LeetCode 0310.最小高度树:拓扑排序秒了

2024-03-18 07:36

本文主要是介绍LeetCode 0310.最小高度树:拓扑排序秒了,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

【LetMeFly】310.最小高度树:拓扑排序秒了

力扣题目链接:https://leetcode.cn/problems/minimum-height-trees/

树是一个无向图,其中任何两个顶点只通过一条路径连接。 换句话说,一个任何没有简单环路的连通图都是一棵树。

给你一棵包含 n 个节点的树,标记为 0 到 n - 1 。给定数字 n 和一个有 n - 1 条无向边的 edges 列表(每一个边都是一对标签),其中 edges[i] = [ai, bi] 表示树中节点 aibi 之间存在一条无向边。

可选择树中任何一个节点作为根。当选择节点 x 作为根节点时,设结果树的高度为 h 。在所有可能的树中,具有最小高度的树(即,min(h))被称为 最小高度树

请你找到所有的 最小高度树 并按 任意顺序 返回它们的根节点标签列表。

树的 高度 是指根节点和叶子节点之间最长向下路径上边的数量。

 

示例 1:

输入:n = 4, edges = [[1,0],[1,2],[1,3]]
输出:[1]
解释:如图所示,当根是标签为 1 的节点时,树的高度是 1 ,这是唯一的最小高度树。

示例 2:

输入:n = 6, edges = [[3,0],[3,1],[3,2],[3,4],[5,4]]
输出:[3,4]

 

    提示:

    • 1 <= n <= 2 * 104
    • edges.length == n - 1
    • 0 <= ai, bi < n
    • ai != bi
    • 所有 (ai, bi) 互不相同
    • 给定的输入 保证 是一棵树,并且 不会有重复的边

    方法一:拓扑排序

    根据图论我们知道,(非空)树的中心有一个或两个。

    原因小提示:

    树中最长路的中心有一个或两个。

    那么,我们来个拓扑排序不就好了?

    从叶节点开始“扔”,每次扔掉所有的叶节点节点。这样就会出现新的叶节点,再扔掉。…。一层一层,直到某层扔完时剩下一个或两个节点即为答案。

    拓扑排序怎么实现:

    使用一个数组degreedegree[i]表示与节点i相邻的边有几条,图论中称其为

    初始时将所有度为1的节点入队。

    每次将这一层的所有节点出队,对于出队的节点thisNode,它的所有相邻的节点的度减一。若度变成了1,则入队(新的叶节点get)。

    • 时间复杂度 O ( n ) O(n) O(n)
    • 空间复杂度 O ( n ) O(n) O(n)

    AC代码

    C++
    class Solution {
    public:vector<int> findMinHeightTrees(int n, vector<vector<int>>& edges) {if (n == 1) {  // 这里不要忘了!要不然degree不为1return {0};}vector<int> degree(n);vector<vector<int>> graph(n);for (vector<int>& v : edges) {degree[v[0]]++;degree[v[1]]++;graph[v[0]].push_back(v[1]);graph[v[1]].push_back(v[0]);}queue<int> q;for (int i = 0; i < n; i++) {if (degree[i] == 1) {q.push(i);}}int remainNode = n;while (remainNode > 2) {for (int _ = q.size(); _ > 0; _--) {remainNode--;int thisNode = q.front();q.pop();for (int nextNode : graph[thisNode]) {degree[nextNode]--;if (degree[nextNode] == 1) {q.push(nextNode);}}}}vector<int> ans = {q.front()};q.pop();if (q.size()) {ans.push_back(q.front());}return ans;}
    };
    
    Python
    from typing import Listclass Solution:def findMinHeightTrees(self, n: int, edges: List[List[int]]) -> List[int]:if n == 1:return [0]degree = [0] * ngraph = [[] for _ in range(n)]for x, y in edges:degree[x] += 1degree[y] += 1graph[x].append(y)graph[y].append(x)q = [i for i, d in enumerate(degree) if d == 1]remainNode = nwhile remainNode > 2:tempQ = []for thisNode in q:remainNode -= 1for nextNode in graph[thisNode]:degree[nextNode] -= 1if degree[nextNode] == 1:tempQ.append(nextNode)q = tempQreturn q
    

    同步发文于CSDN和我的个人博客,原创不易,转载经作者同意后请附上原文链接哦~
    Tisfy:https://letmefly.blog.csdn.net/article/details/136790299

    这篇关于LeetCode 0310.最小高度树:拓扑排序秒了的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



    http://www.chinasem.cn/article/821638

    相关文章

    C++快速排序超详细讲解

    《C++快速排序超详细讲解》快速排序是一种高效的排序算法,通过分治法将数组划分为两部分,递归排序,直到整个数组有序,通过代码解析和示例,详细解释了快速排序的工作原理和实现过程,需要的朋友可以参考下... 目录一、快速排序原理二、快速排序标准代码三、代码解析四、使用while循环的快速排序1.代码代码1.由快

    Spring排序机制之接口与注解的使用方法

    《Spring排序机制之接口与注解的使用方法》本文介绍了Spring中多种排序机制,包括Ordered接口、PriorityOrdered接口、@Order注解和@Priority注解,提供了详细示例... 目录一、Spring 排序的需求场景二、Spring 中的排序机制1、Ordered 接口2、Pri

    java获取图片的大小、宽度、高度方式

    《java获取图片的大小、宽度、高度方式》文章介绍了如何将File对象转换为MultipartFile对象的过程,并分享了个人经验,希望能为读者提供参考... 目China编程录Java获取图片的大小、宽度、高度File对象(该对象里面是图片)MultipartFile对象(该对象里面是图片)总结java获取图片

    vue基于ElementUI动态设置表格高度的3种方法

    《vue基于ElementUI动态设置表格高度的3种方法》ElementUI+vue动态设置表格高度的几种方法,抛砖引玉,还有其它方法动态设置表格高度,大家可以开动脑筋... 方法一、css + js的形式这个方法需要在表格外层设置一个div,原理是将表格的高度设置成外层div的高度,所以外层的div需要

    大数据小内存排序问题如何巧妙解决

    《大数据小内存排序问题如何巧妙解决》文章介绍了大数据小内存排序的三种方法:数据库排序、分治法和位图法,数据库排序简单但速度慢,对设备要求高;分治法高效但实现复杂;位图法可读性差,但存储空间受限... 目录三种方法:方法概要数据库排序(http://www.chinasem.cn对数据库设备要求较高)分治法(常

    Python中lambda排序的六种方法

    《Python中lambda排序的六种方法》本文主要介绍了Python中使用lambda函数进行排序的六种方法,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们... 目录1.对单个变量进行排序2. 对多个变量进行排序3. 降序排列4. 单独降序1.对单个变量进行排序

    关于Java内存访问重排序的研究

    《关于Java内存访问重排序的研究》文章主要介绍了重排序现象及其在多线程编程中的影响,包括内存可见性问题和Java内存模型中对重排序的规则... 目录什么是重排序重排序图解重排序实验as-if-serial语义内存访问重排序与内存可见性内存访问重排序与Java内存模型重排序示意表内存屏障内存屏障示意表Int

    哈希leetcode-1

    目录 1前言 2.例题  2.1两数之和 2.2判断是否互为字符重排 2.3存在重复元素1 2.4存在重复元素2 2.5字母异位词分组 1前言 哈希表主要是适合于快速查找某个元素(O(1)) 当我们要频繁的查找某个元素,第一哈希表O(1),第二,二分O(log n) 一般可以分为语言自带的容器哈希和用数组模拟的简易哈希。 最简单的比如数组模拟字符存储,只要开26个c

    【数据结构】——原来排序算法搞懂这些就行,轻松拿捏

    前言:快速排序的实现最重要的是找基准值,下面让我们来了解如何实现找基准值 基准值的注释:在快排的过程中,每一次我们要取一个元素作为枢纽值,以这个数字来将序列划分为两部分。 在此我们采用三数取中法,也就是取左端、中间、右端三个数,然后进行排序,将中间数作为枢纽值。 快速排序实现主框架: //快速排序 void QuickSort(int* arr, int left, int rig

    usaco 1.3 Mixing Milk (结构体排序 qsort) and hdu 2020(sort)

    到了这题学会了结构体排序 于是回去修改了 1.2 milking cows 的算法~ 结构体排序核心: 1.结构体定义 struct Milk{int price;int milks;}milk[5000]; 2.自定义的比较函数,若返回值为正,qsort 函数判定a>b ;为负,a<b;为0,a==b; int milkcmp(const void *va,c