一棵树的生成树有几颗_次小生成树（树剖，生成树）

生成树的概念：

在一个无向图中，设顶点数为\(n\)，取其中\(n-1\)条边并使所有点相连，所得到的一棵树即为生成树。

最小生成树：

如果还没有接触过生成树的同学，欢迎戳->最小生成树详解

次小生成树：

次小生成树顾名思义，就是边权之和次小的一棵生成树。有严格次小生成树与非严格次小生成树之分。

尽管这个算法的名字叫做次小生成树，不过其实可以理解成一道数据结构

次小生成树可以和次短路径一起理解，有兴趣的同学可以做做模板题

非严格次小生成树的边权之和不一定要比最小生成树的小，即\(Σw\)次≥\(Σw\)最

严格次小生成树的边权之和一定要比最小生成树的小，即\(Σw\)次>\(Σw\)最

想要求出次小生成树？

显然我们可以dfs求出所有的生成树，在排序选出严格次小的就可以了。

但是上述方法显然不能快速求出次小生成树

为了快速的求出来次小生成树，我们需要知道一个结论：次小生成树和最小生成树之间只有一条边的差异。

这一条结论为什么是正确的呢？

我们先来看看\(Kruskal\)是怎么求最小生成树的

\(Kruskal\)是按照边权排序，按照贪心的思路一条一条的加进树边，所以如果要求出次小生成树，那么我们可以放弃一条小的边不选，加入另一条边使图联通。

如果我们"放弃"了两条边，那么只"放弃"一条边的生成树的边权和显然小于"放弃"两条边的生成树的边权和。

所以求出(非)严格次小生成树的朴素算法为：先建立一棵最小生成树。再枚举删去最小生成树上的每一条路径，再在新构成的生成树中选出一棵边权之和最小生成树的即可。

时间复杂度为\(O(nmlogm)\)。当然这种算法还不够优秀，我们可以继续优化

非严格次小生成树我们可以这样优化：

枚举边的时候，枚举没有被并入到最小生成树的边(我们将把这条边加入到生成树中，显然现在的图形不再是一棵树，所以我们要原图中删去一条最大边，使新图仍然联通)

加入边权值为\(W1\)。查询树上每一条的路径，在路径选取一个边权最大值\(W2\)。则当前枚举的答案为\(W−W2+W1\)(W为最小生成树的边权之和)

枚举所有的边之后，取最小值即可。

我们可以用倍增/树剖/LCT来实现查询树上最大值的操作，故复杂度为：\(O(mlogn)\)

再来看看严格次小生成树

不难发现：求非严格最小生成树时，枚举一条边\(W1\)