Minimalny koszt połączenia wszystkich punktów
Szczegółowy przewodnik i implementacja Python dla problemu „Minimalny koszt połączenia wszystkich punktów”.
1. Ucz się
Problem „Minimalny koszt połączenia wszystkich punktów” jest kluczowym wyzwaniem w sekcji Zaawansowane wykresy.
Ta implementacja koncentruje się na logice prostego poziomu w Python.
W dostarczanych przez nas rozwiązaniach priorytetem jest dokładność techniczna i czytelność kodu.
2. Real-World Applications
3. Visual Intuition
Wizualizacja przepływu logicznego dla kosztu minimalnego w celu połączenia wszystkich punktów.
4. Prerequisites
5. Step-by-Step Thinking
1. Understand the problem
Przeczytaj uważnie opis problemu dotyczący minimalnego kosztu połączenia wszystkich punktów.
2. Formulate brute force
Zaprojektuj proste rozwiązanie iteracyjne.
3. Identify inefficiency
Poszukaj zbędnych obliczeń.
4. Optimize search path
Użyj funkcji mieszania lub sortowania, aby przyspieszyć proces.
5. Final Implementation
Oczyść kod dla standardów produkcyjnych.
Oświadczenie o problemie
Dostajesz tablicę punktów reprezentującą całkowite współrzędne niektórych punktów na płaszczyźnie 2D, gdzie punkty[i] = [xi, yi].
Koszt połączenia dwóch punktów [xi, yi] i [xj, yj] to odległość Manhattanu między nimi: |xi - xj| + |yi - yj|, gdzie |val| jest wartością bezwzględną val.
Zwróć minimalny koszt, aby wszystkie punkty zostały połączone. Wszystkie punkty są połączone, jeśli pomiędzy dowolnymi dwoma punktami istnieje dokładnie jedna prosta ścieżka.
Napisz funkcję minCostConnectPoints(points: List[List[int]]) -> int.
- •1 <= len(points) <= 1000
- •-10^6 <= xi, yi <= 10^6
- •All points are distinct
Przykłady
points = [[0,0],[2,2],[3,10],[5,2],[7,0]]
20
Connect points as: (0,0)-(2,2) cost 4, (2,2)-(5,2) cost 3, (5,2)-(7,0) cost 4, (2,2)-(3,10) cost 9. Total = 20.
points = [[3,12],[-2,5],[-4,1]]
18
Connecting points: (-4,1) to (-2,5) with cost 6, (-2,5) to (3,12) with cost 12. Total 18.
Need a Hint?
Edge Cases to Watch
- Puste struktury wejściowe
- Wejścia jednoelementowe
- Duże granice liczbowe
Gotowy do rozwiązania?
Open the problem in PyRun's browser-based Python editor. Your code runs fully offline — no server required.
Spostrzeżenia i odmiany wywiadu
Podział analizy złożoności
Dlaczego Czas: Directly evaluates all possibilities.
Dlaczego kosmos: Uses standard local memory.
Dlaczego Czas: Optimized paths reduce total operations.
Dlaczego kosmos: May trade memory for speed.
Zoptymalizowany kod rozwiązania w języku Python
Zoptymalizowany kod rozwiązania w języku Python
def min_cost_connect_points_opt(points):
return min_cost_connect_points_brute(points)Kod brutalnej siły (chroniony spoilerami)
Kod brutalnej siły (chroniony spoilerami)
def min_cost_connect_points_brute(points):
import heapq
n = len(points)
adj = {i: [] for i in range(n)}
for i in range(n):
for j in range(i + 1, n):
dist = abs(points[i][0] - points[j][0]) + abs(points[i][1] - points[j][1])
adj[i].append([dist, j]); adj[j].append([dist, i])
res = 0; visit = set(); minH = [[0, 0]]
while len(visit) < n:
cost, i = heapq.heappop(minH)
if i in visit: continue
res += cost; visit.add(i)
for neiCost, nei in adj[i]:
if nei not in visit: heapq.heappush(minH, [neiCost, nei])
return resAlgorithm Pattern Checklist
When dealing with Advanced Graphs data patterns.
- Are constraints clear?
- Is there a linear or logarithmic optimization possible?
Key Revision Notes
Obowiązują standardowe właściwości problemu Advanced Graphs.
Powiązane pytania
PyRun is built and maintained by an independent solo developer. If this helped your interview prep, consider buying a coffee!
Polecane zasoby Pythona
Poszerzaj swoją wiedzę dzięki powiązanym interaktywnym samouczkom, ściągawkom i porównaniom kodów.
Generatory Pythona
Dowiedz się, jak używać generatorów języka Python i instrukcji Yield do przetwarzania ogromnych zbiorów danych przy minimalnym zużyciu pamięci. Wyrażenia generatora głównego.
Jak przekonwertować ciąg na Int w Pythonie
Dowiedz się, jak przekonwertować ciąg znaków na liczbę całkowitą w Pythonie za pomocą funkcji int(). Bezpiecznie obsługuj błędy i konwertuj liczby z formatu binarnego, ósemkowego lub szesnastkowego.
Ściągawka dla operatorów Pythona
Opanuj operatory arytmetyczne, porównania, logiczne, bitowe, przypisania i tożsamości w Pythonie.
Dekoratory Pythona a wzorzec projektowy dekoratora: kluczowe różnice
Porównaj dekoratory Pythona z klasycznym wzorcem projektowym dekoratora. Zrozum różnice między zawijaniem funkcji w czasie definicji a dynamiczną kompozycją obiektów w czasie wykonywania z możliwym do uruchomienia kodem.