题目描述:
树是一个无向图,其中任何两个顶点只通过一条路径连接。 换句话说,一个任何没有简单环路的连通图都是一棵树。
给你一棵包含 n 个节点的数,标记为 0 到 n - 1 。给定数字 n 和一个有 n - 1 条无向边的 edges 列表(每一个边都是一对标签),其中 edges[i] = [ai, bi] 表示树中节点 ai 和 bi 之间存在一条无向边。
可选择树中任何一个节点作为根。当选择节点 x 作为根节点时,设结果树的高度为 h 。在所有可能的树中,具有最小高度的树(即,min(h))被称为 最小高度树 。
请你找到所有的 最小高度树 并按 任意顺序 返回它们的根节点标签列表。
树的 高度 是指根节点和叶子节点之间最长向下路径上边的数量。
示例 1:
输入:n = 4, edges = [[1,0],[1,2],[1,3]]
输出:[1]
解释:如图所示,当根是标签为 1 的节点时,树的高度是 1 ,这是唯一的最小高度树。
示例 2:
输入:n = 6, edges = [[3,0],[3,1],[3,2],[3,4],[5,4]]
输出:[3,4]
示例 3:
输入:n = 1, edges = []
输出:[0]
示例 4:
输入:n = 2, edges = [[0,1]]
输出:[0,1]
提示:
1 <= n <= 2 * 104
edges.length == n - 1
0 <= ai, bi < n
ai != bi
所有 (ai, bi) 互不相同
给定的输入 保证 是一棵树,并且 不会有重复的边
方法1:
主要思路:
(1)超时算法;
(2)当时想着现建好图,然后找出结点之间的最长的路径,那么,最小的高度树的根节点,一定是在该路径的中间结点位置;
(3)既路径的长度若是奇数,则是中间结点,若是偶数,则是中间两个结点;
(4)虽然过了前面的例子,但算法最后超时;
class Solution {
public:
//找出该节点下,最长的路径
void dfs(vector<vector<int>>& graph,vector<bool>sign,vector<int>& cur_path,vector<int>&path,int index){
if(sign[index]==false){
if(cur_path.size()>path.size()){
path=cur_path;
}
return;
}
sign[index]=false;
cur_path.push_back(index);
for(int i=0;i<graph[index].size();++i){
dfs(graph,sign,cur_path,path,graph[index][i]);
}
cur_path.pop_back();
sign[index]=true;
}
vector<int> findMinHeightTrees(int n, vector<vector<int>>& edges) {
//处理特殊的情形
if(n==1){
return {0};
}
if(n==2){
return {0,1};
}
//建图
vector<vector<int>> graph(n);
vector<bool> lable(n,true);//标识访问过的结点
for(vector<int>& edge:edges){
graph[edge[0]].push_back(edge[1]);
graph[edge[1]].push_back(edge[0]);
}
vector<int> path;//存储最长的路径
for(int i=0;i<n;++i){
if(graph[i].size()==1&&lable[i]){//若当前结点是路径的起始或终止点,且没有访问过,则
lable[i]=false;
vector<bool> sign(n,true);
vector<int> cur_path;
dfs(graph,sign,cur_path,path,i);
}
}
if(path.size()%2==1){
return {path[path.size()/2]};
}
return {path[path.size()/2-1],path[path.size()/2]};
}
};
方法2:
主要思路:
(1)使用广度优先搜索,每次找出只有一个相邻结点的点,既度为1的结点,作为要删除的结点,同时与这些结点相连的点的度同时减1,当减一后的结点的度也变成了1,则作为新的要删除的结点,压入到队列中;
class Solution {
public:
vector<int> findMinHeightTrees(int n, vector<vector<int>>& edges) {
//处理特殊的情形
if(n==1){
return {0};
}
if(n==2){
return {0,1};
}
//建立图
vector<vector<int>> graph(n);
//统计各个结点的入度,这里是无向图,实际既相邻的结点的数量
vector<int> in_degree(n,0);
for(vector<int>& edge:edges){
graph[edge[0]].push_back(edge[1]);
graph[edge[1]].push_back(edge[0]);
++in_degree[edge[0]];
++in_degree[edge[1]];
}
queue<int> q;//队列实现广度优先搜索
//将起始的度为1的结点压入到队列中
for(int i=0;i<n;++i){
if(in_degree[i]==1){
q.push(i);
in_degree[i]=0;//标识不再访问,变相的删除结点操作
}
}
//当没有遍历的结点的数量小于等于2时,则终止循环,剩余的这1个或2个结点,即为中间结点
while(n>2){
int cur_size=q.size();//当前层要删除的结点数量
n-=cur_size;//删除结点
//逐个遍历要删除的结点,减少相邻的结点的度
while(cur_size--){
int cur_index=q.front();//当前结点
q.pop();
//遍历当前结点的相邻结点,再相邻结点没有被删除过的情形下,既度符合要求的情形下
for(int& cur_i:graph[cur_index]){
if(in_degree[cur_i]>1){//度符合要求,则可以访问
//该相邻结点的度减1
--in_degree[cur_i];
//若度等于1,则说明也是新的叶子结点,既可以删除的结点,压入到队列中,并将对应的度置为0进行标识
if(in_degree[cur_i]==1){
q.push(cur_i);
in_degree[cur_i]=0;
}
}
}
}
}
//获得结果
vector<int> res;
while(!q.empty()){
res.push_back(q.front());
q.pop();
}
return res;
}
};