AcWing 1644. 二叉树中的最低公共祖先 题解 线性dp 倍增算法 前序中序构造二叉树

本文主要是介绍AcWing 1644. 二叉树中的最低公共祖先 题解 线性dp 倍增算法 前序中序构造二叉树,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!

二叉树中的最低公共祖先

题目描述

树中两个结点 U 和 V 的最低公共祖先(LCA)是指同时具有 U 和 V 作为后代的最深结点。给定二叉树中的任何两个结点,请你找到它们的 LCA。

输入描述

第一行包含两个整数 M 和 N ,分别表示询问结点对数以及二叉树中的结点数量。
接下来两行,每行包含 N 个不同的整数,分别表示二叉树的中序和前序遍历。保证二叉树可由给定遍历序列唯一确定。
接下来 M 行,每行包含两个整数 U 和 V ,表示一组询问。

输出描述

对于每对给定的 U 和 V ,输出一行结果:
如果 U 和 V 的 LCA 是 A ,且 A 不是 U 或 V ,则输出 “LCA of U and V is A.”
如果 U 和 V 的 LCA 是 A ,且 A 是 U 或 V 中的一个,则输出 “X is an ancestor of Y.” ,其中 X 表示 A , Y 表示另一个结点。
如果 U 或 V 没有在二叉树中找到,则输出 “ERROR: U is not found.” 或 “ERROR: V is not found.” 或 “ERROR: U and V are not found.”。

用例输入

6 8
7 2 3 4 6 5 1 8
5 3 7 2 6 4 8 1
2 6
8 1
7 9
12 -3
0 8
99 99

用例输出

LCA of 2 and 6 is 3.
8 is an ancestor of 1.
ERROR: 9 is not found.
ERROR: 12 and -3 are not found.
ERROR: 0 is not found.
ERROR: 99 and 99 are not found.

数据规模与约定

所有结点权值均在 int 范围内。
1 ≤ M ≤ 1000,1 ≤ N ≤ 10000。

题目链接

AcWing1644——传送门

代码

#include <bits/stdc++.h>
using namespace std;
typedef long long ll;const int maxn = 1e4 + 6;vector<int> e[maxn];    // 以第i个节点为起点的有向边
int depth[maxn];        // 第i个节点的深度
int ancestor[maxn][23]; // ancestor[i][j]表示节点i的2^j级祖先
int lg[maxn];           // 预处理第i个节点的lg值void add(int x, int y) // 加有向边函数
{e[x].push_back(y);
}void dfs(int u, int fath) // dfs计算深度和祖先
{ancestor[u][0] = fath;                                    // 第1级祖先即为父亲depth[u] = depth[fath] + 1;                               // 深度为父亲深度+1for (int j = 1; j <= lg[depth[u]]; j++)                   // 计算该节点的2^j级祖先ancestor[u][j] = ancestor[ancestor[u][j - 1]][j - 1]; // 祖先的转移方程,u的2^j祖先等于u的2^(j-1)祖先的2^(j-1)祖先for (int i = 0; i < e[u].size(); i++)                     // 递归子节点{int v = e[u][i];if (fath != v)dfs(v, u);}
}map<int, int> idx; // 离散化后的下标
map<int, int> num; // 下标所对应的原来的值void LCA(int x, int y) // 计算x和y的LCA
{// 将x和y先记录下来,便于输出答案int u = x;int v = y;// 将x和y转化为离散后的下标x = idx[x];y = idx[y];bool tag = 0;            // 记录是否发生了交换if (depth[x] < depth[y]) // 让x为深度更大(或相等)的那一个{swap(x, y);tag = 1;}while (depth[x] > depth[y]) // 将x提到与y相同深度x = ancestor[x][lg[depth[x] - depth[y]] - 1];if (x == y){if (tag == 0)cout << v << " is an ancestor of " << u << "." << '\n';elsecout << u << " is an ancestor of " << v << "." << '\n';return;}for (int k = lg[depth[x]] - 1; k >= 0; k--) // 倍增跳跃if (ancestor[x][k] != ancestor[y][k])x = ancestor[x][k], y = ancestor[y][k];cout << "LCA of " << u << " and " << v << " is " << num[ancestor[x][0]] << "." << '\n';return;
}map<int, int> mp;
int lc[maxn];
int rc[maxn];
int traversal(int pre_st, int pre_end, int in_st, int in_end, vector<int> &in, vector<int> &pre)
{int cur_len = pre_end - pre_st; // 当前区间长度if (cur_len == 0)return 0;int root = pre[pre_st]; // 找到根节点if (cur_len == 1)return root;int pos = mp[root];    // 根位置int len = pos - in_st; // 左子树长度// 递归构造左子树和右子树lc[root] = traversal(pre_st + 1, pre_st + len + 1, in_st, pos, in, pre);rc[root] = traversal(pre_st + len + 1, pre_end, pos + 1, in_end, in, pre);return root;
}int main()
{ios::sync_with_stdio(0);cin.tie(0);cout.tie(0);int n, m, root; // 节点个数,询问个数,根节点cin >> m >> n;vector<int> in(n);vector<int> pre(n);map<int, bool> exist; // 记录某点是否存在// 中序序列for (int i = 0; i < n; i++){cin >> in[i];exist[in[i]] = 1;}// 离散化各个点为1~nint i = 1;for (auto it = exist.begin(); it != exist.end(); it++, i++){idx[it->first] = i;num[i] = it->first;}// 将中序序列改为离散后的下标for (int i = 0; i < n; i++){in[i] = idx[in[i]];}// 记录在中序序列中的位置for (int i = 0; i < n; i++){mp[in[i]] = i;}// 前序序列for (int i = 0; i < n; i++){cin >> pre[i];}// 将前序序列改为离散后的下标for (int i = 0; i < n; i++){pre[i] = idx[pre[i]];}// 构造二叉树root = traversal(0, n, 0, n, in, pre);// 记录树中的边for (int i = 1; i <= n; i++){if (lc[i] != 0){add(i, lc[i]);add(lc[i], i);}if (rc[i] != 0){add(i, rc[i]);add(rc[i], i);}}// 预处理每个深度值的lg值for (int i = 1; i <= n; ++i)lg[i] = lg[i - 1] + (1 << lg[i - 1] == i); // 非常厉害的转移方程// 预处理节点i的2^j级祖先dfs(root, 0);// 处理询问int x, y;for (int i = 1; i <= m; ++i){cin >> x >> y;if (exist[x] == 0 && exist[y] == 0){cout << "ERROR: " << x << " and " << y << " are not found." << '\n';}else if (exist[x] == 0){cout << "ERROR: " << x << " is not found." << '\n';}else if (exist[y] == 0){cout << "ERROR: " << y << " is not found." << '\n';}else{LCA(x, y);}}return 0;
}

这篇关于AcWing 1644. 二叉树中的最低公共祖先 题解 线性dp 倍增算法 前序中序构造二叉树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/975161

相关文章

SpringBoot实现MD5加盐算法的示例代码

《SpringBoot实现MD5加盐算法的示例代码》加盐算法是一种用于增强密码安全性的技术,本文主要介绍了SpringBoot实现MD5加盐算法的示例代码,文中通过示例代码介绍的非常详细,对大家的学习... 目录一、什么是加盐算法二、如何实现加盐算法2.1 加盐算法代码实现2.2 注册页面中进行密码加盐2.

Java时间轮调度算法的代码实现

《Java时间轮调度算法的代码实现》时间轮是一种高效的定时调度算法,主要用于管理延时任务或周期性任务,它通过一个环形数组(时间轮)和指针来实现,将大量定时任务分摊到固定的时间槽中,极大地降低了时间复杂... 目录1、简述2、时间轮的原理3. 时间轮的实现步骤3.1 定义时间槽3.2 定义时间轮3.3 使用时

如何通过Golang的container/list实现LRU缓存算法

《如何通过Golang的container/list实现LRU缓存算法》文章介绍了Go语言中container/list包实现的双向链表,并探讨了如何使用链表实现LRU缓存,LRU缓存通过维护一个双向... 目录力扣:146. LRU 缓存主要结构 List 和 Element常用方法1. 初始化链表2.

SpringBoot自定义注解如何解决公共字段填充问题

《SpringBoot自定义注解如何解决公共字段填充问题》本文介绍了在系统开发中,如何使用AOP切面编程实现公共字段自动填充的功能,从而简化代码,通过自定义注解和切面类,可以统一处理创建时间和修改时间... 目录1.1 问题分析1.2 实现思路1.3 代码开发1.3.1 步骤一1.3.2 步骤二1.3.3

golang字符串匹配算法解读

《golang字符串匹配算法解读》文章介绍了字符串匹配算法的原理,特别是Knuth-Morris-Pratt(KMP)算法,该算法通过构建模式串的前缀表来减少匹配时的不必要的字符比较,从而提高效率,在... 目录简介KMP实现代码总结简介字符串匹配算法主要用于在一个较长的文本串中查找一个较短的字符串(称为

通俗易懂的Java常见限流算法具体实现

《通俗易懂的Java常见限流算法具体实现》:本文主要介绍Java常见限流算法具体实现的相关资料,包括漏桶算法、令牌桶算法、Nginx限流和Redis+Lua限流的实现原理和具体步骤,并比较了它们的... 目录一、漏桶算法1.漏桶算法的思想和原理2.具体实现二、令牌桶算法1.令牌桶算法流程:2.具体实现2.1

最长公共子序列问题的深度分析与Java实现方式

《最长公共子序列问题的深度分析与Java实现方式》本文详细介绍了最长公共子序列(LCS)问题,包括其概念、暴力解法、动态规划解法,并提供了Java代码实现,暴力解法虽然简单,但在大数据处理中效率较低,... 目录最长公共子序列问题概述问题理解与示例分析暴力解法思路与示例代码动态规划解法DP 表的构建与意义动

Python中的随机森林算法与实战

《Python中的随机森林算法与实战》本文详细介绍了随机森林算法,包括其原理、实现步骤、分类和回归案例,并讨论了其优点和缺点,通过面向对象编程实现了一个简单的随机森林模型,并应用于鸢尾花分类和波士顿房... 目录1、随机森林算法概述2、随机森林的原理3、实现步骤4、分类案例:使用随机森林预测鸢尾花品种4.1

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第