leetcode1483. 树节点的第 K 个祖先
给你一棵树,树上有 n
个节点,按从 0
到 n-1
编号。树以父节点数组的形式给出,其中 parent[i]
是节点 i
的父节点。树的根节点是编号为 0
的节点。
请你设计并实现 getKthAncestor``(int node, int k)
函数,函数返回节点 node
的第 k
个祖先节点。如果不存在这样的祖先节点,返回 -1
。
树节点的第 k
个祖先节点是从该节点到根节点路径上的第 k
个节点。
示例:
输入:
["TreeAncestor","getKthAncestor","getKthAncestor","getKthAncestor"]
[[7,[-1,0,0,1,1,2,2]],[3,1],[5,2],[6,3]]
输出:
[null,1,0,-1]
解释:
TreeAncestor treeAncestor = new TreeAncestor(7, [-1, 0, 0, 1, 1, 2, 2]);
treeAncestor.getKthAncestor(3, 1); // 返回 1 ,它是 3 的父节点
treeAncestor.getKthAncestor(5, 2); // 返回 0 ,它是 5 的祖父节点
treeAncestor.getKthAncestor(6, 3); // 返回 -1 因为不存在满足要求的祖先节点
提示:
- *1 <= k <= n <= 5 10^4
- parent[0] == -1 表示编号为 0 的节点是根节点。
- 对于所有的 0 < i < n ,0 <= parent[i] < n 总成立
- 0 <= node < n
- *至多查询 5 10^4 次
方法:动态规划dp+binary lifting倍增
思路:
这道题容易想到的暴力方法就是,对给定的node,进行k次往上查找。这种情况下,每次查找需要运算k次,如果n次查找需要kn次,根据数据范围,时间复杂度会达到O(n^2)。对于数据范围n=50000来说会超时。
我们这里来进行优化,使用动态规划dp+binary lifting倍增。这个倍增的方法好像是ACM竞赛算法,怪不得我根本想不到,这次就是学习了。
我们主要优化的就是查找的过程,使查找的复杂度从O(n)降低到O(logn)。我们使用动态规划,dp(i,j)表示结点i向上找 2 ^ j次之后的结点,如果超过根节点了,不满足,那么就是-1。这里面j表示2 ^ j次,这就是倍增(binary lifting)。我们根据数据范围,可知道j最大可取到15。
下面考虑状态转移方程。我们从0开始,dp(i,0)就表示i结点向上找1次的结点,也就是parent[i]:
v 1 = d p ( i , 0 ) = p a r e n t [ i ] v 2 = d p ( i , 1 ) = d p ( v 1 , 0 ) v 3 = d p ( i , 2 ) = d p ( v 2 , 1 ) d p ( i , j ) =