力扣3067. 在带权树网络中统计可连接服务器对数目

题目:

给你一棵无根带权树,树中总共有 n 个节点,分别表示 n 个服务器,服务器从 0n - 1 编号。同时给你一个数组 edges ,其中 edges[i] = [ai, bi, weighti] 表示节点 aibi 之间有一条双向边,边的权值为 weighti 。再给你一个整数 signalSpeed

如果两个服务器 abc 满足以下条件,那么我们称服务器 ab 是通过服务器 c 可连接的

  • a < ba != cb != c
  • ca 的距离是可以被 signalSpeed 整除的。
  • cb 的距离是可以被 signalSpeed 整除的。
  • cb 的路径与从 ca 的路径没有任何公共边。

请你返回一个长度为 n 的整数数组 count ,其中 count[i] 表示通过服务器 i 可连接 的服务器对的 数目

提示:

  • 2 <= n <= 1000
  • edges.length == n - 1
  • edges[i].length == 3
  • 0 <= ai, bi < n
  • edges[i] = [ai, bi, weighti]
  • 1 <= weighti <= 106
  • 1 <= signalSpeed <= 106
  • 输入保证 edges 构成一棵合法的树。

思路:

  1. 首先对图建立邻接表graph。

  2. "计算每个节点能连接的节点对的数量ans[i]" ----> 轮流将每个节点i设为根节点,计算出其m个子树中可被连接的节点数,记为cnt[0], cnt[1], ..., cnt[m-1],那么可推出公式:

即每个括号中的值为:当前子树中可连接的节点数cnt与之前所有子树中可连接的节点数之和s相乘。

代码如下(虽然今天是中等题,但还是想了好久T T):

python 复制代码
class Solution:
    def countPairsOfConnectableServers(self, edges: List[List[int]], signalSpeed: int) -> List[int]:
        n = len(edges) + 1   # 节点数
        ans = [0 for _ in range(n)]

        # 图的邻接表
        graph = [[] for _ in range(n)]
        for edge in edges:
            graph[edge[0]].append([edge[1], edge[2]])
            graph[edge[1]].append([edge[0], edge[2]])

        def dfs(parent, node, weight):   
        # 返回这一棵子树中可以被整除的节点数
            if weight % signalSpeed == 0:
                cnt = 1
            else:
                cnt = 0
            for x, w in graph[node]:
                if x != parent:
                    cnt += dfs(node, x, weight+w)
            return cnt

        for i in range(n):
            s = 0
            if len(graph[i]) > 1:    
            # 如果节点i只与1个节点相连,那它一定没有能连接的节点对
                for node, weight in graph[i]:
                    cnt = dfs(i, node, weight)
                    # 当前子树中可连接的节点数cnt与之前所有子树中可连接的节点数s相乘,加至ans[i],并更新s=s+cnt
                    ans[i] += s * cnt
                    s += cnt

        return ans

提交通过:

相关推荐
前端极客探险家2 分钟前
告别卡顿与慢响应!现代 Web 应用性能优化:从前端渲染到后端算法的全面提速指南
前端·算法·性能优化
夏末蝉未鸣0113 分钟前
python transformers笔记(TrainingArguments类)
python·自然语言处理·transformer
德育处主任Pro17 分钟前
「py数据分析」04如何将 Python 爬取的数据保存为 CSV 文件
数据库·python·数据分析
咸鱼鲸27 分钟前
【PyTorch】PyTorch中数据准备工作(AI生成)
人工智能·pytorch·python
程序员Xu38 分钟前
【OD机试题解法笔记】连续出牌数量
笔记·算法·深度优先
遇见你很高兴1 小时前
Pycharm中体验通义灵码来AI辅助编程
python
CoovallyAIHub1 小时前
单目深度估计重大突破:无需标签,精度超越 SOTA!西湖大学团队提出多教师蒸馏新方案
深度学习·算法·计算机视觉
大虫小呓1 小时前
50个Python处理Excel示例代码,覆盖95%日常使用场景-全网最全
python·excel
CoovallyAIHub1 小时前
从FCOS3D到PGD:看深度估计如何快速搭建你的3D检测项目
深度学习·算法·计算机视觉
大模型真好玩1 小时前
做题王者,实战拉跨!是时候给马斯克的Grok4泼盆冷水了!(Grok 4模型详细测评报告)
人工智能·python·mcp