LCA/在线(倍增)离线(Tarjan)
概念
祖先
有根树中,一个节点到根的路径上的所有节点被视为这个点的祖先,包括根和它本身
公共祖先
对于点a和b,如果c既是a的祖先又是b的祖先,那么c是a和b的公共祖先
##深度
子节点的深度=父节点深度+1,一般我们定根的深度为1
最近公共祖先
树上两个节点的所有公共祖先中,深度最大的那个称为两个点的最近公共祖先(LCA)
方法1:暴力爬山法
很明显,这个方法是很想爬山,我们可以先然两个节点中,深度大的依着父亲爬到两节点深度相同,然后,两个节点一起爬,最后,爬到了同一个节点,这,就是ans;
很明显,这个方法有几个缺陷,时间为O(n),并且,还要用bfs算深度
方法2:倍增
求公共祖先
在前面爬山法进行改进,在爬山的过程中,其实有些地方可以一蹦千尺高,但却一步一步地走,大大的浪费了时间,于是,我们运用倍增
众所周知,任意一个数是可用二进制来表示,如果,我们用一个二进制来表示两个节点的深度差,那不是就把时间化为O(log2n)
设一个数组dp[i][j]从i这个节点往上走2j步,那么,dp[i][j-1]j就是再往根的方向走2(j-1)步,如果再走2(j-1)步,就相当于走了2j,所以,dp[i][j]=dp[dp[i][j-1]][j-1]
其中,dp[i][0]=fa[i];
那如何来求dp这个数组呢
我们可以在bfs求树上每个点深度的时候,顺便预处理dp数组
void bfs()
{
queue<int>q;
d[root]=1;
q.push(root);
while(q.size())
{
int temp=q.front();
q.pop();
for(int i=0;i<g[temp].size();i++)
{
int v=g[temp][i];
if(d[v])
{
continue;
}
d[v]=d[temp]+1;
dp[v][0]=temp;
for(int j=1;j<=Maxstep;j++)
{
dp[v][j]=dp[dp[v][j-1]][j-1];
}
q.push(v);
}
}
}
LCA就是在爬山的基础上,将一步一步的枚举,改为,从大到小走2j
int LCA(int a, int b) {
if (d[a] > d[b]) {
swap(a, b);
}
for (int i = Maxstep; i >= 0; i--) {
if (d[dp[b][i]] >= d[a]) {
b = dp[b][i];
}
}
if (a == b) {
return a;
}
for (int i = Maxstep; i >= 0; i--) {
if (dp[b][i] != dp[a][i]) {
a = dp[a][i];
b = dp[b][i];
}
}
return dp[a][0];
}
求俩点的距离
可以先求出两点的LCA,然后,这两点的距离,就是公共祖先到A的距离+公共祖先到B的距离,而距离,可以和算深度一样,算到根节点的距离
int dist(int x, int y) { return d[x] + d[y] - d[LCA(x, y)] * 2; }
Tarjan
离线的求LCA的方法
先dfs,然后,标记,用并查集的路径压缩记录这个节点,最近的,没有回溯的节点,如果,询问的两个节点中有被访问的,那就可以将这个结点并查集的祖先放进去,正因为这样,所以,所有的,都需要先放进去,在dfs
void Trajan(int x) {
vis[x] = 1;
for (int i = 0; i < g[x].size(); i++) {
int v = g[x][i];
if (vis[v]) {
continue;
}
Trajan(v);
fa[v] = x;
}
for (int i = 0; i < q[x].size(); i++) {
int ID = q[x][i].id;
if (vis[q[x][i].v] == 1) {
ans[ID] = find(q[x][i].v);
}
}
}
LCA/在线(倍增)离线(Tarjan)的更多相关文章
- poj 1330 LCA (倍增+离线Tarjan)
/* 先来个倍增 */ #include<iostream> #include<cstring> #include<cstdio> #define maxn 100 ...
- hdu 2586 How far away?(LCA模板题+离线tarjan算法)
How far away ? Time Limit: 2000/1000 MS (Java/Others) Memory Limit: 32768/32768 K (Java/Others)To ...
- POJ:1330-Nearest Common Ancestors(LCA在线、离线、优化算法)
传送门:http://poj.org/problem?id=1330 Nearest Common Ancestors Time Limit: 1000MS Memory Limit: 10000K ...
- LCA 在线倍增法 求最近公共祖先
第一步:建树 这个就不说了 第二部:分为两步 分别是深度预处理和祖先DP预处理 DP预处理: int i,j; ;(<<j)<n;j++) ;i<n;++i) ) fa[i ...
- [POJ1330]Nearest Common Ancestors(LCA, 离线tarjan)
题目链接:http://poj.org/problem?id=1330 题意就是求一组最近公共祖先,昨晚学了离线tarjan,今天来实现一下. 个人感觉tarjan算法是利用了dfs序和节点深度的关系 ...
- 近期公共祖先(LCA)——离线Tarjan算法+并查集优化
一. 离线Tarjan算法 LCA问题(lowest common ancestors):在一个有根树T中.两个节点和 e&sig=3136f1d5fcf75709d9ac882bd8cfe0 ...
- LCA在线算法ST算法
求LCA(近期公共祖先)的算法有好多,按在线和离线分为在线算法和离线算法. 离线算法有基于搜索的Tarjan算法较优,而在线算法则是基于dp的ST算法较优. 首先说一下ST算法. 这个算法是基于RMQ ...
- LCA在线算法(hdu2586)
hdu2586 How far away ? Time Limit: 2000/1000 MS (Java/Others) Memory Limit: 32768/32768 K (Java/O ...
- LCA的倍增算法
LCA,即树上两点之间的公共祖先,求这样一个公共祖先有很多种方法: 暴力向上:O(n) 每次将深度大的点往上移动,直至二者相遇 树剖:O(logn) 在O(2n)预处理重链之后,每次就将深度大的沿重链 ...
随机推荐
- Spring 与 SpringBoot 的区别
概述 Spring 与 SpringBoot 有什么区别???梳理一下 Spring 和 SpringBoot 到底有什么区别,从 Spring 和 SpringBoot 两方面入手. Spring ...
- 10.Object类
在JAVA中,所有的类都直接或间接继承了Java.lang.Object类Object是一个特殊的类,他是所有类的父类,是Java类层中的最高层类.当创建一个类时,他总是在继承,除非某个类已经指定要从 ...
- Python模块和函数
目录 一.基础 二.特殊函数 一.基础 #导入模块 import xxx #调用 xxx.dd() from xxx import xx as dd #导入某个函数,as给函数加别名,调用xx() ...
- Nginx模块之limit_conn & limit_req
limit_conn模块 生效阶段:NGX_HTTP_PREACCESS_PHASE阶段 生效范围:全部worker进程(基于共享内存),进入preaccess阶段前不生效,限制的有效性取决于key的 ...
- 高可靠性——TSN 802.1Qci协议介绍
TSN协议族根据实现功能可以分为:定时与同步.延时.可靠性和资源管理四个类别,往期的时间同步--TSN协议802.1AS介绍一文向大家介绍了定时与同步功能的核心--802.1AS协议,而在基于TSN工 ...
- 实现input表单从右向左输入
<input style="text-align:right"></input>
- Mac配置apache,mysql
===========Apache=============================== 1. 启动关闭Apache MAC系统已经预装了apache,启动.关闭.查看版本等命令如下: 启动a ...
- Samba 源码解析之内存管理
由于工作需要想研究下Samba的源码,下载后发现目录结构还是很清晰的.一般大家可能会对source3和source4文件夹比较疑惑.这两个文件夹针对的是Samba主版本号,所以你可以暂时先看一个.这里 ...
- 【二进制】【WP】MOCTF逆向题解
moctf 逆向第一题:SOEASY 这个是个 64 位的软件,OD 打不开,只能用 IDA64 打开,直接搜字符串(shift+F12)就可以看到 moctf 逆向第二题:跳跳跳 这个题当初给了初学 ...
- Flask与Django的比较
Flask与Django的区别 Flask Flask确实很"轻",不愧是Micro Framework,从Django转向Flask的开发者一定会如此感慨,除非二者均为深入使用过 ...