题目描述:
给你一棵树,树上有 n 个节点,按从 0 到 n-1 编号。树以父节点数组的形式给出,其中 parent[i] 是节点 i 的父节点。树的根节点是编号为 0 的节点。
树节点的第 k 个祖先节点是从该节点到根节点路径上的第 k 个节点。
实现 TreeAncestor 类:
TreeAncestor(int n, int[] parent) 对树和父数组中的节点数初始化对象。
getKthAncestor(int node, int k) 返回节点 node 的第 k 个祖先节点。如果不存在这样的祖先节点,返回 -1 。
示例 1:
输入:
[“TreeAncestor”,“getKthAncestor”,“getKthAncestor”,“getKthAncestor”]
[[7,[-1,0,0,1,1,2,2]],[3,1],[5,2],[6,3]]
输出:
[null,1,0,-1]
解释:
TreeAncestor treeAncestor = new TreeAncestor(7, [-1, 0, 0, 1, 1, 2, 2]);
treeAncestor.getKthAncestor(3, 1); // 返回 1 ,它是 3 的父节点
treeAncestor.getKthAncestor(5, 2); // 返回 0 ,它是 5 的祖父节点
treeAncestor.getKthAncestor(6, 3); // 返回 -1 因为不存在满足要求的祖先节点
提示:
1 <= k <= n <= 5 * 104
parent[0] == -1 表示编号为 0 的节点是根节点。
对于所有的 0 < i < n ,0 <= parent[i] < n 总成立
0 <= node < n
至多查询 5 * 104 次
解题思路一:暴力解法会超时!【一级一级往上跳,效率太低】
class TreeAncestor:
def __init__(self, n: int, parent: List[int]):
self.n = n
self.parent = parent
def getKthAncestor(self, node: int, k: int) -> int:
res = 0
while k:
res = self.parent[node]
node = res
if node == -1:
return -1
k -= 1
return res
# Your TreeAncestor object will be instantiated and called as such:
# obj = TreeAncestor(n, parent)
# param_1 = obj.getKthAncestor(node,k)
时间复杂度:O(n)
空间复杂度:O(n2)
解题思路二:倍增,利用二进制运算,例如13 = 1101。我们动态规划记住第2的阶乘的父亲节点即可。每次查找都直接查一次表。
这里注意是:2j-1 + 2j-1 = 2j
class TreeAncestor:
def __init__(self, n: int, parent: List[int]):
self.log = 16
self.ancestors = [[-1] * self.log for _ in range(n)]
for i in range(n):
self.ancestors[i][0] = parent[i]
for j in range(1, self.log):
for i in range(n):
if self.ancestors[i][j - 1] != -1:
self.ancestors[i][j] = self.ancestors[self.ancestors[i][j - 1]][j - 1]
def getKthAncestor(self, node: int, k: int) -> int:
for j in range(self.log):
if (k>>j) & 1:
node = self.ancestors[node][j]
if node == -1:
return -1
return node
时间复杂度:O(nlogn)
空间复杂度:O(nlogn)文章来源:https://www.toymoban.com/news/detail-853108.html
解题思路三:0
时间复杂度:O(n)
空间复杂度:O(n)文章来源地址https://www.toymoban.com/news/detail-853108.html
到了这里,关于LeetCode-1483. 树节点的第 K 个祖先【树 深度优先搜索 广度优先搜索 设计 二分查找 动态规划】的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!