专栏首页健程之道力扣 1519——子树中标签相同的节点数

力扣 1519——子树中标签相同的节点数

本题主要在于对树这种数据结构的考察,以及深度优先遍历的使用,优化时可以采取空间换时间的策略。

原题

给你一棵树(即,一个连通的无环无向图),这棵树由编号从 0 到 n - 1 的 n 个节点组成,且恰好有 n - 1 条 edges 。树的根节点为节点 0 ,树上的每一个节点都有一个标签,也就是字符串 labels 中的一个小写字符(编号为 i 的 节点的标签就是 labels[i] )

边数组 edges 以 edges[i] = [ai, bi] 的形式给出,该格式表示节点 ai 和 bi 之间存在一条边。

返回一个大小为 n 的数组,其中 ans[i] 表示第 i 个节点的子树中与节点 i 标签相同的节点数。

树 T 中的子树是由 T 中的某个节点及其所有后代节点组成的树。

示例 1:

输入:n = 7, edges = [[0,1],[0,2],[1,4],[1,5],[2,3],[2,6]], labels = "abaedcd"
输出:[2,1,1,1,1,1,1]
解释:节点 0 的标签为 'a' ,以 'a' 为根节点的子树中,节点 2 的标签也是 'a' ,因此答案为 2 。注意树中的每个节点都是这棵子树的一部分。
节点 1 的标签为 'b' ,节点 1 的子树包含节点 1、4 和 5,但是节点 4、5 的标签与节点 1 不同,故而答案为 1(即,该节点本身)。

示例 2:

输入:n = 4, edges = [[0,1],[1,2],[0,3]], labels = "bbbb"
输出:[4,2,1,1]
解释:节点 2 的子树中只有节点 2 ,所以答案为 1 。
节点 3 的子树中只有节点 3 ,所以答案为 1 。
节点 1 的子树中包含节点 1 和 2 ,标签都是 'b' ,因此答案为 2 。
节点 0 的子树中包含节点 0、1、2 和 3,标签都是 'b',因此答案为 4 。

示例 3 :

输入:n = 5, edges = [[0,1],[0,2],[1,3],[0,4]], labels = "aabab"
输出:[3,2,1,1,1]

示例 4:

输入:n = 6, edges = [[0,1],[0,2],[1,3],[3,4],[4,5]], labels = "cbabaa"
输出:[1,2,1,1,2,1]

示例 5:

输入:n = 7, edges = [[0,1],[1,2],[2,3],[3,4],[4,5],[5,6]], labels = "aaabaaa"
输出:[6,5,4,1,3,2,1]

提示:

  • 1 <= n <= 10^5
  • edges.length == n - 1
  • edges[i].length == 2
  • 0 <= ai, bi < n
  • ai != bi
  • labels.length == n
  • labels 仅由小写英文字母组成

原题 url:https://leetcode-cn.com/problems/number-of-nodes-in-the-sub-tree-with-the-same-label

解题

首次尝试

这道题是要让我们计算:在子树中,和当前节点字符相同的节点个数。

那么我们就必然需要构建树中各个节点的关系,那么就需要记录父子节点的关系,因为是普通的树,一个节点的子节点可能有多个,因此我用LinkedList<Integer>[] tree这样一个数组进行存储,其中tree[i]代表节点 i 的所有子节点。

至于求相同节点的个数,我想着可以从根节点 0 开始逐个遍历,先获取其第一层子节点,再根据第一层子节点逐个获取,可以采用广度优先遍历的形式。

让我们看看代码:

class Solution {

    public int[] countSubTrees(int n, int[][] edges, String labels) {
        // 构造树
        LinkedList<Integer>[] tree = new LinkedList[n];
        for (int[] edge : edges) {
            // edge[0]的子节点
            LinkedList<Integer> child = tree[edge[0]];
            if (child == null) {
                child = new LinkedList<>();
                tree[edge[0]] = child;
            }
            // 增加子节点
            child.add(edge[1]);
        }

        // 结果
        int[] result = new int[n];
        // 遍历并计算
        for (int i = 0; i < n; i++) {
            // 需要遍历的字符
            char cur = labels.charAt(i);
            // 该节点的子树中与该字符相同的节点数
            int curCount = 0;
            // 广度优先遍历
            LinkedList<Integer> searchList = new LinkedList<>();
            searchList.add(i);
            while(!searchList.isEmpty()) {
                int index = searchList.removeFirst();
                if (cur == labels.charAt(index)) {
                    curCount++;
                }
                // 找出该节点的子树
                if (tree[index] == null) {
                    continue;
                }
                searchList.addAll(tree[index]);
            }

            result[i] = curCount;
        }

        return result;
    }
}

提交之后,发现有错误。错误的情况是:

输入:
4
[[0,2],[0,3],[1,2]]
"aeed"

输出:
[1,2,1,1]

预期:
[1,1,2,1]

根据这样输入,我构造出的树是:

1   0
 \ / \
  2   3

但根据预期结果反推出来的树是:

    0
   / \
  2   3
 /
1

那么输入中最后给出的[1,2]就不是从父节点指向子节点,也就是输入中给出的边关联的节点顺序,是任意的。

那我们的树究竟该如何构造呢?

双向记录构造树

既然我们在构造树的时候,无法直接得出父子关系,那么就将对应两个节点同时记录另一个节点。

根据题目中给出的条件:树的根节点为节点 0。这样我们在遍历的时候,就从 0 开始,只要 0 关联的节点,一定是 0 的子节点。将这些节点进行标记,这样再递归访问接下来的节点时,如果是标记过的,则说明是父节点,这样就可以明确父子节点关系了。

至于遍历的时候,因为这次我们是不知道父子节点关系的,所以无法直接采用广度优先遍历,换成深度优先遍历

让我们看看代码:

class Solution {

    // 总节点数
    int n;
    // 树
    Map<Integer, LinkedList<Integer>> tree;
    // 字符串
    String labels;
    // 最终结果
    int[] result;

    public int[] countSubTrees(int n, int[][] edges, String labels) {
        this.n = n;
        this.labels = labels;
        result = new int[n];

        LinkedList<Integer> list;
        // 双向构造树的关系
        tree = new HashMap<>(n / 4 * 3 + 1);
        for (int[] edge : edges) {
            // 添加映射关系
            list = tree.computeIfAbsent(edge[0], k -> new LinkedList<>());
            list.add(edge[1]);
            list = tree.computeIfAbsent(edge[1], k -> new LinkedList<>());
            list.add(edge[0]);
        }


        // 深度优先搜索
        dfs(0);

        return result;
    }

    public int[] dfs(int index) {
        // 当前子树中,所有字符的个数
        int[] charArray = new int[26];

        // 开始计算,标志该节点已经计算过
        result[index] = 1;
        // 获得其关联的节点
        List<Integer> nodes = tree.get(index);
        // 遍历
        for (int node : nodes) {
            // 如果该节点已经访问过
            if (result[node] > 0) {
                continue;
            }

            // 递归遍历子节点
            int[] array = dfs(node);
            for (int i = 0; i < 26; i++) {
                charArray[i] += array[i];
            }
        }
        // 将当前节点的值计算一下
        charArray[labels.charAt(index) - 'a'] += 1;
        result[index] = charArray[labels.charAt(index) - 'a'];
        return charArray;
    }
}

提交OK,执行用时136ms,超过36.71%,内存消耗104.5MB,超过91.38%

时间复杂度上,应该是要研究dfs方法中的两个for循环,外层肯定是每个节点都遍历一遍,内层还需要遍历26个英文字母,也就是O(n)

空间复杂度上,最大的应该就是存储节点映射关系的tree了,里面实际上就是 2n 个节点(因为每条边对应的两个节点都会互相存一次对方),因此也就是O(n)

虽然过了,但执行速度很慢,可以进一步优化。

用空间换时间

针对我上面的解法,其中tree我是用的Map,虽然其get方法理论上是O(n),但毕竟涉及 hash,可以优化成数组。

至于每次取节点对应的字符所用的charAt方法,具体其实是:

    public char charAt(int index) {
        if ((index < 0) || (index >= value.length)) {
            throw new StringIndexOutOfBoundsException(index);
        }
        return value[index];
    }

每次都会检查一次 index,其实这完全是可以省略的,因此可以提前构造好每个位置对应的值,也用一个数组存储。

让我们看看新的代码:

class Solution {

    // 总节点数
    int n;
    // 树
    LinkedList<Integer>[] tree;
    // 每个节点的值(用数字表示)
    int[] nodeValueArray;
    // 最终结果
    int[] result;

    public int[] countSubTrees(int n, int[][] edges, String labels) {
        this.n = n;
        nodeValueArray = new int[n];
        result = new int[n];

        // 双向构造树的关系
        tree = new LinkedList[n];
        for (int i = 0; i < n; i++) {
            tree[i] = new LinkedList<>();
        }
        for (int[] edge : edges) {
            // 添加映射关系
            tree[edge[0]].add(edge[1]);
            tree[edge[1]].add(edge[0]);
        }

        // 生成节点的值
        for (int i = 0; i < n; i++) {
            nodeValueArray[i] = labels.charAt(i) - 'a';
        }

        // 深度优先搜索
        dfs(0);

        return result;
    }

    public int[] dfs(int index) {
        // 当前子树中,所有字符的个数
        int[] charArray = new int[26];

        // 开始计算,标志该节点已经计算过
        result[index] = 1;
        // 获得其关联的节点
        List<Integer> nodes = tree[index];
        // 遍历
        for (int node : nodes) {
            // 如果该节点已经访问过
            if (result[node] > 0) {
                continue;
            }

            // 递归遍历子节点
            int[] array = dfs(node);
            for (int i = 0; i < 26; i++) {
                charArray[i] += array[i];
            }
        }
        // 将当前节点的值计算一下
        charArray[nodeValueArray[index]] += 1;
        result[index] = charArray[nodeValueArray[index]];
        return charArray;
    }
}

提交之后,执行用时是96ms,内存消耗是402.2MB。看来优化的效果并不明显。

研究一下目前最优解法

这个解法真的是巧妙,执行用时20ms,超过了100%,内存消耗76.3MB,超过了100%

我在代码中增加了注释,方便大家理解。但这样的写法,研究一下是能够看懂,但让我想估计是永远不可能想出来,可以让大家也一起学习和借鉴:

public class Solution {

  static class Next {

    Next next;
    Node node;

    Next(Next next, Node node) {
      this.next = next;
      this.node = node;
    }
  }

  static class Node {

    /**
     * 当前节点的index
     */
    final int index;

    /**
     * 当前节点对应的字符值(减去'a')
     */
    final int ci;

    /**
     * 所有关联的节点
     */
    Next children;

    /**
     * 该节点的父节点
     */
    Node parent;

    /**
     * 子树中和该节点含有相同字符的节点总个数
     */
    int result;

    /**
     * 是否还在队列中,可以理解为是否已访问过
     */
    boolean inQueue;

    public Node(int index, int ci) {
      this.index = index;
      this.ci = ci;
      this.result = 1;
    }

    /**
     * 从后往前,找到当前节点没有访问过的第一个子节点
     */
    Node popChild() {
      for (; ; ) {
        // 当前节点的所有关联节点
        Next n = this.children;
        // 如果没有,说明子节点都遍历完了
        if (n == null) {
          return null;
        }
        // 从后往前移除关联节点
        this.children = n.next;
        // 返回第一个没有访问过的节点
        if (!n.node.inQueue) {
          return n.node;
        }
      }
    }

    /**
     * 访问了该节点
     */
    Node enqueue(Node[] cnodes) {
      // 该节点标记为访问过
      this.inQueue = true;
      // 记录该节点的父节点
      this.parent = cnodes[ci];
      // 那么现在该字符值对应的最高节点,就是当前节点。
      // 这样如果之后也遇到相同字符的子节点,就可以为子节点赋值其父节点,也就是上面一行是有效的
      cnodes[ci] = this;
      return this;
    }

    /**
     * 退出该节点
     */
    void dequeue(Node[] cnodes, int[] res) {
      // 之后会访问该节点的兄弟节点,因此父节点需要重新设置
      cnodes[ci] = this.parent;
      // 设置当前节点的值
      res[index] = this.result;
      // 父节点也可以进行累加
      if (this.parent != null) {
        this.parent.result += this.result;
      }
    }

    void link(Node x) {
      // this节点和x节点,互相绑定
      this.children = new Next(this.children, x);
      x.children = new Next(x.children, this);
    }
  }

  public int[] countSubTrees(int n, int[][] edges, String labels) {
    // 构造树
    Node[] nodes = new Node[n];
    // 每个节点对应的字符
    for (int i = 0; i < n; i++) {
      nodes[i] = new Node(i, labels.charAt(i) - 'a');
    }
    // 通过边的关系,将节点互相绑定
    for (int[] es : edges) {
      nodes[es[0]].link(nodes[es[1]]);
    }

    // 最终的结果
    int[] res = new int[n];
    // 当前访问的节点下标
    int sz = 0;
    // 26个小写英文字母对应的节点数组
    Node[] cnodes = new Node[26];
    // 下面三行可以合并成这一行:
    // Node node = nodes[sz++] = nodes[0].enqueue(cnodes);
    nodes[sz] = nodes[0].enqueue(cnodes);
    // 当前访问的节点
    Node node = nodes[sz];
    // 因为当前节点已经访问过,自然下标需要+1
    sz++;

    for (; ; ) {
      // 从后往前,找到当前节点没有访问过的第一个子节点
      Node child = node.popChild();
      // 如果已经全部访问过了
      if (child == null) {
        // 开始计算
        node.dequeue(cnodes, res);
        if (--sz == 0) {
          break;
        }
        // 回溯到父节点
        node = nodes[sz - 1];
      } else {
        // 保证了相邻节点一定是父子节点
        node = nodes[sz++] = child.enqueue(cnodes);
      }
    }
    return res;
  }
}

总结

以上就是这道题目我的解答过程了,不知道大家是否理解了。本题主要在于对树这种数据结构的考察,以及深度优先遍历的使用,优化时可以采取空间换时间的策略。

有兴趣的话可以访问我的博客或者关注我的公众号、头条号,说不定会有意外的惊喜。

https://death00.github.io/

公众号:健程之道

本文分享自微信公众号 - 健程之道(JianJianCoder),作者:健健壮

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2020-08-08

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 盘点互联网公司最常见的面试编程题

    互联网公司面试,笔试环节或第一面往往都是现场做编程题。很多面试的老铁反映说,败在了编程题上,去不了自己心仪的公司,拿不到想要的待遇。

    不可言诉的深渊
  • 盘点互联网公司最常见的面试编程题

    互联网公司面试,笔试环节或第一面往往都是现场做编程题。很多面试的老铁反映说,败在了编程题上,去不了自己心仪的公司,拿不到想要的待遇。

    石晓文
  • 盘点互联网公司最常见的面试编程题

    互联网公司面试,笔试环节或第一面往往都是现场做编程题。很多面试的老铁反映说,败在了编程题上,去不了自己心仪的公司,拿不到想要的待遇。

    double
  • BFS,丑数问题-LeetCode 310、264、313、328、343(拆分链表)

    对于一个具有树特征的无向图,我们可选择任何一个节点作为根。图因此可以成为树,在所有可能的树中,具有最小高度的树被称为最小高度树。给出这样的一个图,写出一个函数找...

    算法工程师之路
  • LeetCode 310. 最小高度树(图 聪明的BFS,从外向内包围)

    对于一个具有树特征的无向图,我们可选择任何一个节点作为根。图因此可以成为树,在所有可能的树中,具有最小高度的树被称为最小高度树。给出这样的一个图,写出一个函数找...

    Michael阿明
  • LeetCode 776. 拆分二叉搜索树(DFS)*

    请将该树按要求拆分为两个子树:其中一个子树结点的值都必须小于等于给定的目标值 V;另一个子树结点的值都必须大于目标值 V;树中并非一定要存在值为 V 的结点。

    Michael阿明
  • 二叉树问题(二)-LeetCode 965、563、993、958、919(树深度,层次遍历)

    如果二叉树每个节点都具有相同的值,那么该二叉树就是单值二叉树。 只有给定的树是单值二叉树时,才返回 true;否则返回 false。

    算法工程师之路
  • 二叉树问题(一)-LeetCode 110、617、101、814、655、98、654(递归思路)

    给定一个二叉树,判断它是否是高度平衡的二叉树。 本题中,一棵高度平衡二叉树定义为: 一个二叉树每个节点 的左右两个子树的高度差的绝对值不超过1

    算法工程师之路
  • 路径总和

    给定一个二叉树和一个目标和,判断该树中是否存在根节点到叶子节点的路径,这条路径上所有节点值相加等于目标和。

    你的益达

扫码关注云+社区

领取腾讯云代金券