题目地址:
https://leetcode.com/problems/minimum-height-trees/
给定一个 n n n阶简单无向图,其有树性质。若取其中某个顶点为根,其就成为一棵有根树,从而有树高。求使得树高最小的顶点编号。答案也许不唯一。
思路是BFS。如果图平凡(意思是图只有一个顶点)则直接返回 0 0 0。如果图的顶点数大于 1 1 1,直观的想法是,可以先将度为 1 1 1的点入队,然后向树的“内部”分层遍历,然后将这些点删掉,再将剩余的点中度为 1 1 1的点入队遍历,直到整个图被遍历完,这样最后一层遍历到的顶点即为所求(整个过程有点像拓扑排序,只不过这里的图是无向图,所以要不停地将度为 1 1 1的点入队)。
算法正确性证明:
数学归纳法。对图的顶点数目进行归纳。如果图的顶点数为
2
2
2,那么两个顶点的度都是
1
1
1,那么这两个顶点既是最外层的顶点,也是最后一层被遍历的顶点,而算法返回的正是这两个顶点,所以算法正确(如果图顶点数为
1
1
1的话类似)。
对于图的顶点数
V
>
2
V>2
V>2的情况,我们知道图的所有顶点的度的总和等于
2
E
=
2
(
V
−
1
)
=
2
V
−
2
2E=2(V-1)=2V-2
2E=2(V−1)=2V−2,首先,度为
1
1
1的顶点一定是存在的,否则度数和就会大于等于
2
V
2V
2V,矛盾;其次,由于
2
V
−
2
>
V
2V-2>V
2V−2>V,所以图中存在度不是
1
1
1的顶点,也就是说,删掉度为
1
1
1的顶点之后图仍然非空(也就是仍然有顶点);以上结论是为做数学归纳法做准备。
接着我们只需要证明“最外层”的顶点不可能成为最矮树的树根就行。任取其中一个顶点
v
v
v,设离
v
v
v最远的顶点是
u
u
u,那么树的高就是两者的距离,设为
h
h
h。设
v
v
v的邻接点是
w
w
w(按照度的定义,
w
w
w是
v
v
v的唯一的邻接点),若以
w
w
w为树根,则高度为
h
−
1
h-1
h−1,更小。所以
v
v
v不可能是最矮树的树根。把“最外层”的顶点删除后,图的顶点数减少,但仍然不空(上面的结论),由数学归纳法知道,算法对其正确。综上,算法正确。
由这个算法也能知道,最终的答案数目最多是 2 2 2。不然的话,由上面的证明,仍然存在度为 1 1 1的最外层的顶点还没删掉,这就矛盾了。所以最终的答案数目不大于 2 2 2。
代码如下:
import java.util.*;
public class Solution {
public List<Integer> findMinHeightTrees(int n, int[][] edges) {
List<Integer> res = new ArrayList<>();
// 特判是平凡图的情形
if (n == 1) {
res.add(0);
return res;
}
// 邻接表建图,并算出每个顶点的度
Map<Integer, List<Integer>> graph = buildGraph(edges);
int[] degrees = getDegrees(n, edges);
// 将度为1的点全部入队
Queue<Integer> queue = new LinkedList<>();
for (int i = 0; i < degrees.length; i++) {
if (degrees[i] == 1) {
queue.offer(i);
}
}
while (!queue.isEmpty()) {
// 先把这一层的顶点全加入答案中
res.clear();
res.addAll(queue);
// 开始分层遍历,由于要分层,所以要记录一下队列的大小
int size = queue.size();
for (int i = 0; i < size; i++) {
int cur = queue.poll();
// 得到cur的邻接点
for (int next : graph.get(cur)) {
// 将next的度减少1,然后将度为1的顶点入队
degrees[next]--;
if (degrees[next] == 1) {
queue.offer(next);
}
}
}
}
// 队列为空的时候,最后访问的那一层顶点即为所求
return res;
}
private int[] getDegrees(int n, int[][] edges) {
int[] degrees = new int[n];
for (int[] edge : edges) {
int x = edge[0], y = edge[1];
degrees[x]++;
degrees[y]++;
}
return degrees;
}
private Map<Integer, List<Integer>> buildGraph(int[][] edges) {
Map<Integer, List<Integer>> graph = new HashMap<>();
for (int[] edge : edges) {
int x = edge[0], y = edge[1];
graph.computeIfAbsent(x, k -> new ArrayList<>()).add(y);
graph.computeIfAbsent(y, k -> new ArrayList<>()).add(x);
}
return graph;
}
}
时空复杂度 O ( n ) O(n) O(n)。
注解:
1、这里的BFS是不用开visited数组记录是否访问过的,因为当前层遍历完了之后,下一层顶点的度都会减去
1
1
1,只有下一层度减成
1
1
1的顶点才会入队(这句话其实并不严谨。但是即使不严谨,也不影响算法的正确性。如果最终答案的顶点是唯一的,那么那个顶点即使在外层顶点全删掉之后度其实是
0
0
0,但其仍然会安全入队。所以不会漏解),本层别的顶点度本来就是
1
1
1,不可能重复入队的。
2、但是分层遍历存size仍然是必要的,因为res每次要将本层的顶点加进去。不分层则会得到错误答案。