leetcode1483. 树节点的第 K 个祖先（Python3）

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 ) =