百度360必应搜狗淘宝本站头条
当前位置:网站首页 > IT技术 > 正文

2025-06-25:统计最小公倍数图中的连通块数目。用go语言,你有一

wptr33 2025-07-23 18:43 12 浏览

2025-06-25:统计最小公倍数图中的连通块数目。用go语言,你有一个长度为 n 的整数数组 nums 和一个正整数阈值 threshold。

构造一张包含 n 个节点的无向图,其中第 i 个节点对应 nums[i] 的值。若任意两节点 i 和 j 对应的数值的最小公倍数 lcm(nums[i], nums[j]) 不超过 threshold,那么这两个节点之间存在一条无向边。

请你计算这张图中连通块(即图中任意两个节点之间存在路径,且连通块与图中其他节点没有边相连的最大子图)的数量。

这里,最小公倍数 lcm(a, b) 表示两个数 a 和 b 的最小公倍数。

1 <= nums.length <= 100000。

1 <= nums[i] <= 1000000000。

nums 中所有元素互不相同。

1 <= threshold <= 2 * 100000。

题目来自力扣3378。

解决步骤

  1. 1. 初始化并查集
  2. o 使用并查集(Disjoint Set Union, DSU)来管理连通块。初始时,每个节点是自己的父节点,连通块数量为 n(数组长度)。
  3. 2. 预处理数字的索引
  4. o 创建一个数组 idx,其中idx[x]表示数字xnums中的索引(如果x存在于nums中)。这里idx的大小为threshold + 1,因为只有x <= threshold的数字才可能参与 LCM 计算(因为 LCM(a, b) >= max(a, b),所以如果ab大于threshold,LCM 必然大于threshold)。
  5. 3. 枚举可能的 GCD 值
  6. o 对于每个可能的 GCD 值 g(从 1 到 threshold),我们尝试找到所有数字对 (x, y),其中 gcd(x, y) = g,且 lcm(x, y) = x * y / g <= threshold
  7. o 由于 lcm(x, y) = x * y / g <= threshold,可以推导出 x * y <= g * threshold。因此,对于固定的 gxy 的取值范围是 g 的倍数且 x * y <= g * threshold
  8. 4. 合并连通块
  9. o 对于每个 g,找到最小的 x(即 minX)是 g 的倍数且存在于 nums 中。
  10. o 然后遍历所有 y = minX + g, minX + 2g, ... 满足 y <= thresholdx * y <= g * threshold。如果 y 存在于 nums 中,就将 xy 所在的连通块合并。
  11. o 合并操作通过并查集完成,每次合并会将连通块数量减一。
  12. 5. 统计连通块数量
  13. o 最终并查集中的连通块数量即为答案。

时间复杂度

  • o 并查集的初始化:O(n)。
  • o 预处理 idx 数组:O(n + threshold)。
  • o 外层循环枚举 g:O(threshold)。
  • o 内层循环枚举 y:对于每个 gy 的取值最多是 threshold / g,因此内层循环的总次数是 threshold/1 + threshold/2 + ... + threshold/threshold ≈ threshold * log(threshold)(调和级数)。
  • o 并查集的 findunion 操作近似 O(α(n)),其中 α 是反阿克曼函数,可以认为是常数。
  • o 总时间复杂度:O(n + threshold * log(threshold))。

额外空间复杂度

  • o 并查集数组 fa:O(n)。
  • o idx 数组:O(threshold)。
  • o 其他临时变量:O(1)。
  • o 总额外空间复杂度:O(n + threshold)。

关键点

  • o 通过枚举 GCD 值 g 来高效地找到所有可能的 (x, y) 对,避免直接检查所有数字对。
  • o 利用并查集高效管理连通块的合并。
  • o 预处理 idx 数组快速判断数字是否存在。

Go完整代码如下:

package main

import (
    "fmt"
)

func countComponents(nums []int, threshold int) int {
    n := len(nums)
    fa := make([]int, n)
    for i := range fa {
        fa[i] = i
    }
    // 非递归并查集
    find := func(x int) int {
        rt := x
        for fa[rt] != rt {
            rt = fa[rt]
        }
        for fa[x] != rt {
            fa[x], x = rt, fa[x]
        }
        return rt
    }

    // 记录每个数的下标
    idx := make([]int, threshold+1)
    for i, x := range nums {
        if x <= threshold {
            idx[x] = i + 1 // 这里 +1 了,下面减掉
        }
    }

    for g := 1; g <= threshold; g++ {
        minX := -1
        for x := g; x <= threshold; x += g {
            if idx[x] > 0 { // idx[x] == 0 表示不存在
                minX = x
                break
            }
        }
        if minX < 0 {
            continue
        }
        fi := find(idx[minX] - 1)
        for y := minX + g; y <= threshold && y <= g*threshold/minX; y += g {
            if idx[y] > 0 {
                fj := find(idx[y] - 1)
                if fj != fi {
                    fa[fj] = fi // 合并 idx[x] 和 idx[y]
                    n--         // 连通块个数减一
                }
            }
        }
    }
    return n
}

func main() {
    nums := []int{2, 4, 8, 3, 9}
    threshold := 5
    fmt.Println(countComponents(nums, threshold))
}


Python完整代码如下:

# -*-coding:utf-8-*-

def count_components(nums, threshold):
    n = len(nums)
    fa = list(range(n))

    def find(x):
        rt = x
        while fa[rt] != rt:
            rt = fa[rt]
        while fa[x] != rt:
            fa[x], x = rt, fa[x]
        return rt

    idx = [0] * (threshold + 1)
    for i, x in enumerate(nums):
        if x <= threshold:
            idx[x] = i + 1  # +1 to avoid zero-index confusion

    components = n
    for g in range(1, threshold + 1):
        min_x = -1
        for x in range(g, threshold + 1, g):
            if idx[x] > 0:
                min_x = x
                break
        if min_x < 0:
            continue
        fi = find(idx[min_x] - 1)
        y = min_x + g
        # g * threshold // min_x works as an upper bound to optimize loop
        # but in python integer division is floor division //
        while y <= threshold and y <= g * threshold // min_x:
            if idx[y] > 0:
                fj = find(idx[y] - 1)
                if fj != fi:
                    fa[fj] = fi
                    components -= 1
            y += g

    return components


if __name__ == "__main__":
    nums = [2, 4, 8, 3, 9]
    threshold = 5
    print(count_components(nums, threshold))



·



我们相信Go语言和算法为普通开发者提供了困境的“面试利器”,并致力于分享全面的编程知识。在这里,您可以找到最新的Go语言教程、算法解析、提升面试竞争力的秘籍以及行业动态。


欢迎关注“福大规模架构师每日一题”,让 Go 语言和算法助力您的职业发展

·

相关推荐

MySQL进阶五之自动读写分离mysql-proxy

自动读写分离目前,大量现网用户的业务场景中存在读多写少、业务负载无法预测等情况,在有大量读请求的应用场景下,单个实例可能无法承受读取压力,甚至会对业务产生影响。为了实现读取能力的弹性扩展,分担数据库压...

Postgres vs MySQL_vs2022连接mysql数据库

...

3分钟短文 | Laravel SQL筛选两个日期之间的记录,怎么写?

引言今天说一个细分的需求,在模型中,或者使用laravel提供的EloquentORM功能,构造查询语句时,返回位于两个指定的日期之间的条目。应该怎么写?本文通过几个例子,为大家梳理一下。学习时...

一文由浅入深带你完全掌握MySQL的锁机制原理与应用

本文将跟大家聊聊InnoDB的锁。本文比较长,包括一条SQL是如何加锁的,一些加锁规则、如何分析和解决死锁问题等内容,建议耐心读完,肯定对大家有帮助的。为什么需要加锁呢?...

验证Mysql中联合索引的最左匹配原则

后端面试中一定是必问mysql的,在以往的面试中好几个面试官都反馈我Mysql基础不行,今天来着重复习一下自己的弱点知识。在Mysql调优中索引优化又是非常重要的方法,不管公司的大小只要后端项目中用到...

MySQL索引解析(联合索引/最左前缀/覆盖索引/索引下推)

目录1.索引基础...

你会看 MySQL 的执行计划(EXPLAIN)吗?

SQL执行太慢怎么办?我们通常会使用EXPLAIN命令来查看SQL的执行计划,然后根据执行计划找出问题所在并进行优化。用法简介...

MySQL 从入门到精通(四)之索引结构

索引概述索引(index),是帮助MySQL高效获取数据的数据结构(有序),在数据之外,数据库系统还维护者满足特定查询算法的数据结构,这些数据结构以某种方式引用(指向)数据,这样就可以在这些数据结构...

mysql总结——面试中最常问到的知识点

mysql作为开源数据库中的榜一大哥,一直是面试官们考察的重中之重。今天,我们来总结一下mysql的知识点,供大家复习参照,看完这些知识点,再加上一些边角细节,基本上能够应付大多mysql相关面试了(...

mysql总结——面试中最常问到的知识点(2)

首先我们回顾一下上篇内容,主要复习了索引,事务,锁,以及SQL优化的工具。本篇文章接着写后面的内容。性能优化索引优化,SQL中索引的相关优化主要有以下几个方面:最好是全匹配。如果是联合索引的话,遵循最...

MySQL基础全知全解!超详细无废话!轻松上手~

本期内容提醒:全篇2300+字,篇幅较长,可搭配饭菜一同“食”用,全篇无废话(除了这句),干货满满,可收藏供后期反复观看。注:MySQL中语法不区分大小写,本篇中...

深入剖析 MySQL 中的锁机制原理_mysql 锁详解

在互联网软件开发领域,MySQL作为一款广泛应用的关系型数据库管理系统,其锁机制在保障数据一致性和实现并发控制方面扮演着举足轻重的角色。对于互联网软件开发人员而言,深入理解MySQL的锁机制原理...

Java 与 MySQL 性能优化:MySQL分区表设计与性能优化全解析

引言在数据库管理领域,随着数据量的不断增长,如何高效地管理和操作数据成为了一个关键问题。MySQL分区表作为一种有效的数据管理技术,能够将大型表划分为多个更小、更易管理的分区,从而提升数据库的性能和可...

MySQL基础篇:DQL数据查询操作_mysql 查

一、基础查询DQL基础查询语法SELECT字段列表FROM表名列表WHERE条件列表GROUPBY分组字段列表HAVING分组后条件列表ORDERBY排序字段列表LIMIT...

MySql:索引的基本使用_mysql索引的使用和原理

一、索引基础概念1.什么是索引?索引是数据库表的特殊数据结构(通常是B+树),用于...