链式前向星
图的存储方法有很多如:邻接矩阵、邻接表和边集数组,除此之外还有链式前向星。链式前向星是一种静态链表存储,用边集数组和邻接表相结合,可以快速访问一个顶点的所有邻接点。
链式前向星存储包含两种结构
edge[];边集数组,edge[i]表示第i条边
head[]; 头节点数组,head[i]存储以i为起点的上一条边的编号(即:在edge[]中的下标,随着边的不断插入,一个固定的下标i对应的head[i]的值会发生改变,具体看后面例子体会。)
struct node{
int to;//该边的到达顶点的编号(范围1到n)
int next;//与该边起点相同的上一条边在edge[]中的下标,如果是第一条边,则为默认值-1或其他
int w;//变的权重
}edge[maxn<<1];//边数一般至少为maxn*maxn,因为无向图一条边对应两个方向,相当于插入两条边。
对于无向图
每一条边的结构如下图:
例如,一个无向图如下所示:
按照以下顺序建立链式前向星:
(1)输入 1 2 5
创建一条边,顶点1——2 ,边的权重为5,创建第一条边edge[0],如图所示
然后将该边链接到1号节点的头结点(head[])中。(初始时head[]数组全部初始化为-1,也就是edge[0].next = head[1],head[1]=0 (也就是指向该边的编号:0,edge[0]) ,也就是1号节点关联的第一条边的边号为0,如下图所示,其中虚拟箭头表示关联关系)
head[]使用的下标从1开始,下图中的head[]应该是1到4,而不是1到5,多画了一个(粗心了,懒的重画,后面发现后也改正了,哈哈哈)
接着插入边2——1,权重为5,创建第二条边edge[1],并将该边链接到2号节点的头节点中。即edge[1].next=head[2];head[2]=1;表示2号节点关联的第一条边的边号为1,如下图所示:
(2) 输入 1 4 3
创建一条边1——4,权重为3,创建第3条边edge[2],然后将该边链接到1号节点的头结点中(头插法),即edge[2].next=head[1];head[1]=2;表示1号节点关联的上一条边(上一条边是指以该节点为起点已经至少插入了一条边)为2号边,如下所示
由于是无向图,还需插入它的反向边4——1,权值为3,创建第4条边edge[3],然后将该边链接到4号节点的头节点中。即edge[3].next=head[4];head[4]=3;表示4号节点关联的第一条边为3号边,如下图所示。
(3)依次输入以下三条边,创建的链式前向星,如图所示
2 3 8
2 4 12
3 4 9
添加一条边u v w的代码如下
//cnt初始为0,每执行一次add,cnt加1
void add(int u, int v, int w){
edge[cnt].to = v;
edge[cnt].w = w;
edge[cnt].next = head[u];
head[u] = cnt++;
}
//如果是有向图,每输入一条边,执行一次add(u,v,w)
//如果是无向图,每输入一条边,需要执行两次:add(u,v,w);add(v,u,w);
//如何使用链式前向星访问一个节点u所有邻接点?
for(int i = head[u]; i!=-1; i=edge[i].next){
int v = edge[i].to;//邻接点
int w = edge[i].w;//权重
...
}
// 由于是头插法,for循环访问邻接点的顺序与插入顺序相反
// 和邻接表相同,由于采用头插法,所以边输入的顺序不同,创建的链式前向星也会不同
链式前向星的应用——tarjan算法
tarjan算法有很多,但名字都相同。这里是用来求解一棵树中,两个节点之间的距离。而求两个节点之间的距离就必须先知道最近公共祖先(Lowest Common Ancestors, LCA)
上图,节点7,9的最近公共祖先为2,tarjan算法就是用来求7 9 之间的距离,7 9 距离为5(7,9之间边的数目,若边有权重,则为边对应权重之和)。
而求解算法有很多,如暴力搜索,树上倍增,在线RMQ、离线Tarjan以及树链剖分法,下面介绍离线Tarjan算法,所谓离线是指,一次性把需要查询的情况全部输入,然后返回全部结果。在线是输入一次返回一次结果。
#include<iostream>
#include<vector>
#include<algorithm>
using namespace std;
const int maxn=40005;
int n,m;
int head[maxn],dis[maxn],cnt;//头结点;到根节点的距离;边的编号;
int fa[maxn],ans[maxn];fa[i]存储i的父节点;ans[i]存储第i个查询的结果;
bool vis[maxn];//访问标记
vector<int>query[maxn],query_id[maxn];//查询及编号
struct Edge
{
int to,c,next;
}e[maxn<<1];
void add(int u,int v,int w)
{
e[++cnt].to=v;
e[cnt].c=w;
e[cnt].next=head[u];
head[u]=cnt;
}//以上与链式前向星相同
int find(int x)//并查集找祖宗,当我是我的父亲时递归结束;
{
if(x==fa[x])
return x;
return fa[x]=find(fa[x]);
}
//添加查询,即找x,y之间的距离,id为输入查询的编号,从0开始
void add_query(int x,int y,int id) //边号都是唯一的,不存在x等于y的情况
{ //添加两次是因为不确定x,y谁先被访问
query[x].push_back(y);//查找x 和 y距离
query_id[x].push_back(id);
query[y].push_back(x);//查找y和x的距离
query_id[y].push_back(id);
}
void tarjan(int u)
{
vis[u]=1;//标记已访问
//以下是深度优先遍历,后序访问
for(int i=head[u];i;i=e[i].next)//以u节点为起点,广度上遍历的顺序
{
int v=e[i].to,w=e[i].c;
if(vis[v])
continue;
dis[v]=dis[u]+w;//与根节点的距离,从上往下求
tarjan(v);//v为u的邻接点(在树中称:子节点),优先访问子节点
fa[v]=u;//执行到此,v以及v的子孙节点都已经得到与根节点的距离,并且知道自己的父节点;
}
//此时u的父亲还是u自己,而u的子孙都已经得到与根节点的距离,并且知道父节点;
for(int i=0;i<query[u].size();i++)//u相关的所有查询
{
int v=query[u][i];
int id=query_id[u][i];
//此时u已经被访问了,如果v没有被访问过的话什么也不做
if(vis[v])
{ //先访问的v,再访问的u
int lca=find(v);//lca最近公共祖先
ans[id]=dis[u]+dis[v]-2*dis[lca];//结果就是distance(u,lca)+distance(v,lca)
}
}
}
int main()
{
int x,y,lca;
cin>>n>>m;//n为节点数;m:查询的个数
for(int i=1;i<=n;i++)//初始化
{
head[i]=vis[i]=dis[i]=0;//初始化为0,而不是-1,都可以,下标从1开始
fa[i]=i;//初始时,将所有节点的父亲设置为自己
query[i].clear();
query_id[i].clear();
}
cnt=0;
for(int i=1;i<n;i++)//输入一棵树的n-1边
{
int x,y,z;
cin>>x>>y>>z;
add(x,y,z);
add(y,x,z);
}
for(int i=1;i<=m;i++)
{
cin>>x>>y;
if(x==y)
ans[i]=0;
else
add_query(x,y,i);
}
tarjan(1);
for(int i=1;i<=m;i++)
cout<<ans[i]<<endl;//输出x y的距离
return 0;
}