {
        // 创建Scanner对象以读取输入数据
        Scanner scanner = new Scanner(System.in);
    
        // 读取服务器数量
        int n = scanner.nextInt();
        // 消耗换行符
        scanner.nextLine();
    
        // 初始化矩阵
        int[][] matrix = new int[n][n];
    
        // 读取矩阵数据
        for (int i = 0; i < n; i++) {
            // 分割输入行以获取矩阵每一行的数据
            String[] line = scanner.nextLine().split(" ");
            for (int j = 0; j < n; j++) {
                // 将字符串数据转换为整数并填充到矩阵中
                matrix[i][j] = Integer.parseInt(line[j]);
            }
        }
    
        // 计算并输出需要广播的服务器数量
        int result = countBroadcastServers(matrix);
        System.out.println(result);
    
        // 关闭Scanner对象
        scanner.close();
    }
}
代码解释：

  1. DFS方法：dfs方法接受一个二维数组（矩阵）matrix、一个布尔数组visited（用于记录节点是否被访问过）和一个当前节点node作为参数。它递归地访问所有与当前节点直接相连的未访问节点。

  2. 计算广播服务器数量的方法：countBroadcastServers方法接受一个二维数组（矩阵）matrix作为参数，并返回需要广播的服务器数量。它使用一个布尔数组visited来跟踪哪些服务器已经被访问过，并初始化广播计数器broadcastCount为0。然后，它遍历所有服务器节点，对每个未访问的节点调用dfs方法，并将广播计数器增加1。

  3. 主方法：main方法读取用户输入，包括服务器数量和矩阵数据，然后调用countBroadcastServers方法计算需要广播的服务器数量，并输出结果。

六、代码实现(并查集)

import java.util.Scanner;

public class ServerBroadcastUnionFind {
    // 并查集类
    static class UnionFind {
        private int[] parent;

        // 初始化并查集
        public UnionFind(int n) {
            parent = new int[n];
            for (int i = 0; i < n; i++) {
                parent[i] = i; // 初始化时，每个节点都是独立的集合，父节点指向自己
            }
        }

        // 查找根节点（路径压缩）
        public int find(int x) {
            if (parent[x] != x) {
                parent[x] = find(parent[x]); // 路径压缩，直接连接到根节点
            }
            return parent[x];
        }

        // 合并两个集合
        public void union(int x, int y) {
            int rootX = find(x);
            int rootY = find(y);
            if (rootX != rootY) {
                parent[rootX] = rootY; // 将一个集合的根节点指向另一个集合的根节点，从而合并两个集合
            }
        }

        // 获取连通分量的数量
        public int countComponents() {
            int count = 0;
            for (int i = 0; i < parent.length; i++) {
                if (find(i) == i) { // 如果节点自己是根节点，说明是一个新的连通分量
                    count++;
                }
            }
            return count;
        }
    }

    public static void main(String[] args) {
        Scanner scanner = new Scanner(System.in);

        // 读取服务器数量
        int n = scanner.nextInt();
        scanner.nextLine(); // 消耗换行符

        // 初始化并查集
        UnionFind uf = new UnionFind(n);

        // 读取矩阵数据并合并集合
        for (int i = 0; i < n; i++) {
            String[] line = scanner.nextLine().split(" ");
            for (int j = 0; j < n; j++) {
                if (i != j && Integer.parseInt(line[j]) == 1) { // 注意i != j，避免将节点与自己合并
                    uf.union(i, j);
                }
            }
        }

        // 计算并输出需要广播的服务器数量（即连通分量的数量）
        int result = uf.countComponents();
        System.out.println(result);

        scanner.close();
    }
}
代码解释：

  1. 并查集类：UnionFind类实现了并查集的基本功能，包括初始化、查找根节点、合并集合和计算连通分量的数量。

  2. 初始化并查集：在main方法中，我们首先读取服务器数量n，然后创建一个大小为n的并查集。

  3. 读取矩阵数据并合并集合：我们遍历矩阵，对于每个matrix[i][j] == 1且i != j的情况，调用union方法将服务器i和服务器j所属的集合合并。

  4. 计算并输出需要广播的服务器数量：最后，我们调用countComponents方法计算连通分量的数量，并输出结果。这个数量就是需要广播的最少服务器数量。

七、运行示例解析

以下是对ServerBroadcast类及其main方法的详细运行示例解析步骤：

1. 初始化
  • 服务器数量：首先，程序通过Scanner读取服务器数量n，这里是3。
  • 矩阵初始化：然后，程序初始化一个n x n的矩阵matrix，用于表示服务器之间的连接关系。
2. 输入矩阵数据
  • 用户输入矩阵的每一行数据，这里输入的是：
    1 0 0
0 1 0
0 0 1
  • 程序将这些数据解析为整数，并填充到matrix中。填充后的矩阵表示如下：
    matrix[0][0] = 1, matrix[0][1] = 0, matrix[0][2] = 0
matrix[1][0] = 0, matrix[1][1] = 1, matrix[1][2] = 0
matrix[2][0] = 0, matrix[2][1] = 0, matrix[2][2] = 1
3. 深度优先搜索（DFS）准备
  • 创建一个布尔数组visited，长度为n，用于记录每个服务器是否已被访问。初始时，所有服务器都未被访问，因此visited数组的所有元素都设置为false。
4. 执行DFS并计算连通分量
  • 程序遍历每个服务器（即遍历matrix的每一行和每一列），并对每个未访问的服务器执行DFS。
  • 对于第一个服务器（索引为0），由于它未被访问，程序从它开始进行DFS：
    • 标记服务器0为已访问。
    • 检查服务器0与所有其他服务器的连接关系：
      • 服务器0与服务器1无连接（matrix[0][1] = 0），因此不继续搜索。
      • 服务器0与服务器2无连接（matrix[0][2] = 0），因此不继续搜索。
    • 由于没有进一步的连接，DFS结束，但找到了一个新的连通分量（只包含服务器0）。
  • 接下来，程序检查服务器1（索引为1），它也未被访问：
    • 标记服务器1为已访问。
    • 检查服务器1与所有其他服务器的连接关系：
      • 服务器1与服务器0无连接（因为0已被访问过，所以这里实际上不会继续搜索，但逻辑上它们无直接连接）。
      • 服务器1与服务器2无连接（matrix[1][2] = 0），因此不继续搜索。
    • 同样，DFS结束，找到了另一个新的连通分量（只包含服务器1）。
  • 最后，程序检查服务器2（索引为2），它同样未被访问：
    • 标记服务器2为已访问。
    • 检查服务器2与所有其他服务器的连接关系，但发现都没有直接连接（或者已经被访问过）。
    • DFS结束，找到了最后一个新的连通分量（只包含服务器2）。
5. 计算结果
  • 每次DFS完成后，连通分量的数量（即需要广播的服务器数量）增加1。
  • 在这个例子中，有三个独立的连通分量（每个服务器各自为一个分量），因此broadcastCount最终为3。
6. 输出结果
  • 程序输出需要广播的服务器数量，这里是3。
总结

对于输入的矩阵：

1 0 0
0 1 0
0 0 1

每个服务器都各自独立，没有服务器之间是直接连通的。因此，需要三个服务器来进行广播，以确保所有服务器都能接收到信息。

八、注意事项

  1. 输入验证：在实际应用中，需要对输入进行验证，确保输入的矩阵是合法的N×N矩阵，且元素是0或1。
  2. 性能优化：对于大规模的输入，可以考虑使用更高效的数据结构和算法来优化性能。例如，可以使用邻接表来表示图，以减少空间复杂度。
  3. 边界情况：需要注意处理边界情况，例如当N为1时，只需要向唯一的一台服务器发送广播即可。

综上所述，华为OD机试中的“服务器广播”题目是一个典型的图论问题，可以通过遍历连通分量来解决。掌握深度优先搜索或广度优先搜索等图论算法是解决这类问题的关键。


http://www.kler.cn/a/459505.html

相关文章：

  • Datawhale AI冬令营（第二期）动手学AI Agent--Task3：学Agent工作流搭建，创作进阶Agent
  • 每天五分钟机器学习：凸集
  • 手机更换屏幕后，会被防控软件识别为模拟器！！
  • 天猫推荐数据集实践
  • 2000-2020年各省财政一般预算支出面板数据
  • 智能手机多源传感器融合的室内定位方法综述
  • 活动预告 | Microsoft Azure 在线技术公开课：使用 Azure OpenAI 服务构建生成式应用
  • webrtc音频模块(五) AudioState和AudioDeviceBuffer
  • 服务器nfs文件共享
  • 实验室课程|基于SprinBoot+vue的实验室课程管理系统(源码+数据库+文档)
  • 使 el-input 内部的内容紧贴左边
  • 013-spring的注解整合第三方框架
  • 「下载」智慧园区及重点区域安全防范解决方案：框架统一规划，建设集成管理平台
  • 适合发布人工智能主题文章的英文网站和平台
  • AutoDL服务器深度学习使用过程
  • Spring Cloud由入门到精通
  • C++ ——— 单/多参数构造函数的隐式类型转换和 explicit 关键字
  • Prompt Engineering：提示词工程最佳实践与应用
  • DPIN基金会在曼谷发布全球去中心化GPU算力网络计划
  • Pip 简介与工作原理技术分享
  • 比分网站开发全流程/快速搭建比分网直播站/用现代技术实现高效架构
  • 什么是 PyPI（Python Package Index，Python 包索引）？
  • 面试经典150题——数组/字符串（三）
  • 自研国产零依赖前端UI框架实战006 实现表格分页的功能
  • 解决PS 撤销卡顿
  • 【 CSS 】sass 扩展语言的安装