深入理解RMQ & LCA
正文
第一節 RMQ、LCA概述
LCA:Lowest Common Ancestor,譯爲最近公共祖先。其解釋就是說:在有根樹中,找出樹中任意兩個節點最近的公共祖先,或者說找到任意兩個節點離樹根最遠的公共祖先。
RMQ:Range Minimum Query,譯爲區間最小值查詢。其解釋就是說:對於含有N個元素的數列A,在數列中找到兩個指定索引之間的最小值及最小值的位置。
第二節 RMQ Algorithm
首先我們來看RQM算法,我將會根據預處理和查詢的速度介紹幾種解決該問題的方法。
設有數組A[N],其表示如下:
要求求得區間(2,7)的最小元素,如下圖所示:
解法一:直接遍歷區間
看到這個問題之後,我們最先想到的就是對區間的這些數進行一次遍歷,就可以找到區間的最值,因此查詢的時間爲O(M)。但是,當數據量非常大並且查詢很頻繁時,直接遍歷序列的效果就不是那麼理想了。因爲每查詢一次就得對序列做一次遍歷,對於大數據量這顯然不能滿足要求了。不過對於小數據量,這種算法倒是不錯的選擇!
查詢:O(M)。
算法的代碼如下:
int MaxNum = 0; for(i = 0; i < range; i++) { /**查找最大值**/ if(array[i] > MaxNum) { MaxNum = array[i]; } }
解法二:切割法
解法一中查詢的速度爲O(M),如果每次查詢都這樣的話,那真就成了龜速了。於是我們對解法一做了預處理,這就是該節要講的:切割法。
首先,我們將序列分成sqrt(N)個部分,用數組M[sqrt(N) ]來表示每個部分中最小的值的下標,即這個最小數的位置。對於數組M,我們只需對原序列進行一次遍歷就可以得到M。如下圖所示:
接下來我們來求RMQ[2,7]。爲了得到區間[2,7]的最小值,我們需比較A[2],A[M[1]],A[6],以及A[7],並得到他們中最小值的下標。
分析:其實,這種方法較第一種方法而言並沒有實質的改進,甚至還不如方法一。至於爲什麼這樣做,我的解釋是:我們是基於查詢快慢的角度上來比較的,說白了,就是我們追求的是查詢速度,所以說只要查的快了,先做一些預處理也是值得的(解法四正是基於這種思想)。現在我們根據上面的例子來看看法二,當做完預處理之後,得到了數組M,此時我們要求區間的最值,那麼我們只需將在區間內,包含數組M的值以及包含兩個邊界的值作比較就行,這樣的話,查詢的次數:O(M) <= 查詢次數 < O(M) + K,其中K < sqrt(N)。
解法三:排序
解法二已經提到我們的目的是查得快,那麼我們可對選擇區間的這M個數據進行排序,然後就可以直接得到最小值。但是如果做排序的話,會有很大的缺陷。我們來看看。
分析:我們選擇快速排序,O(M * LogM),但是快速排序會改變序列中數的相對位置,因此用快排的話,爲了保證原數據的順序不變,我們還得用O(M)的空間來維護原序列,因此這樣的消耗是很大的。附註:複雜度爲O(M * M)的排序算法在這就不囉嗦了!你懂得!
查詢:O(1)。
OK,我們來實現我們的想法,代碼如下:
快速排序 int partition(int *array, int low, int high) { int key = array[high]; int i = low; int j = high; while(i < j) { while(array[i] <= key && i < j) { i++; } array[j] = array[i]; while(array[j] >= key && i < j) { j--; } array[i] = array[j]; } array[i] = key; return i; } void quicksort(int *array, int low, int high) { int index; int i = low; int j = high; if(i < j) { index = partition(array, low, high); quicksort(array, low, index - 1); quicksort(array, index + 1, high); } }
排完序之後就可以直接得到最值了!
解法四:Sparse Table(ST) algorithm
ST算法是一種比較高效的在線處理RMQ問題的算法,所謂在線算法,是指每輸入一個查詢就會馬上處理這個查詢。ST算法首先會對序列做預處理,完成之後就可以對查詢做回答了。
分析:
預處理:O(N * LogN)。
查詢:O(1),這樣的查詢正是我們想要的。
好了,我來詳細講述一下ST算法:
預處理:首先用維護一個數組M[N][LogN],M[i][j]的值是從原序列A的i位置開始,連續2j 個元素的最小值的下標,如下所示:
那麼,我們如何計算M[i][j]呢?
我們採用DP的思想將區間分成兩部分,即M[i][j - 1]和M[i][2^(j - 1)]。現在我們只需比較這兩個子區間就可以得到M[i][j]了。比較規則如下:
void Proprocessing(int M[N][logN], int *A, int N) { int i, j; for(j = 1; (1 << j) < N; j++) { for(i = 0; (i + (1 << j) - 1) < N; i++) { if(A[ M[i][j - 1] ] < A[ M[i + (1 << (j - 1))][i - 1]]) { M[i][j] = M[i][j - 1]; } else { M[i][j] = A[ M[i + (1 << (j - 1))][i - 1]]; } } } }
解法五:線段樹
void init_tree(int node, int low, int high, int *array, int *M) { /***node:表示線段樹中的某個節點 ****low :表示低索引 ****high:表示高索引 ****array:表示原數組 ****M: 表示維護下標的數組 ***/ if(low == high) //爲葉子節點 { M[node] = low; } else { init_tree(2 * node, low, (low + high)/2, array, M); init_tree(2 * node + 1, (low + high)/2 + 1, high, array, M); if(array[ M[2 * node] ] <= array[ M[2 * node + 1] ]) //拿到較小值的下標 { M[node] = M[2 * node]; } else { M[node] = M[2 * node + 1]; } } }
int query(int node, int low, int high, int *a, int *b, int i, int j) { /***node:表示線段樹中的某個節點 ****low :表示低索引 ****high:表示高索引 ****array:表示原數組 ****M: 表示維護下標的數組 ****i, j:表示要查詢的區間 ***/ int s, t; if(i > high || j < low) return -1; if(low >= i && high <= j) return b[node]; //返回最小值的下標 s = query(2 * node, low, (low + high)/2, a, b, i, j); t = query(2 * node + 1, (low + high)/2 + 1, high, a, b, i, j); if(s == -1) return b[node] = t; if(t == -1) return b[node] = s; if(a[s] <= a[t]) return b[node] = s; else return b[node] = t; }
第三節 LCA Algorithm
戰前準備:
數組T[i]:表示樹中某個節點i的父節點;
數組L[i]:表示樹中的某個節點i。
維護數組:P[N][LogN]:其中,P[i][j]表示樹中i節點的第j個祖先。
實現的過程如下:
利用二分檢索判斷節點p和節點q是否在樹的同一層:
如果在同一層,那麼我們通過DP思想,不斷地求LCA(p = P[p][j],q = P[q][j]),一旦 p = q就停止,因爲此時p和q的父節點是一樣的,也就是說我們找到了最近公共祖先。
如果不在同一層,如果p > q,也就是說p相對與q,p在樹的更深層。此時,我們仍然通過DP思想來找到q與p的祖先在同一層的節點,即q = p_祖先。接下來就可按照在同一層的做法做了。
實現就是這麼簡單。
首先是預處理得到維護數組P[N][LogN]:
void preprocessing(int *t, int n, int p[][max]) { int i, j; for(i = 0; i < n; i++) p[i][0] = t[i]; for(j = 1; (1 << j) <= n; j++) { for(i = 0; i < n; i++) { if(p[i][j - 1] != -1) p[i][j] = p[p[i][j - 1]][j - 1]; } } }
接下來就是查詢了,如下:
int query(int *t, int *l, int s, int t, int n, int p[][max]) { int tmp, lg, i; if(l[s] < l[t]) { tmp = s;s = t;t = tmp; } for(lg = 1; (1 << lg) <= l[s]; lg++); for(i = lg; i >= 0; i--) { if((l[s] - (1 << i)) >= l[t]) s = p[s][i]; } if(s == t) return s; for(i = lg; i >= 0; i--) { if(p[s][i] != -1 && p[s][i] != p[t][i]) { s = p[s][i]; t = p[t][i]; } } return t[s]; }
上面說的LCA的這種算法應該是最容易想到的,預處理過程O(NLogN),查詢O(LogN)。還有一種類似於RMQ分割法德算法,我先就不在這贅述了,以後有時間一定補上。
第四節 結束語
想想、寫寫、畫畫.......
後續:本文後半部分拖得週期較長,因此寫的比較匆忙。如果本文的內容有任何不妥之處,請指正!