• 树上两点期望距离


    对于树上的节点(i),设(d[i])(i)的度数,(fa)(i)的父亲,(sumlimits_{son} j)(i)的儿子。

    假设边权均为(1)

    分别考虑儿子到父亲、父亲到儿子的期望。


    (F[i])表示儿子(i)到父亲的期望距离。

    可以分为(2)种情况:

    1. 直接到父亲。

      概率为(dfrac{1}{d[i]}),步数为(1),期望为(dfrac{1}{d[i]})

    2. 先到儿子(j),再回到自己,再到父亲。

      • 走到儿子,步数为(1)
      • 回到自己,步数为(F[j])
      • 走到父亲,步数为(F[i])

      概率为(dfrac{sumlimits_{son}}{d[i]}),步数为(1+F[j]+F[i]),期望为(dfrac{sumlimits_{son}{(1+F[j]+F[i])}}{d[i]})

    综上,

    (F[i] = dfrac{1+sumlimits_{son}{(1+F[j]+F[i])}}{d[i]})

    移项可得:

    (F[i] = d[i] + sumlimits_{son} F[j])


    (G[i])表示父亲到儿子(i)的期望距离。

    可以分为(3)种情况:

    1. 直接到该儿子。

      概率为(dfrac{1}{d[fa]}),步数为(1),期望为(dfrac{1}{d[fa]})

    2. 先到父亲,再回到自己,再到该儿子。

      • 走到父亲,步数为(1)
      • 回到自己,步数为(G[fa])
      • 走到该儿子,步数为(G[i])

      概率为(dfrac{1}{d[fa]}),步数为(1+G[fa]+G[i]),期望为(dfrac{1+G[fa]+G[i]}{d[fa]})

    3. 先到另一个儿子,再回到自己,再到该儿子。

      • 走到另一个儿子,步数为(1)

      • 回到自己,步数为(F[j])

      • 走到该儿子,步数为(G[i])

      概率为(dfrac{sumlimits_{son ot=i}}{d[fa]}),步数为(1+F[j]+G[i]),期望为(dfrac{sumlimits_{son ot=i}(1+F[j]+G[i])}{d[fa]})

    综上,

    (G[i] = dfrac{1+(1+G[fa]+G[i])+sumlimits_{son ot=i}(1+F[j]+G[i])}{d[fa]})

    移项可得:

    (G[i] = G[fa]+d[fa]+sumlimits_{son ot=i}F[j])


    将路径(u ightarrow v)拆成(u ightarrow LCA)(LCA ightarrow v)

    路径(u ightarrow LCA)为儿子到父亲,路径(LCA ightarrow v)为父亲到儿子。

    所以,答案即为:

    $sumlimits_{u ightarrow LCA}F[i] + sumlimits_{LCA ightarrow v}G[i] $

    其中(F[叶子节点]=1)(G[根节点]=1)

    用树上前缀和维护即可。

    (ans = F[u]+G[v]-F[LCA]+G[LCA])

  • 相关阅读:
    在Spring Bean的生命周期中各方法的执行顺序
    java面试宝典
    js代码中实现页面跳转的几种方式
    APP测试学习:系统资源分析
    APP测试学习:webview性能分析
    APP测试学习:app启动性能分析
    App测试学习:自动遍历测试
    性能测试学习:jmeter通过代理录制、回放请求
    Docker学习五:如何搭建私有仓库
    Docker学习四:容器基本操作
  • 原文地址:https://www.cnblogs.com/mogeko/p/13414230.html
Copyright © 2020-2023  润新知