一. 离线Tarjan算法
LCA问题(lowest common ancestors)：在一个有根树T中。两个节点和
的近期公共祖先。指的是二者的公共祖先中深度最高的节点。
给定随意两个树中的节点，求它们的近期公共祖先。
对于二分查找树、二叉树，能够用普通的dfs实现。但对于多叉树、查询次数频繁的情况下。离线Tarjan算法的长处就显现出来了。因为对树上全部节点仅仅进行一次遍历，因此须要提前指定全部查询，所以才称为offline。
算法思路是：每次处理一个节点时。先递归处理其儿子节点，保证：若查询的节点pair均在该子树中，则处理完这个节点后，这些查询也已经处理完成，否则当中一个节点在还有一个子树中，这对节点的公共祖先至少应该是
的父节点。详细是对每一个节点，都维护一个集合。每当一个节点处理完成，就与其父节点所在集合进行合并。处理完成指的是：以该节点为根节点的子树中的全部节点都被訪问过而且返回了。
因此以某个元素为代表元的集合内，保存的都是当前已经处理完成的子孙节点。
算法的伪代码例如以下：初始时每一个节点颜色均为white
LCA(u)
1 MakeSet(u)
2 u.ancestor := u
3 for each v in u.children do
4 LCA(v)
5 Union(u, v)
6 Find(u).ancestor := u
7 u.color := black;
8 for each v such that {u, v} in P do
9 if v.color == black
10 print "Tarjan's lowest common Ancestor of " + u +
" and " + v + " is " + Find(v).ancestor + "."</span>
以下首先对算法导论中的习题进行证明:
(1)证明：对每一对，第10行恰运行一次
证明：由于每一个节点仅仅调用一次LCA，对随意节点对，不失一般性。如果
先被处理完，则当
的全部儿子都处理完。
被置为Black，此时v仍为White。仅仅有当v处理完其子树，被置为Black。才干进入第10行的代码。因此对每一对查询。第10行仅仅运行一次。
(2)证明：在调用LCA()时，不相交集合数据结构中的集合数等于
在树T中的深度
证明:调用LCA()时。以
为根的子树均没有被訪问。
如果是其父节点
的第
个儿子节点
，则对全部儿子节点
，因为这些节点已经处理完成并返回。都进行了
的操作，因此这些子树中的节点与
在同一个集合中。
而对节点来说，其子树并未处理完成。所以对于
的调用LCA(
)并没有返回。因此
和其父节点在不同的集合中，同理能够一直推到根节点。
因此当前的集合数等于在树T中的深度。
(3)证明：对每一对。LCA能正确的输出
和
的最小公共祖先
证明：
①若和
在同一条路径中，不失一般性。如果
为
的祖先节点。则节点
返回后两个节点均为BLACK，输出
。正确
②否则，如果二者的近期公共祖先为，设
在第
个分支上。
在第
个分支上(
)，那么
先被訪问到，在第9行代码处，因为
尚未处理仍为White，所以
返回，
所在集合与其父节点所在集合Union，回到
时集合代表元的ancestor被置为
，然后才干继续处理
。处理完
时，进入第9行代码，此时的
颜色已经为BLACK，输出
。得到正确答案。
综上，LCA能正确输出和
的最小公共祖先。
二. 并查集优化——不相交集合森林
由于当中涉及到集合操作，因此使用了并查集来优化。并查集能够使用更快的实现。用有根树表示集合，每一个成员仅指向其父节点，每棵树的根包括集合的代表元素，代表元的父节点是其本身。
通过引入两种启示式策略（Union的时候按秩合并，Find的时候进行路径压缩）。能得到渐进最优的不相交集合数据结构。
按秩合并：在Union的时候，经常会碰到两个集合元素个数不一样，显然将小的集合纳入大的集合，操作成本更低。
由于使用的是有根树来表示集合，所以自然地能够用根节点（代表元）的高度来表示，这个就称为秩(rank)。在Union的过程中，让具有较小秩的根指向具有较大秩的根。若二者具有同样的秩，则任取当中一个作为父节点，并对它的秩加1。
（由于此时树的高度添加了1）。
路径压缩：普通的Find算法直接沿着节点路径向上查找到根。对一个具有n个节点的路径来说，对这n个节点都进行Find操作，每一个节点都须要沿着父节点搜到根。须要的操作。而优化的方法是：找到根之后。对这条查找路径上的节点，都将其父节点更新为根节点，即：一次Find操作将导致这条路径上的节点都直接指向根。
伪代码例如以下：
MakeSet(x) x.p = x x.rank = 0 Union(x, y) xRoot = Find(x) yRoot = Find(y) if xRoot.rank > yRoot.rank yRoot.p = xRoot else xRoot.p = yRoot if xRoot.rank == yRoot.rank yRoot.rank = yRoot.rank + 1 Find(x) if x.p != x x.p = return Find(x.p) return x.p;
实际中Find能够用迭代取代递归。实际coding时要注意，parent这一结构是在并查集中用到的。ancestor是LCA算法中的，二者不能等同，而且ancestor也不是代表元，ancestor指的是代表元所在集合中全部节点的公共祖先。
id=1330 ，AC代码例如以下：
#include <iostream>
#include <cstring>
using namespace std;
#define N 10005
struct Edge{
int to, next;
};
Edge e[N];
struct Node{
int pa, rank;
Node() : pa(0), rank(0) {}
};
Node nodes[N];
int head[N], cnt, q1, q2, ancestor[N];
bool hasp[N], color[N];
void add(int from, int to){
e[cnt].to = to, e[cnt].next = head[from], head[from] = cnt;
++cnt;
}
void make_set(int u){
nodes[u].pa = u;
nodes[u].rank = 0;
}
int find_set(int u){
int root = u;
while(nodes[root].pa != root)
root = nodes[root].pa;
int cur;
while(u != root){
cur = nodes[u].pa;
nodes[u].pa = root;
u = cur;
}
return root;
}
void union_set(int x, int y){
int xr = find_set(x), yr = find_set(y);
if (nodes[xr].rank > nodes[yr].rank)
nodes[yr].pa = xr;
else{
nodes[xr].pa = yr;
if(nodes[xr].rank == nodes[yr].rank)
++nodes[yr].rank;
}
}
bool LCA(int u){
make_set(u);
ancestor[u] = u;
for(int i = head[u]; i; i = e[i].next){
int v = e[i].to;
if(LCA(v))
return true;
union_set(u, v);
ancestor[find_set(u)] = u;
}
color[u] = true;
bool fin = false;
if(u == q1 && color[q2])
cout << ancestor[find_set(q2)] << endl, fin = true;
else if(u == q2 && color[q1])
cout << ancestor[find_set(q1)] << endl, fin = true;
return fin;
}
int main(){
int tc;
cin >> tc;
while(tc --){
int n;
cin >> n;
memset(head, 0, sizeof(head));
memset(ancestor, 0, sizeof(ancestor));
memset(color, false, sizeof(color));
memset(hasp, false, sizeof(hasp));
cnt = 1;
for(int i = 1; i < n; ++i){
int p, c;
cin >> p >> c;
add(p, c);
hasp[c] = true;
}
cin >> q1 >> q2;
int root = 0;
for(int i = 1; i <= n; ++i){
if(!hasp[i]){
root = i;
break;
}
}
LCA(root);
}
return 0;
}