想象一下有向无环图如下,其中:
-
"A"是根(总是只有一个根)
-
每个节点都知道其父节点
-
节点名称是任意的 - 没有什么可以从它们推断出来
-
我们从另一个来源得知节点是按照A到G的顺序添加到树中的(例如它们是版本控制系统中的提交)
我可以使用什么算法来确定两个任意节点的最低共同祖先(LCA),例如,共同的祖先:
-
B和E是B.
-
D和F是B.
注意:
-
从根目录到给定节点不一定有一条路径(例如"G"有两条路径),所以你不能简单地traverse paths from root to the two nodes and look for the last equal element
-
我发现树的LCA算法,特别是二叉树,但它们不适用于此,因为一个节点可以有多个父节点(即这不是树)
10 回答
只是一些疯狂的想法 . 如何将两个输入节点用作根,并逐步同时执行两个BFS . 在某一步骤,当它们的BLACK集(记录访问节点)中存在重叠时,算法停止并且重叠的节点是它们的LCA . 通过这种方式,任何其他共同的祖先将具有比我们发现的更长的距离 .
我知道这是老问题和非常好的讨论,但由于我遇到了一些类似的问题,我遇到了JGraphT的Lowest Common Ancestor算法,认为这可能有所帮助:
NativeLcaFinder
TarjanLowestCommonAncestor
我正在寻找同样问题的解决方案,我在下面的论文中找到了一个解决方案:
http://dx.doi.org/10.1016/j.ipl.2010.02.014
简而言之,您不是在寻找最低的共同祖先,而是寻找他们在本文中定义的最低的共同祖先 .
Den Roman's link似乎很有希望,但对我来说似乎有点复杂,所以我尝试了另一种方法 . 这是我使用的一个简单算法:
假设您想用x和y两个节点计算LCA(x,y) . 每个节点必须具有值
color
和count
,resp . 初始化为白色和0 .将x的所有祖先颜色为蓝色(可以使用BFS完成)
将y的所有蓝色祖先染成红色(BFS再次)
对于图中的每个红色节点,将其父项'
count
递增1将
count
值设置为0的每个红色节点都是一个解决方案 .根据您的图表,可以有多个解决方案 . 例如,请考虑以下图表:
LCA(4,5)可能的解决方案是1和2 .
请注意,如果您想要找到3个或更多节点的LCA,它仍然可以工作,您只需要为每个节点添加不同的颜色 .
如果图形具有周期,则松散地定义'ancestor' . 也许你的意思是DFS或BFS的树输出上的祖先?或者也许是'ancestor'你的意思是有向图中的节点最小化了来自
E
和B
的跳数?如果你是're not worried about complexity, then you could compute an A* (or Dijkstra'的最短路径)从每个节点到
E
和B
. 对于可以同时到达E
和B
的节点,您可以找到最小化PathLengthToE + PathLengthToB
的节点 .编辑:既然你已经澄清了一些事情,我想我明白你在寻找什么 .
如果你只能去"up"树,那么我建议你从
E
执行BFS,并从B
执行BFS . 图中的每个节点都有两个与之关联的变量:来自B
的跃点和来自E
的跃点 . 让B
和E
都具有图形节点列表的副本 .B
的列表按B
的跃点排序,而E
的列表按E
的跃点排序 .对于
B
列表中的每个元素,尝试在E
的列表中找到它 . 将匹配项放在第三个列表中,按B
跳从E
的跃点排序 . 在您耗尽B
的列表后,您的第三个排序列表应该包含LCA . 这允许一个解决方案,多个解决方案(通过他们的BFS订购任意选择B
),或者没有解决方案 .我也需要完全相同的东西,在DAG(有向无环图)中找到LCA . LCA问题与RMQ(范围最小查询问题)有关 .
可以将LCA降低到RMQ,并从有向无环图中找到两个任意节点的所需LCA .
我发现THIS TUTORIAL细节和好 . 我也计划实施这个 .
我提议O(| V | | E |)时间复杂度解决方案,我想这个方法是正确的,否则请纠正我 .
给定有向无环图,我们需要找到两个顶点v和w的LCA .
步骤1:使用具有时间复杂度O(| V | | E |)的bfs http://en.wikipedia.org/wiki/Breadth-first_search找到所有顶点与根顶点的最短距离,并找到每个顶点的父节点 .
步骤2:使用父级找到两个顶点的共同祖先,直到我们到达根顶点时复杂度 - 2 | v |
步骤3:LCA将是具有最大最短距离的共同祖先 .
所以,这是O(| V | | E |)时间复杂度算法 .
如果我错了或欢迎任何其他建议,请纠正我 .
http://www.gghh.name/dibtp/2014/02/25/how-does-mercurial-select-the-greatest-common-ancestor.html
此链接描述了如何在Mercurial中完成 - 基本思想是查找指定节点的所有父节点,按照距根节点的距离对它们进行分组,然后对这些节点进行搜索 .
假设您想在图中找到x和y的祖先 .
维护一组向量 - parents (存储每个节点的父节点) .
首先做一个bfs(继续存储每个顶点的父节点)并找到x的所有祖先(找到x的父级并使用 parents ,找到x的所有祖先)并将它们存储在向量中 . 此外,将每个父项的深度存储在向量中 .
使用相同的方法查找y的祖先并将它们存储在另一个向量中 . 现在,您有两个向量分别存储x和y的祖先及其深度 .
LCA将是具有最大深度的共同祖先 . 深度定义为距离根的最长距离(顶点与in_degree = 0) . 现在,我们可以按照深度的递减顺序对向量进行排序,并找出LCA . 使用这种方法,我们甚至可以找到多个LCA(如果有的话) .
大家 . 请用Java试试吧 .
这个想法非常简单 . 我们假设commitHashes按降级顺序排序 . 我们找到字符串的最低和最高索引(哈希 - 并不意味着) . 显然(考虑后代顺序)共同的祖先只能在上指数之后(哈希中的较低值) . 然后我们开始枚举提交的哈希和构建后代父链的链 . 为此,我们有两个hashset由commit的最低和最高哈希的父项初始化 . setOfAncestorsLower,setOfAncestorsUpper . 如果下一个散列-commit属于任何链(hashsets),那么如果当前索引高于最低散列的索引,那么如果它包含在另一个集合(链)中,我们将返回当前散列作为结果 . 如果没有,我们将其父(祖先[i])添加到hashset,它跟踪set的祖先集合,其中包含当前元素 . 基本上就是全部