zoukankan      html  css  js  c++  java
  • 树上两点期望距离

    Problem

    求树上两点之间的期望距离。

    Solution

    设d[i]为i节点的度数。

    fa[i]为i节点的父亲。

    我们对于两种不同的走法分别考虑。

    Part1:儿子到父亲

    设此时期望步数为f[i]。

    显然,只会有两种情况:

    1.直接一步走到父亲。

    2.先走到自己的儿子,再走回自己,再走到父亲。

    对于情况1.概率为$ frac{1}{d[i]}$ ,步数为1,期望为 $ frac{1}{d[i]}$。

    对于情况2.分步考虑:

    (1^{st}) :走到儿子,发生概率为 $ frac{d[i]-1}{d[i]}$ ,步数为1,期望为$ frac{d[i]-1}{d[i]}$
    (2^{nd}) :儿子走到自己,期望为 $ sumlimits_{j∈i的儿子}frac {f[j]}{d[i]}$
    (3^{rd}) :自己走到父亲,期望为 $ frac{(d[i]-1)×f[i]}{d[i]}$

    综上,我们有:

    [f[i]=frac{1+sumlimits_{j∈i的儿子}{(f[j]+f[i]+1)}}{d[i]} ]

    移项化简之后我们得到:

    [f[i]=d[i]+sumlimits_{j∈i的儿子}f[j] ]

    Part2:父亲到儿子。

    设此时期望步数为g[i]。

    那么,我们有三种情况

    1.直接跳到指定的儿子。

    2.跳到父亲的父亲,再回到该点,再到达指定儿子。

    3.跳到另一个儿子,再跳回来,再到达指定儿子。

    还是像f数组一样讨论即可。

    [g[i] = frac{1+(1+g[fa[i]]+g[i])+sumlimits_{son!=i}{(1+f[son]+g[i])}}{d[i]} ]

    化简后:

    [g[i]=g[fa[i]]+d[fa[i]]+sumlimits_{son!=i}f[son] ]

    好了,两种情况都考虑完之后,就可以算距离了。

    距离计算

    对于给定的u--->v的路径,我们可以拆成两条:(u o LCA); (LCA o v)

    其中对于第一条路径,肯定都是向上走,另一条则是向下的。

    所以:

    [ans=sumlimits_{i∈(u o LCA)}f[i]+sumlimits_{i∈(u o LCA)}g[i]-f[LCA]-g[LCA] ]

    记一个树上前缀和即可。

    Code

    #include <bits/stdc++.h>
    
    using namespace std;
    
    #define DEBUG(...) fprintf(stderr, __VA_ARGS__)
    #define mp make_pair
    #define fst first
    #define snd second
    
    template<typename T> inline bool chkmin(T &a, const T &b) { return a > b ? a = b, 1 : 0; }
    template<typename T> inline bool chkmax(T &a, const T &b) { return a < b ? a = b, 1 : 0; }
    
    inline int read(){
    	int res = 0, fl = 1;
    	char r = getchar();
    	for (; !isdigit(r); r = getchar()) if(r == '-') fl = -1;
    	for (; isdigit(r); r = getchar()) res = (res << 3) + (res << 1) + r - 48;
    	return res * fl;
    }
    typedef long long LL;
    typedef pair<int, int> pii;
    const int Maxn = 5e4 + 10;
    int fa[Maxn][17], dep[Maxn];
    LL up[Maxn], down[Maxn];
    vector <int> g[Maxn];
    void clean(int n){
    	for (int i = 1; i <= n; ++i) g[i].clear();
    }
    void dfsu(int now, int pa){
    	up[now] = g[now].size();
    	for (int i = g[now].size() - 1; i >= 0; --i){
    		int nxt = g[now][i];
    		if(nxt == pa) continue;
    		dfsu(nxt, now);
    		up[now] += up[nxt]; 
    	}
    }
    void dfsd(int now, int pa, int ppa){
    	down[now] = g[pa].size() + down[pa];
    	LL sum = 0;
    	if(now != 1) down[now] += up[pa] - up[now] - g[pa].size();
    	for (int i = g[now].size() - 1; i >= 0; --i){
    		int nxt = g[now][i];
    		if(nxt == pa) continue;
    		dfsd(nxt, now, pa);
    	}
    }
    void dfs(int now,int pa){
    	up[now] += up[pa];
    	down[now] += down[pa];
    	fa[now][0] = pa, dep[now] = dep[pa] + 1;
    	for (int i = 1; i <= 16; ++i) fa[now][i] = fa[fa[now][i - 1]][i - 1];
    	for (int i = g[now].size() - 1; i >= 0; --i){
    		int nxt = g[now][i];
    		if(nxt == pa) continue;
    		dfs(nxt, now);
    	}
    }
    int LCA(int u,int v){
    	if(dep[u] < dep[v]) swap(u, v);
    	for (int i = 16; i >= 0; --i) if(dep[fa[u][i]] >= dep[v]) u = fa[u][i];
    	if(u == v) return u;
    	for (int i = 16; i >= 0; --i) if(fa[u][i] != fa[v][i]) u = fa[u][i],v = fa[v][i];
    	return fa[u][0];
    }
    void solve(){
    	int n = read();
    	for (int i = 1; i < n; ++i){
    		int x= read() + 1, y = read() + 1;
    		g[x].push_back(y);
    		g[y].push_back(x);
    	}
    	dfsu(1, 0);
    	dfsd(1, 0, 0);
    	dfs(1, 0);
    	int Q = read();
    	for (int i = 1; i <= Q; ++i){
    		int p = read(), now = read() + 1;
    		LL ans = 0;
    		for (int j = 1; j <= p; ++j){
    			int lst = now;
    			now = read() + 1;
    			int Lca = LCA(now, lst);
    			ans += up[lst] - up[Lca] + down[now] - down[Lca];
    		}
    		printf("%lld.0000
    ",ans);
    	}
    	clean(n);
    }
    int main()
    {
    	freopen("C.in", "r", stdin);
    	freopen("C.out", "w", stdout);
    	int t = read();
    	while(t--) {
    		solve();
    		printf("
    ");
    	}
    	return 0;
    }
    
  • 相关阅读:
    【上班摸鱼】聊天机器人定时发送微博热搜
    【上班摸鱼】企业微信、钉钉、飞书自动提醒基金预估加减仓
    python HTMLTestRunner单元测试报告
    python自动发送邮件
    python unittest模块使用
    python logging模块使用
    python编码安全规范
    python EXCEL处理
    【转】bootstrap, boosting, bagging 几种方法的联系
    【转】GBDT(MART) 迭代决策树入门教程 | 简介
  • 原文地址:https://www.cnblogs.com/LZYcaiji/p/10397875.html
Copyright © 2011-2022 走看看