Jumlah semua pasangan laluan terpendek dalam pokok itu
Dalam pokok, istilah "jumlah laluan terpendek ke atas semua pasangan nod" merujuk kepada pengiraan jumlah laluan terpendek individu untuk semua pasangan nod. Kaedah yang berkesan ialah menggunakan algoritma dwi DFS (depth first search). Jarak antara nod yang dipilih dan setiap nod lain ditentukan semasa pas DFS pertama. Pokok itu dilalui semula semasa pas DFS kedua, dengan mengambil kira setiap nod sebagai potensi LCA (nenek moyang paling rendah) dan mengira jumlah jarak antara pasangan nod keturunan LCA yang dipilih. Menggunakan kaedah ini, anda boleh mengira jumlah laluan terpendek untuk semua pasangan nod dalam pokok dan memastikan penyelesaian yang ideal
Kaedah penggunaan
Kaedah DFS Berganda (depth first search).
Kaedah pengaturcaraan dinamik
Kaedah Double DFS (Depth First Search)
Untuk jumlah semua pasangan laluan terpendek dalam pepohon, kami menggunakan kaedah DFS (carian pertama mendalam) dwi, yang melibatkan dua pas DFS. Pertama, kita mengira jarak dari mana-mana nod ke semua nod lain. Kemudian, semasa traversal DFS kedua, kami menavigasi pepohon sambil mempertimbangkan setiap nod sebagai LCA yang berpotensi. Kami mengira dan menjumlahkan jarak antara pasangan nod yang merupakan keturunan LCA yang dipilih semasa melintasi. Dengan mengulangi proses ini untuk semua nod, kami memperoleh jumlah semua pasangan laluan terpendek. Strategi ini sangat menarik untuk masalah ini kerana ia secara berkesan mengira jumlah jarak antara semua set nod dalam pepohon.
Algoritma
Sebarang nod dalam pokok boleh digunakan sebagai nod permulaan
Untuk menentukan jarak dari nod permulaan yang dipilih ke semua nod lain, lakukan carian pertama mendalam (DFS) bermula dari nod itu. Jarak ini harus disimpan dalam tatasusunan atau struktur data.
Seterusnya, jalankan carian mendalam-pertama (DFS) kedua pada pepohon, mempertimbangkan setiap nod sebagai kemungkinan nenek moyang sepunya terdekat (LCA)
Semasa melintasi pokok semasa DFS kedua, hitung jarak antara pasangan nod yang merupakan keturunan LCA yang dipilih. Untuk setiap LCA, jarak ini ditambah bersama.
Ulang proses ini untuk setiap nod dalam pokok
Jumlah semua padanan dengan cara yang paling terhingga dalam pokok diwakili oleh jumlah semua jarak yang dikira dalam langkah 4.
Contoh
ialah:Contoh
#include <iostream> #include <vector> using namespace std; const int MAXN = 10005; vector<int> graph[MAXN]; int ancestor[MAXN]; int dfs(int node, int lca, int distance) { int sum = 0; for (int neighbor : graph[node]) { if (neighbor != lca) { sum += dfs(neighbor, lca, distance + 1); } } return sum + distance; } int main() { int lca_node = 0; int total_sum = 0; for (int node = 0; node < MAXN; ++node) { if (node != lca_node) { total_sum += dfs(node, lca_node, 0); } } cout << "Total sum of distances between descendants of the LCA: " << total_sum << endl; return 0; }
Output
Total sum of distances between descendants of the LCA: 0
Kaedah pengaturcaraan dinamik:
Kami mula-mula memilih mana-mana nod sebagai nod akar dan menukar pepohon kepada pepohon berakar dalam kaedah pengaturcaraan dinamik, yang digunakan untuk mengira jumlah laluan terpendek antara semua nod dalam pepohon. Kami menggunakan pengaturcaraan dinamik untuk mengira pemisahan antara setiap nod dan nod akar dan menyimpan hasilnya dalam tatasusunan. Kemudian, untuk setiap nod, kami menambah pemisahan (dikira) anak-anaknya daripada nod akar untuk menentukan pemisahan keseluruhan semua nod lain. Dengan cara ini, kita boleh mengira dengan cepat jumlah laluan terpendek antara semua nod. Sebagai cara yang cekap untuk menyelesaikan masalah ini, kerumitan masa algoritma ini ialah O(N), di mana N ialah bilangan nod dalam pokok.
Algoritma
Ambil mana-mana nod dalam pokok sebagai akar dan akar pokok (cth. menggunakan carian mendalam nod akar) untuk mencipta pokok berakar.
Pengaturcaraan dinamik boleh digunakan untuk menentukan jarak setiap nod dari akar. Jarak ini harus disimpan dalam tatasusunan atau struktur data.
Kira jumlah jarak dari setiap nod ke semua nod lain dalam pepohon:
Jumlah semua pasangan laluan terpendek dalam pokok ialah hasil akhir.
a. Lintas nod anak nod semasa.
b. Untuk mempertimbangkan laluan melalui nod semasa, tambahkan bilangan nod dalam subpokok dan jarak ke punca yang dikira sebelum ini untuk setiap subpokok.
c Untuk setiap nod anak nod aktif, tambahkan jumlah ini
d. Tambahkan jumlah nod semasa kepada hasil akhir.
#include <iostream> #include <vector> using namespace std; struct TreeNode { int val; vector<TreeNode*> children; }; int dfs(TreeNode* node, vector<int>& distances) { int subtree_size = 1; for (TreeNode* child : node->children) { subtree_size += dfs(child, distances); distances[node->val] += distances[child->val] + subtree_size; } return subtree_size; } int sumOfAllPairShortestPaths(TreeNode* root) { vector<int> distances(root->val + 1, 0); dfs(root, distances); int total_sum = 0; for (int distance : distances) { total_sum += distance; } return total_sum; } int main() { TreeNode* root = new TreeNode{0}; int result = sumOfAllPairShortestPaths(root); cout << "Sum of all pair shortest paths in the tree: " << result << endl; return 0; }
Output
Sum of all pair shortest paths in the tree: 0
Kesimpulan
Jumlah semua pasangan laluan terpendek dalam pepohon boleh dikira menggunakan kaedah Double DFS (Depth First Search) atau pengaturcaraan dinamik. Kaedah DFS Berganda terdiri daripada dua hantaran, mula-mula mengira jarak dari nod yang dipilih ke semua nod lain, dan kemudian melintasi pepohon itu semula sambil menganggap setiap nod sebagai potensi nenek moyang sepunya terendah (LCA) untuk menjumlahkan jarak antara pasangan nod Keturunan. Kaedah pengaturcaraan dinamik memerlukan secara rekursif menggunakan DFS untuk membina akar pokok dan mengira jarak dari akar ke setiap nod lain. Hasil kedua-dua kaedah adalah sama dan terdiri daripada jumlah semua laluan terpendek berpasangan dalam pokok. Keputusan antara dua algoritma mungkin berdasarkan keutamaan pelaksanaan tertentu atau struktur pokok, tetapi kedua-dua algoritma menyediakan penyelesaian yang cekap.
Atas ialah kandungan terperinci Jumlah semua pasangan laluan terpendek dalam pokok itu. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Terdapat perbezaan yang signifikan dalam lengkung pembelajaran C# dan C dan pengalaman pemaju. 1) Keluk pembelajaran C# agak rata dan sesuai untuk pembangunan pesat dan aplikasi peringkat perusahaan. 2) Keluk pembelajaran C adalah curam dan sesuai untuk senario kawalan berprestasi tinggi dan rendah.

Terdapat perbezaan yang signifikan dalam bagaimana C# dan C melaksanakan dan ciri-ciri dalam pengaturcaraan berorientasikan objek (OOP). 1) Definisi kelas dan sintaks C# lebih ringkas dan menyokong ciri -ciri canggih seperti LINQ. 2) C menyediakan kawalan berbutir yang lebih baik, sesuai untuk pengaturcaraan sistem dan keperluan prestasi tinggi. Kedua -duanya mempunyai kelebihan mereka sendiri, dan pilihannya harus berdasarkan senario aplikasi tertentu.

Menukar dari XML ke C dan melakukan operasi data boleh dicapai melalui langkah -langkah berikut: 1) Parsing Fail XML menggunakan perpustakaan TinyXML2, 2) Pemetaan data ke dalam struktur data C, 3) Menggunakan perpustakaan standard C seperti STD :: Vektor untuk operasi data. Melalui langkah -langkah ini, data yang ditukar dari XML boleh diproses dan dimanipulasi dengan cekap.

C# menggunakan mekanisme pengumpulan sampah automatik, manakala C menggunakan pengurusan memori manual. 1. Pemungut Sampah C 2.C menyediakan kawalan memori yang fleksibel, sesuai untuk aplikasi yang memerlukan pengurusan yang baik, tetapi harus dikendalikan dengan berhati -hati untuk mengelakkan kebocoran ingatan.

C masih mempunyai kaitan penting dalam pengaturcaraan moden. 1) Keupayaan operasi prestasi tinggi dan perkakasan langsung menjadikannya pilihan pertama dalam bidang pembangunan permainan, sistem tertanam dan pengkomputeran berprestasi tinggi. 2) Paradigma pengaturcaraan yang kaya dan ciri -ciri moden seperti penunjuk pintar dan pengaturcaraan templat meningkatkan fleksibiliti dan kecekapannya. Walaupun lengkung pembelajaran curam, keupayaannya yang kuat menjadikannya masih penting dalam ekosistem pengaturcaraan hari ini.

C Pelajar dan pemaju boleh mendapatkan sumber dan sokongan dari StackOverflow, Komuniti R/CPP Reddit, Coursera dan EDX, Projek Sumber Terbuka di GitHub, Perkhidmatan Perundingan Profesional, dan CPPCON. 1. StackOverflow memberikan jawapan kepada soalan teknikal; 2. Komuniti R/CPP Reddit berkongsi berita terkini; 3. Coursera dan EDX menyediakan kursus f rasmi; 4. Projek sumber terbuka pada GitHub seperti LLVM dan meningkatkan kemahiran meningkatkan; 5. Perkhidmatan perundingan profesional seperti jetbrains dan perforce menyediakan sokongan teknikal; 6. CPPCON dan persidangan lain membantu kerjaya

C# sesuai untuk projek yang memerlukan kecekapan pembangunan tinggi dan sokongan silang platform, manakala C sesuai untuk aplikasi yang memerlukan prestasi tinggi dan kawalan asas. 1) C# Memudahkan pembangunan, menyediakan pengumpulan sampah dan perpustakaan kelas yang kaya, sesuai untuk aplikasi peringkat perusahaan. 2) C membolehkan operasi memori langsung, sesuai untuk pembangunan permainan dan pengkomputeran berprestasi tinggi.

C Alasan penggunaan berterusan termasuk prestasi tinggi, aplikasi luas dan ciri -ciri yang berkembang. 1) Prestasi kecekapan tinggi: C melaksanakan dengan baik dalam pengaturcaraan sistem dan pengkomputeran berprestasi tinggi dengan terus memanipulasi memori dan perkakasan. 2) Digunakan secara meluas: bersinar dalam bidang pembangunan permainan, sistem tertanam, dan lain -lain. 3) Evolusi berterusan: Sejak pembebasannya pada tahun 1983, C terus menambah ciri -ciri baru untuk mengekalkan daya saingnya.


Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Versi Mac WebStorm
Alat pembangunan JavaScript yang berguna

Muat turun versi mac editor Atom
Editor sumber terbuka yang paling popular

DVWA
Damn Vulnerable Web App (DVWA) ialah aplikasi web PHP/MySQL yang sangat terdedah. Matlamat utamanya adalah untuk menjadi bantuan bagi profesional keselamatan untuk menguji kemahiran dan alatan mereka dalam persekitaran undang-undang, untuk membantu pembangun web lebih memahami proses mengamankan aplikasi web, dan untuk membantu guru/pelajar mengajar/belajar dalam persekitaran bilik darjah Aplikasi web keselamatan. Matlamat DVWA adalah untuk mempraktikkan beberapa kelemahan web yang paling biasa melalui antara muka yang mudah dan mudah, dengan pelbagai tahap kesukaran. Sila ambil perhatian bahawa perisian ini

SublimeText3 versi Inggeris
Disyorkan: Versi Win, menyokong gesaan kod!

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)