【深度优先搜索】【C++算法】834 树中距离之和

简介: 【深度优先搜索】【C++算法】834 树中距离之和

作者推荐

【动态规划】【map】【C++算法】1289. 下降路径最小和 II

本文涉及知识点

深度优先搜索 树 图论

LeetCode834 树中距离之和

给定一个无向、连通的树。树中有 n 个标记为 0…n-1 的节点以及 n-1 条边 。

给定整数 n 和数组 edges , edges[i] = [ai, bi]表示树中的节点 ai 和 bi 之间有一条边。

返回长度为 n 的数组 answer ,其中 answer[i] 是树中第 i 个节点与所有其他节点之间的距离之和。

示例 1:

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

输出: [8,12,6,10,10,10]

解释: 树如图所示。

我们可以计算出 dist(0,1) + dist(0,2) + dist(0,3) + dist(0,4) + dist(0,5)

也就是 1 + 1 + 2 + 2 + 2 = 8。 因此,answer[0] = 8,以此类推。

示例 2:

输入: n = 1, edges = []

输出: [0]

示例 3:

输入: n = 2, edges = [[1,0]]

输出: [1,1]

参数:

1 <= n <= 3 * 104

edges.length == n - 1

edges[i].length == 2

0 <= ai, bi < n

ai != bi

给定的输入保证为有效的树

深度优先搜索

假定节点0是树的根。

一,通过深度优先搜索计算m_vSubNodeCounts[i] ,以i为根节点的子树的节点数量。

二,通过深度优先搜索计算0到所有节点的距离。

DFSDis返回值是: cur到所有子孙节点的距离。

三,深度优先搜索,通过父节点到各点距离,计算当前节点到各点距离。

当前节点 和 当前节点的子孙节点 到 当前节点 的距离比到当前节点的父节点少1。

其它节点 到当前节点的距离比到当前节点的父节点的距离多1。

代码

核心代码

class CNeiBo2
{
public:
  CNeiBo2(int n, bool bDirect, int iBase = 0) :m_iN(n), m_bDirect(bDirect), m_iBase(iBase)
  {
    m_vNeiB.resize(n);
  }
  CNeiBo2(int n, vector<vector<int>>& edges, bool bDirect, int iBase = 0) :m_iN(n), m_bDirect(bDirect), m_iBase(iBase)
  {
    m_vNeiB.resize(n);
    for (const auto& v : edges)
    {
      m_vNeiB[v[0] - iBase].emplace_back(v[1] - iBase);
      if (!bDirect)
      {
        m_vNeiB[v[1] - iBase].emplace_back(v[0] - iBase);
      }
    }
  }
  inline void Add(int iNode1, int iNode2)
  {
    iNode1 -= m_iBase;
    iNode2 -= m_iBase;
    m_vNeiB[iNode1].emplace_back(iNode2);
    if (!m_bDirect)
    {
      m_vNeiB[iNode2].emplace_back(iNode1);
    }
  }
  const int m_iN;
  const bool m_bDirect;
  const int m_iBase;
  vector<vector<int>> m_vNeiB;
};
class Solution {
public:
  vector<int> sumOfDistancesInTree(int n, vector<vector<int>>& edges) {
    m_vSubNodeCounts.resize(n);
    m_vRet.resize(n);
    CNeiBo2 neiBo(n, edges, false);
    DFSSubNodeCount(neiBo, 0, -1);
    m_vRet[0] = DFSDis(neiBo, 0, -1);
    DFS(neiBo, 0, -1);
    return m_vRet;
  }
  void DFS(const CNeiBo2& neiBo, int cur, int parent)
  {
    if (-1 != parent)
    {
      m_vRet[cur] = m_vRet[parent] - m_vSubNodeCounts[cur] + (m_vSubNodeCounts.size() - m_vSubNodeCounts[cur]);
    }
    for (const auto& next : neiBo.m_vNeiB[cur])
    {
      if (parent == next)
      {
        continue;
      }
      DFS(neiBo, next, cur);
    }
  }
  int DFSSubNodeCount(const CNeiBo2& neiBo,int cur,int parent)
  {
    int iRet = 1;
    for (const auto& next : neiBo.m_vNeiB[cur])
    {
      if (parent == next)
      {
        continue;
      }
      iRet += DFSSubNodeCount(neiBo, next, cur);
    }
    return m_vSubNodeCounts[cur] = iRet;
  }
  int DFSDis(const CNeiBo2& neiBo, int cur, int parent) 
  {
    int iDis = m_vSubNodeCounts[cur]-1;
    for (const auto& next : neiBo.m_vNeiB[cur])
    {
      if (parent == next)
      {
        continue;
      }
      iDis += DFSDis(neiBo, next, cur);
    }
    return iDis;
  }
  vector<int> m_vSubNodeCounts,m_vRet;
};

测试用例

template<class T>
void Assert(const T& t1, const T& t2)
{
  assert(t1 == t2);
}
template<class T>
void Assert(const vector<T>& v1, const vector<T>& v2)
{
  if (v1.size() != v2.size())
  {
    assert(false);
    return;
  }
  for (int i = 0; i < v1.size(); i++)
  {
    Assert(v1[i], v2[i]);
  }
}
int main()
{
  int n;
  vector<vector<int>> edges;
  {
    Solution sln;
    n = 6, edges = { {0,1},{0,2},{2,3},{2,4},{2,5} };
    auto res = sln.sumOfDistancesInTree(n, edges);
    Assert(vector<int>{8, 12, 6, 10, 10, 10}, res);
  }
  {
    Solution sln;
    n = 1, edges = {};
    auto res = sln.sumOfDistancesInTree(n, edges);
    Assert(vector<int>{0}, res);
  }
  {
    Solution sln;
    n = 2, edges = { {1,0} };
    auto res = sln.sumOfDistancesInTree(n, edges);
    Assert(vector<int>{1,1}, res);
  }
  {
    Solution sln;
    n = 3, edges = { {2,1},{0,2} };
    auto res = sln.sumOfDistancesInTree(n, edges);
    Assert(vector<int>{3,3,2}, res);
  }
}

2023年1月

class Solution {

public:

vector sumOfDistancesInTree(int n, vector<vector>& edges) {

m_n = n;

m_vChildDis.assign(n, -1);

m_vChildNum.resize(n, -1);

m_vNP.resize(n);

m_vTotalNum.resize(n);

for (auto& e : edges)

{

m_vNP[e[0]].push_back(e[1]);

m_vNP[e[1]].push_back(e[0]);

}

dfs1(0, -1);

dfs2(0, -1);

return m_vTotalNum;

}

void dfs1(int iCur, const int iParent)

{

int iDis = 0;

int iNum = 0;

for (const auto& next : m_vNP[iCur])

{

if (iParent == next)

{

continue;

}

dfs1(next, iCur);

iDis += m_vChildDis[next];

iNum += m_vChildNum[next];

}

m_vChildDis[iCur] = iDis + iNum;

m_vChildNum[iCur] = iNum+1;

}

void dfs2(int iCur, const int iParent)

{

if (-1 == iParent)

{

m_vTotalNum[iCur] = m_vChildDis[iCur];

}

else

{

m_vTotalNum[iCur] = m_vTotalNum[iParent] - m_vChildDis[iCur] - m_vChildNum[iCur] + (m_n - m_vChildNum[iCur]) + m_vChildDis[iCur];

}

for (const auto& next : m_vNP[iCur])

{

if (iParent == next)

{

continue;

}

dfs2(next, iCur);

}

}

vector m_vChildDis;//距离子孙节点之和

vector m_vChildNum;//子孙数量之和+1

vector m_vTotalNum;

int m_n;

vector < vector > m_vNP;

};

2023年 6月

class Solution {

public:

vector sumOfDistancesInTree(int n, vector<vector>& edges) {

m_vTotalDis.resize(n);

m_vNodeNum.resize(n);

m_vLeve.resize(n);

m_vParent.assign(n, -1);

CNeiBo2 neiBo(n, edges, false);

DSFLeveAndNodeCount(neiBo.m_vNeiB, 0, -1);

m_vTotalDis[0] = std::accumulate(m_vLeve.begin(), m_vLeve.end(), 0);

//必须按父子顺序出来

DFS(neiBo.m_vNeiB, 0, -1);

return m_vTotalDis;

}

void DFS(vector<vector>& neiBo, int iCur, int iParent)

{

if (-1 != iParent)

{

m_vTotalDis[iCur] = m_vTotalDis[m_vParent[iCur]] - m_vNodeNum[iCur] + (m_vNodeNum[0] - m_vNodeNum[iCur]);

}

for (const auto& next : neiBo[iCur])

{

if (next == iParent)

{

continue;

}

DFS(neiBo, next, iCur);

}

}

void DSFLeveAndNodeCount( vector<vector>& neiBo,int iCur,int iParent)

{

if (-1 != iParent)

{

m_vLeve[iCur] = m_vLeve[iParent] + 1;

m_vParent[iCur] = iParent;

}

m_vNodeNum[iCur] = 1;

for (const auto& next : neiBo[iCur])

{

if (next == iParent)

{

continue;

}

DSFLeveAndNodeCount(neiBo,next, iCur);

m_vNodeNum[iCur] += m_vNodeNum[next];

}

}

vector m_vTotalDis,m_vNodeNum,m_vLeve,m_vParent;

};


相关文章
|
9天前
|
算法
树的遍历算法有哪些?
不同的遍历算法适用于不同的应用场景。深度优先搜索常用于搜索、路径查找等问题;广度优先搜索则在图的最短路径、层次相关的问题中较为常用;而二叉搜索树的遍历在数据排序、查找等方面有重要应用。
18 2
|
1月前
|
存储 算法 C++
高精度算法(加、减、乘、除,使用c++实现)
高精度算法(加、减、乘、除,使用c++实现)
405 0
高精度算法(加、减、乘、除,使用c++实现)
|
1月前
|
存储 算法 关系型数据库
数据结构与算法学习二一:多路查找树、二叉树与B树、2-3树、B+树、B*树。(本章为了解基本知识即可,不做代码学习)
这篇文章主要介绍了多路查找树的基本概念,包括二叉树的局限性、多叉树的优化、B树及其变体(如2-3树、B+树、B*树)的特点和应用,旨在帮助读者理解这些数据结构在文件系统和数据库系统中的重要性和效率。
18 0
数据结构与算法学习二一:多路查找树、二叉树与B树、2-3树、B+树、B*树。(本章为了解基本知识即可,不做代码学习)
|
1月前
|
算法 数据处理 C++
c++ STL划分算法;partition()、partition_copy()、stable_partition()、partition_point()详解
这些算法是C++ STL中处理和组织数据的强大工具,能够高效地实现复杂的数据处理逻辑。理解它们的差异和应用场景,将有助于编写更加高效和清晰的C++代码。
22 0
|
1月前
|
存储 算法
数据结构与算法学习十六:树的知识、二叉树、二叉树的遍历(前序、中序、后序、层次)、二叉树的查找(前序、中序、后序、层次)、二叉树的删除
这篇文章主要介绍了树和二叉树的基础知识,包括树的存储方式、二叉树的定义、遍历方法(前序、中序、后序、层次遍历),以及二叉树的查找和删除操作。
24 0
|
1月前
|
存储 算法 Java
数据结构和算法--分段树
数据结构和算法--分段树
14 0
|
1月前
|
存储 算法 决策智能
【算法】博弈论(C/C++)
【算法】博弈论(C/C++)
|
1月前
|
存储 算法 C++
【算法】哈希映射(C/C++)
【算法】哈希映射(C/C++)
|
1月前
|
机器学习/深度学习 人工智能 算法
【算法】最长公共子序列(C/C++)
【算法】最长公共子序列(C/C++)