关于一棵树

119 篇文章 4 订阅
32 篇文章 0 订阅

树的直径(Diameter)是指树上的最长简单路

一棵n个点的树,每条边都有边权w,
求一条路径使得它的权值和最大

一、边权保证非负

直径的求法:两遍BFS (or DFS)

任选一点u为起点,对树进行BFS遍历,找出离u最远(权值最大)的点v
再以v为起点,再进行BFS遍历,找出离v最远(权值最大)的点w
则v到w的路径长度(权值)即为树的直径
于是原问题可以在O(E)时间内求出

简单证明
关键在于证明第一次遍历的正确性,
也就是对于任意点u,距离它最远的点v一定是最长路的一端

如果u在最长路上,那么v一定是最长路的一端
可以用反证法:假设v不是最长路的一端,则存在另一点v’使得(u→v’)是最长路的一部分,
于是len(u→v’) > len(u→v)
但这与条件“v是距u最远的点”矛盾

如果u不在最长路上,则u到其距最远点v的路与最长路一定有一交点c,
且(c→v)与最长路的半段重合,
即v一定是最长路的一端

二、边权为Z

f[i]表示i这棵子树中,以i为端点的最长链
g[i]表示i这棵子树中,以i为端点的次长链
这样当前点对答案的贡献就是f[i]+g[i]
例题

树的重心

详解

splay
这里写图片描述

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,您的问题是关于一棵的数据结构。以下是我对您的问题的回答: 1. 创建一棵 为了创建一棵,你需要定义一个节点类,其中包括节点的值和子节点的列表。然后定义一个类,其中包括根节点。在类中,你可以添加节点和子节点,这将构建的结构。 以下是一个基本的节点和的实现: ```python class Node: def __init__(self, value): self.value = value self.children = [] class Tree: def __init__(self): self.root = None def add_node(self, value): node = Node(value) if self.root is None: self.root = node else: self.root.children.append(node) def add_child(self, parent_value, child_value): parent = self._search(self.root, parent_value) if parent is not None: child = Node(child_value) parent.children.append(child) def _search(self, node, value): if node.value == value: return node if len(node.children) == 0: return None for child in node.children: result = self._search(child, value) if result is not None: return result return None ``` 2. 求的高度 要求的高度,你需要遍历并计算每个节点的深度。的高度等于最深的节点的深度。 以下是一个基本的计算高度的实现: ```python def tree_height(node): if node is None: return 0 if len(node.children) == 0: return 1 else: child_heights = [tree_height(child) for child in node.children] return max(child_heights) + 1 ``` 该函数接受一个节点并递归计算其子节点的高度。节点没有子节点时,深度为1。有子节点时,深度等于所有子节点深度的最大值加1。 你可以使用以下代码来测试该函数: ```python tree = Tree() tree.add_node(1) tree.add_child(1, 2) tree.add_child(1, 3) tree.add_child(2, 4) tree.add_child(2, 5) print(tree_height(tree.root)) #输出 3 ``` 3. 实现的层次遍历 层次遍历通过遍历每个节点并将其子节点添加到队列中来实现。你可以使用一个while循环和一个队列来完成。 以下是一个基本的层次遍历的实现: ```python from collections import deque def level_order(node): if node is None: return [] queue = deque([node]) result = [] while len(queue) > 0: node = queue.popleft() result.append(node.value) for child in node.children: queue.append(child) return result ``` 该函数接受一个节点并使用队列实现的层次遍历。使用队列保持节点序列,并在遍历过程中扩展队列。 你可以使用以下代码来测试该函数: ```python tree = Tree() tree.add_node(1) tree.add_child(1, 2) tree.add_child(1, 3) tree.add_child(2, 4) tree.add_child(2, 5) print(level_order(tree.root)) #输出 [1, 2, 3, 4, 5] ``` 4. 先根遍历和后根遍历 先根遍历和后根遍历是通过递归遍历来完成的。在先根遍历中,你需要首先遍历根节点,然后遍历每个子节点。在后根遍历中,你需要先遍历每个子节点,然后遍历根节点。 以下是一个基本的先根遍历和后根遍历的实现: ```python def pre_order(node): if node is None: return [] result = [node.value] for child in node.children: result += pre_order(child) return result def post_order(node): if node is None: return [] result = [] for child in node.children: result += post_order(child) result.append(node.value) return result ``` 你可以使用以下代码来测试这些函数: ```python tree = Tree() tree.add_node(1) tree.add_child(1, 2) tree.add_child(1, 3) tree.add_child(2, 4) tree.add_child(2, 5) print(pre_order(tree.root)) #输出 [1, 2, 4, 5, 3] print(post_order(tree.root)) #输出 [4, 5, 2, 3, 1] ``` 希望以上内容能够帮助到你。如果您还有其他问题,请随时问我!

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值