• 最近公共祖先LCA(Tarjan算法)的思考和算法实现


    LCA 最近公共祖先

    Tarjan(离线)算法的基本思路及其算法实现

                                  小广告:METO CODE 安溪一中信息学在线评测系统(OJ)

          //由于这是第一篇博客..有点瑕疵...比如我把false写成了flase...看的时候注意一下!

          //还有...这篇字比较多 比较杂....毕竟是第一次嘛 将就将就 后面会重新改!!!

        首先是最近公共祖先的概念(什么是最近公共祖先?):

        在一棵没有环的树上,每个节点肯定有其父亲节点和祖先节点,而最近公共祖先,就是两个节点在这棵树上深度最大公共祖先节点

        换句话说,就是两个点在这棵树上距离最近的公共祖先节点

        所以LCA主要是用来处理当两个点仅有唯一一条确定的最短路径时的路径。

        有人可能会问:那他本身或者其父亲节点是否可以作为祖先节点呢?

        答案是肯定的,很简单,按照人的亲戚观念来说,你的父亲也是你的祖先,而LCA还可以将自己视为祖先节点

        举个例子吧,如下图所示最近公共祖先是2最近公共祖先最近公共祖先 

        这就是最近公共祖先的基本概念了,那么我们该如何去求这个最近公共祖先呢?

        通常初学者都会想到最简单粗暴的一个办法:对于每个询问,遍历所有的点,时间复杂度为O(n*q),很明显,n和q一般不会很小

        常用的求LCA的算法有:Tarjan/DFS+ST/倍增

        后两个算法都是在线算法,也很相似,时间复杂度在O(logn)~O(nlogn)之间,我个人认为较难理解。

        有的题目是可以用线段树来做的,但是其代码量很大,时间复杂度也偏高,在O(n)~O(nlogn)之间,优点在于也是简单粗暴

        这篇博客主要是要介绍一下Tarjan算法(其实是我不会在线...)。

        什么是Tarjan(离线)算法呢?顾名思义,就是在一次遍历中把所有询问一次性解决,所以其时间复杂度是O(n+q)

        Tarjan算法的优点在于相对稳定,时间复杂度也比较居中,也很容易理解。

        下面详细介绍一下Tarjan算法的基本思路:

          1.任选一个点为根节点,从根节点开始。

          2.遍历该点u所有子节点v,并标记这些子节点v已被访问过。

          3.若是v还有子节点,返回2,否则下一步。

          4.合并v到u上。

          5.寻找与当前点u有询问关系的点v。

          6.若是v已经被访问过了,则可以确认u和v的最近公共祖先为v被合并到的父亲节点a。

        遍历的话需要用到dfs来遍历(我相信来看的人都懂吧...),至于合并,最优化的方式就是利用并查集来合并两个节点。

        下面上伪代码:

       1 Tarjan(u)//marge和find为并查集合并函数和查找函数
       2 {
       3     for each(u,v)    //访问所有u子节点v
       4     {
       5         Tarjan(v);        //继续往下遍历
       6         marge(u,v);    //合并v到u上
       7         标记v被访问过;
       8     }
       9     for each(u,e)    //访问所有和u有询问关系的e
      10     {
      11         如果e被访问过;
      12         u,e的最近公共祖先为find(e);
      13     }
      14 }

        个人感觉这样还是有很多人不太理解,所以我打算模拟一遍给大家看。

        建议拿着纸和笔跟着我的描述一起模拟!!

        假设我们有一组数据 9个节点 8条边 联通情况如下:

        1--2,1--3,2--4,2--5,3--6,5--7,5--8,7--9 即下图所示的树

        设我们要查找最近公共祖先的点为9--8,4--6,7--5,5--3;

        设f[]数组为并查集的父亲节点数组,初始化f[i]=i,vis[]数组为是否访问过的数组,初始为0; 

        下面开始模拟过程:

        取1为根节点往下搜索发现有两个儿子2和3;

        先搜2,发现2有两个儿子4和5,先搜索4,发现4没有子节点,则寻找与其有关系的点;

        发现6与4有关系,但是vis[6]=0,即6还没被搜过,所以不操作

        发现没有和4有询问关系的点了,返回此前一次搜索,更新vis[4]=1

        

        表示4已经被搜完,更新f[4]=2,继续搜5,发现5有两个儿子7和8;

        先搜7,发现7有一个子节点9,搜索9,发现没有子节点,寻找与其有关系的点;

        发现8和9有关系,但是vis[8]=0,即8没被搜到过,所以不操作;

        发现没有和9有询问关系的点了,返回此前一次搜索,更新vis[9]=1

        表示9已经被搜完,更新f[9]=7,发现7没有没被搜过的子节点了,寻找与其有关系的点;

        发现5和7有关系,但是vis[5]=0,所以不操作

        发现没有和7有关系的点了,返回此前一次搜索,更新vis[7]=1

        

        表示7已经被搜完,更新f[7]=5,继续搜8发现8没有子节点,则寻找与其有关系的点;

        发现9与8有关系,此时vis[9]=1,则他们的最近公共祖先find(9)=5

          (find(9)的顺序为f[9]=7-->f[7]=5-->f[5]=5 return 5;)

        发现没有与8有关系的点了,返回此前一次搜索,更新vis[8]=1

     

        表示8已经被搜完,更新f[8]=5,发现5没有没搜过的子节点了,寻找与其有关系的点;

        

        发现7和5有关系,此时vis[7]=1,所以他们的最近公共祖先find(7)=5

          (find(7)的顺序为f[7]=5-->f[5]=5 return 5;)

        又发现5和3有关系,但是vis[3]=0,所以不操作,此时5的子节点全部搜完了;

        返回此前一次搜索,更新vis[5]=1,表示5已经被搜完,更新f[5]=2

        发现2没有未被搜完的子节点,寻找与其有关系的点;

        又发现没有和2有关系的点,则此前一次搜索,更新vis[2]=1

        

        表示2已经被搜完,更新f[2]=1,继续搜3,发现3有一个子节点6;

        搜索6,发现6没有子节点,则寻找与6有关系的点,发现4和6有关系;

        此时vis[4]=1,所以它们的最近公共祖先find(4)=1;

          (find(4)的顺序为f[4]=2-->f[2]=2-->f[1]=1 return 1;)

        发现没有与6有关系的点了,返回此前一次搜索,更新vis[6]=1,表示6已经被搜完了;

        

        更新f[6]=3,发现3没有没被搜过的子节点了,则寻找与3有关系的点;

        发现5和3有关系,此时vis[5]=1,则它们的最近公共祖先find(5)=1

          (find(5)的顺序为f[5]=2-->f[2]=1-->f[1]=1 return 1;)

        发现没有和3有关系的点了,返回此前一次搜索,更新vis[3]=1

        

        更新f[3]=1,发现1没有被搜过的子节点也没有有关系的点,此时可以退出整个dfs了。

        经过这次dfs我们得出了所有的答案,有没有觉得很神奇呢?是否对Tarjan算法有更深层次的理解了呢?

        

        如果有什么不懂可以在下面 留言提问 or 发送问题到1136404654@qq.com。

        推荐几道LCA的题目

              CODEVS 2370 小机房的树 传送门

              CODEVS 1036 商务旅行 传送门

              METO CODE 223 拉力赛 传送门

              HDU 2586 How far way? 传送门

              ZOJ 3195 Design the city 传送门

        相应的题解以后可能会上,大家敬请期待吧。

  • 相关阅读:
    MIRO校验过程
    SAP中寄售处理
    物料BOM和生产订单BOM的区别
    sap 中怎样把非限制库存转为销售订单库存?
    SAP MM Consignment 寄售库存
    SAP 库存关联表信息
    SAP 物料主数据屏幕增强
    __defineGetter__ && __defineSetter__
    mongodb(分片)
    mongodb(副本集)
  • 原文地址:https://www.cnblogs.com/JVxie/p/4854719.html
Copyright © 2020-2023  润新知