本题最大的麻烦之处在于输入是离散的一条条边,没有直接保存节点,需要从这些边当中提取节点的信息,从而将他们处理成树的关系,即:要保存节点,以及节点之间的边长
由于不是二叉树,每个节点的子节点可能存在多个,则需要用一个二维的结构来保存树。
然后再使用“二叉树中的最大路径和”的结题思路,采取动态规划算法即可。
这里我是用了字典结构,键是起始节点,值是终止节点,遍历一次可以得到每个节点到其他节点的关系。为了避免输入有向性造成树的构建不完整,因此每个节点都单独保存,在递归计算的时候把上级节点序号传入,用来避免原路返回,以题中的样例,即:
{
0:[1],
1:[0,2,5],
2:[1,3,4],
3:[2],
4:[2],
5:[1]
}
空间复杂度是O(2n-2)=>O(n),时间复杂度是遍历全树的时间O(n),具体代码如下:
global maxlen,graph,graph_value
maxlen=float('-inf')
def walk(startnode,prenode):
global maxlen,graph,graph_value
if len(graph[startnode])==1 and graph[startnode][0]==prenode:
return float('-inf')#1.只是求最大路径和,则端点返回最大路径是负无穷
#return 0#2. 如果是必须经过,则端点返回最大路径0
singleMax=[]#保存不同下级节点经过本级节点时最大路径
for i in range(len(graph[startnode])):
endnode=graph[startnode][i]
if endnode==prenode:#忽略上级来的节点,只往下走
continue
maxtmp=max(graph_value[startnode][i]+walk(endnode,startnode),graph_value[startnode][i])#1.只是求最大路径和,可以不要下级的数据
#maxtmp=graph_value[startnode][i]+walk(endnode,startnode)#2. 如果是必须经过,则不能不要下级节点的数据
singleMax.append(maxtmp)
singleMax.sort(reverse=True)
if len(singleMax)==1:#只有一个下级节点时
maxlen=max(maxlen,singleMax[0])
elif len(singleMax)>1:#多个下级节点时,最大的两边组成最长路径
maxlen=max(maxlen,singleMax[0]+singleMax[1])
return singleMax[0]#向上返回过当前节点的最大路径
class Solution:
def solve(self , n: int, Tree_edge: List[Interval], Edge_value: List[int]) -> int:
# write code here
global maxlen,graph,graph_value
if n<=1:
return 0
if n==2:
return Edge_value[0]
else:
graph={}
graph_value={}
for i in range(len(Tree_edge)):#保存每个节点到其他节点的边,以及边长
edge=Tree_edge[i]
if edge.start not in graph:
graph[edge.start]=[]
graph_value[edge.start]=[]
if edge.end not in graph:
graph[edge.end]=[]
graph_value[edge.end]=[]
graph[edge.start].append(edge.end)
graph[edge.end].append(edge.start)
graph_value[edge.start].append(Edge_value[i])
graph_value[edge.end].append(Edge_value[i])
for startnode in graph:
if len(graph[startnode])==1:#取一个末端端点作为起点,或者随意找一个点均可
break
global maxlen
walk(startnode,'-1')#初始节点没有上级节点
return maxlen