LCA最近公共祖先(朴素+倍增法)

本文探讨了离散祖先查询的两种改进算法:一种通过直接搜索优化,另一种使用动态查找表提升效率。此外,介绍了离散祖先查询问题的多种解决方法,并强调了使用对数时间复杂度的算法以加速计算过程。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

<span style="color: rgb(51, 51, 51); font-family: 'Helvetica Neue', Helvetica, Arial, sans-serif; font-size: 18px; font-weight: bold; line-height: 1.42857143; background-color: rgb(255, 255, 255);">样例输入</span>

4
Adam Sam
Sam Joey
Sam Micheal
Adam Kevin
3
Sam Sam
Adam Sam
Micheal Kevin
样例输出
Sam
Adam
Adam
给出n个父子关系,然后接着m个询问,问两者的最近公共祖先是哪个。

下面的是用的很直白的搜索。每次找到两点的深度,然后将两点升到相同的高度。升到相同的高度后继续一起向上升。直到升到祖先相同。算法复杂度是O(dep[u]+dep[v]) ,最大深度为n,所以算法复杂度为O(n);

听起来还不错是吧~

But..

还有m 个询问啊,m如果很大。酱紫肯定TLE啊。下面的代码就是T的。。。


不过,肯定会有办法解决的是吧~

#include <cstdio>
#include <cstring>
#include <cmath>
#include <iostream>
#include <vector>
#include <map>
#include <algorithm>
#define read freopen("q.in","r",stdin)
#define LL long long
#define maxn 100005
using namespace std;
int fa[maxn],dep[maxn],dg[maxn];
map<string,int> mp;
map<int,string> remp;
vector<int> vt[maxn];

void dfs(int x,int p,int d)
{
	fa[x]=p;
	dep[x]=d;
	int i,j;
	for(i=0;i<vt[x].size();i++)
	dfs(vt[x][i],x,d+1);	
}

int lca(int u,int v)
{
	int i,j;
	while(dep[u]>dep[v])u=fa[u];
	while(dep[v]>dep[u])v=fa[v];
	while(u!=v)
	{
		u=fa[u];
		v=fa[v];
	}
	return u;
	
}
int main()
{
	int n,u,v,cnt=1;
	int root,i,q;
	string father,son;
	memset(dg,0,sizeof(dg));
	scanf("%d",&n);
	while(n--)
	{
		cin>>father>>son;
		if(!mp[father])
		{
			mp[father]=cnt;
			remp[cnt]=father;
			cnt++;
		}
		if(!mp[son])
		{
			mp[son]=cnt;
			remp[cnt]=son;
			cnt++;
		}
		u=mp[father];v=mp[son];
		vt[u].push_back(v);
		dg[v]++;
	}
	for(i=1;i<cnt;i++)
	if(dg[i]==0)
	{
		root=i;
		break;
	}
	dfs(root,-1,0);
	
	scanf("%d",&q);
	while(q--)
	{
		cin>>father>>son;
		int res=lca(mp[father],mp[son]);
		cout<<remp[res]<<endl;
	}

}
那既然,一步一步的走太慢,干脆在计算机中还经常logn,那就利用这点来加快速度吧。

fa[k][v]表示每次向上走k步,k是2的幂,k最大取log(n),分别计算可以走的步伐的父亲,然后从最长的步伐开始尝试。这样就可以快很多辣~


#include <cstdio>
#include <cstring>
#include <cmath>
#include <iostream>
#include <vector>
#include <map>
#include <algorithm>
#define read freopen("q.in","r",stdin)
#define LL long long
#define maxn 100005
#define maxlog (log(maxn)/log(2))
using namespace std;
int fa[100][maxn],dep[maxn],dg[maxn];
map<string,int> mp;
map<int,string> remp;
vector<int> vt[maxn];
int cnt,root;

void dfs(int x,int p,int d)
{
	fa[0][x]=p;
	dep[x]=d;
	int i,j;
	for(i=0;i<vt[x].size();i++)
	dfs(vt[x][i],x,d+1);	
}
void init()
{
	int i,mlog=(log(cnt)/log(2));
	dfs(root,-1,0);
	for(int k=0;k+1<mlog;k++)
	{
		for(int v=0;v<cnt;v++)
		{
			if(fa[k][v]<0)fa[k+1][v]=-1;
			else fa[k+1][v]=fa[k][fa[k][v]];
		}
	}
}
int lca(int u,int v)
{
	int i,j,mlog=(log(cnt)/log(2));;
	if(dep[u]>dep[v])swap(u,v);
	for(i=0;i<mlog;i++)
	{
		if((dep[v]-dep[u])>>i &1)
		v=fa[i][v];
	}
	if(u==v)return u;
	
	for(int k=mlog-1;k>=0;k--)
	{
		if(fa[k][u]!=fa[k][v])
		{
			u=fa[k][u];
			v=fa[k][v];
		}
	}
	
	return fa[0][u];
}
int main()
{
//	read;
	int n,u,v;
	cnt=1;
	int i,q;
	string father,son;
	memset(dg,0,sizeof(dg));
	scanf("%d",&n);
	while(n--)
	{
		cin>>father>>son;
		if(!mp[father])
		{
			mp[father]=cnt;
			remp[cnt]=father;
			cnt++;
		}
		if(!mp[son])
		{
			mp[son]=cnt;
			remp[cnt]=son;
			cnt++;
		}
		u=mp[father];v=mp[son];
		vt[u].push_back(v);
		dg[v]++;
	}
	for(i=1;i<cnt;i++)
	if(dg[i]==0)
	{
		root=i;
		break;
	}
	init();
	
	scanf("%d",&q);
	while(q--)
	{
		cin>>father>>son;
		int res=lca(mp[father],mp[son]);
		cout<<remp[res]<<endl;
	}

}

其实,解决lca问题的算法很多,除了这两种之外还有

一种叫tajian的算法,以及转化成RMQ的问题。

这些算法,以后再写。一篇博客不能太长。不然就太无趣辣,反正我忍受不了太长的博客。。。

内容概要:该论文探讨了一种基于粒子群优化(PSO)的STAR-RIS辅助NOMA无线通信网络优化方法。STAR-RIS作为一种新型可重构智能表面,能同时反射和传输信号,与传统仅能反射的RIS不同。结合NOMA技术,STAR-RIS可以提升覆盖范围、用户容量和频谱效率。针对STAR-RIS元素众多导致获取完整信道状态信息(CSI)开销大的问题,作者提出一种在不依赖完整CSI的情况下,联合优化功率分配、基站波束成形以及STAR-RIS的传输和反射波束成形向量的方法,以最大化总可实现速率并确保每个用户的最低速率要求。仿真结果显示,该方案优于STAR-RIS辅助的OMA系统。 适合人群:具备一定无线通信理论基础、对智能反射面技术和非正交多址接入技术感兴趣的科研人员和工程师。 使用场景及目标:①适用于希望深入了解STAR-RIS与NOMA结合的研究者;②为解决无线通信中频谱资源紧张、提高系统性能提供新的思路和技术手段;③帮助理解PSO算法在无线通信优化问题中的应用。 其他说明:文中提供了详细的Python代码实现,涵盖系统参数设置、信道建模、速率计算、目标函数定义、约束条件设定、主优化函数设计及结果可视化等环节,便于读者理解和复现实验结果。此外,文章还对比了PSO与其他优化算法(如DDPG)的区别,强调了PSO在不需要显式CSI估计方面的优势。
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