方法一:
思路
题目中有提到连通图,所以就想着将给的数据转换成无向图,再遍历无向图找到一条最长路径,使用邻接矩阵存储无向图。
具体步骤
- 首先将所给数据转换成图,由所给例子可以看出,其是个无向图,故,转换成无向图时,需要将(i,j)与(j,i)同时设置为边对应的权重;
- 以每一个节点为起点,去计算以当前起点为节点的最大路径
- 取所有路径中的最大值,即为最长路径。
- 代码如下:
import java.util.*; /* * public class Interval { * int start; * int end; * } */ public class Solution { /** * 树的直径 * @param n int整型 树的节点个数 * @param Tree_edge Interval类一维数组 树的边 * @param Edge_value int整型一维数组 边的权值 * @return int整型 */ public int solve (int n, Interval[] Tree_edge, int[] Edge_value) { // write code here int[][] graph = new int[n][n]; // 将树的边以及权重转换成无向图 for (int i = 0;i < Tree_edge.length;++i){ graph[Tree_edge[i].start][Tree_edge[i].end] = Edge_value[i]; graph[Tree_edge[i].end][Tree_edge[i].start] = Edge_value[i]; } int maxVal = 0; // 计算每个点最长路径 for (int i = 0; i < n; ++i){ int temp = compute(graph,i,new boolean[n]); maxVal = maxVal > temp ? maxVal : temp; } // 返回最长路径 return maxVal; } // 递归计算每一个点的最长路径 private int compute(int[][] graph, int index, boolean[] to){ int max = 0; to[index] = true; int temp = 0; for (int i = 0; i < graph.length; ++i){ // 判断两点之间是否有路径 if (graph[index][i] != 0){ // 判断当前点是否已经走过 if (!to[i]){ to[i] = true; // 计算下一个点的路径 temp = compute(graph,i,to)+graph[index][i]; max = max > temp ? max : temp; } } } return max; } }
- 时间复杂度:,三重循环。
- 空间复杂度:,使用二维数组存储无向图,所以空间为。
方法二:
思路
- 方法一的时间复杂度与空间复杂度都是比较大的,无法完全通过牛客上的所有测试用例,所以需要对其进行优化,可以考虑使用邻接表来存储无向图,并且容易想到,在计算路径过程中其实是有很多冗余计算的,所以考虑使用来减少冗余计算,降低时间复杂度。
- 笔者又从网上查了查树的直径,发现其还是有更为简便的计算方法,在一个连通无向无环图中,以任意结点出发所能到达的最远结点,一定是该图直径的端点之一,故可以做两次DFS来计算树的直径。
具体步骤
- 首先,根据连通关系以及边的权重构建无向图;
- 随机找一顶点,利用深度优先搜索找到距离该点最远的顶点remote,这里默认就是0节点。
- 从remote顶点开始深度优先搜索找到最长路径,该路径即为直径。
- DFS若是不熟悉的话,可以参考下面这张图:
- 代码如下:
import java.util.*; public class Solution { // 图节点类 class Node{ int start; Map<Integer,Integer> edges = new HashMap<>(); public Node(int start){ this.start = start; } } /** * 树的直径 * @param n int整型 树的节点个数 * @param Tree_edge Interval类一维数组 树的边 * @param Edge_value int整型一维数组 边的权值 * @return int整型 */ public int solve (int n, Interval[] Tree_edge, int[] Edge_value) { // write code here if(Tree_edge == null || Edge_value == null || Tree_edge.length != Edge_value.length){return 0;} // 将树的边以及权重转换成无向图 Map<Integer,Node> graph = trans(Tree_edge,Edge_value); // remote[0] 代表以0为起点的最长路径长度, // remote[1]代表最长路径的终点 int[] remote = {0, 0}; dfs(graph, 0, -1, 0, remote); int[] res = {0, 0}; dfs(graph, remote[1], -1, 0, res); return res[0]; } // 转换函数 private Map<Integer,Node> trans(Interval[] Tree_edge, int[] Edge_value) { int len = Tree_edge.length; Map<Integer,Node> graph = new HashMap<>(); for (int i = 0;i < len; ++i){ Interval edge = Tree_edge[i]; if (!graph.containsKey(edge.start)){ Node node = new Node(edge.start); node.edges.put(edge.end,Edge_value[i]); graph.put(node.start,node); } graph.get(edge.start).edges.put(edge.end,Edge_value[i]); // 无向图所以需要建两次边 if (!graph.containsKey(edge.end)){ Node node = new Node(edge.end); node.edges.put(edge.start,Edge_value[i]); graph.put(node.start,node); } graph.get(edge.end).edges.put(edge.start,Edge_value[i]); } return graph; } // 深度优先搜索 private void dfs(Map<Integer,Node> graph, int from, int prev, int path, int[] res){ Node node = graph.get(from); Map<Integer,Integer> edges = node.edges; for (Map.Entry<Integer,Integer> edge : edges.entrySet()){ // 未曾经过 if (edge.getKey() != prev){ path += edge.getValue(); if (path > res[0]){ res[0] = path; res[1] = edge.getKey(); } dfs(graph,edge.getKey(),from,path,res); // 回溯 path -= edge.getValue(); } } } }
时间复杂度:,深度优先搜索的时间复杂度为。
空间复杂度:,由于采用的是邻接表的形式存储无向图,所以空间复杂度应该为节点数加边数即M+N。