题解:树中两点间最短距离
https://www.acwing.com/problem/content/1173/
一、题目描述
给定一棵包含n个节点的树,树中每条边都有一个长度。进行m次查询,每次查询两个节点之间的最短距离。需要高效处理这些查询。
二、题目分析
- 树是一种特殊的图,任意两点之间有且只有一条路径,因此两点间的最短距离就是唯一路径的距离。
- 直接对每次查询都进行BFS/DFS计算路径距离,时间复杂度为O(mn),在n=1e4、m=2e4时会达到2e8操作,可能超时。
- 需要更高效的算法来处理多次查询,常见方法是使用最近公共祖先(LCA)配合前缀和。
三、解题思路
- 预处理阶段:
- 使用BFS或DFS计算每个节点到根节点的距离dist[u]
- 使用倍增法预处理每个节点的2^k级祖先,用于快速查找LCA
- 查询阶段:
- 对于查询的两个节点u和v,找到它们的最近公共祖先p
- 两点间距离 = dist[u] + dist[v] - 2*dist[p]
- 原理:
- 树中两点路径必然经过它们的LCA
- 总距离可以分解为u到LCA的距离加上v到LCA的距离
- 使用前缀和思想,dist[u]和dist[v]都包含dist[p],所以需要减去两倍的dist[p]
四、代码实现
#include <bits/stdc++.h>
using namespace std;
const int N = 1e4 + 10, M = N * 2;
int n, m;
int h[N], e[M], ne[M], w[M], idx;
int depth[N], dist[N], f[N][16];
int q[M];
void add(int a, int b, int c) {
e[idx] = b, w[idx] = c, ne[idx] = h[a], h[a] = idx++;
}
// 预处理深度、距离和倍增数组
void bfs() {
memset(depth, 0, sizeof depth);
depth[1] = 1; // 根节点深度为1
int hh = 0, tt = -1;
q[++tt] = 1;
while (hh <= tt) {
int u = q[hh++];
for (int i = h[u]; ~i; i = ne[i]) {
int v = e[i];
if (!depth[v]) {
depth[v] = depth[u] + 1;
dist[v] = dist[u] + w[i];
f[v][0] = u;
// 预处理倍增数组
for (int k = 1; k <= 15; k++) {
f[v][k] = f[f[v][k - 1]][k - 1];
}
q[++tt] = v;
}
}
}
}
// 查找最近公共祖先
int lca(int a, int b) {
if (depth[a] < depth[b]) swap(a, b);
// 将a跳到与b同深度
for (int k = 15; k >= 0; k--) {
if (depth[f[a][k]] >= depth[b]) {
a = f[a][k];
}
}
if (a == b) return a;
// 同时向上跳
for (int k = 15; k >= 0; k--) {
if (f[a][k] != f[b][k]) {
a = f[a][k];
b = f[b][k];
}
}
return f[a][0];
}
int main() {
ios::sync_with_stdio(false), cin.tie(0), cout.tie(0);
memset(h, -1, sizeof h);
cin >> n >> m;
for (int i = 1; i < n; i++) {
int a, b, c;
cin >> a >> b >> c;
add(a, b, c), add(b, a, c);
}
bfs();
while (m--) {
int x, y;
cin >> x >> y;
int p = lca(x, y);
cout << dist[x] + dist[y] - 2 * dist[p] << "\n";
}
return 0;
}
五、重点细节
- 初始化根节点:根节点深度初始化为1,这是倍增法的常见做法
- 预处理顺序:BFS时要先处理当前节点,再处理其子节点
- 倍增数组处理:f[v][k]表示节点v向上跳2^k步到达的节点
- LCA查找:先对齐深度,再同时向上跳,直到找到公共祖先
- 距离计算:利用前缀和思想,通过LCA计算两点间距离
六、复杂度分析
- 预处理阶段:
- BFS遍历所有节点:O(n)
- 每个节点处理16个倍增层级:O(nlogn)
- 总复杂度:O(nlogn)
- 查询阶段:
- 每次LCA查询:O(logn)
- m次查询:O(mlogn)
- 总复杂度:O((n+m)logn),对于n=1e4,m=2e4完全可接受
七、总结
本题展示了如何利用LCA高效解决树中路径查询问题。关键点在于:
- 预处理每个节点的深度和到根的距离
- 使用倍增法快速查找LCA
- 利用前缀和思想计算路径距离
这种方法将每次查询的时间从O(n)降低到O(logn),非常适合处理大规模查询。