[算法学习笔记] 最近公共祖先 LCA
在讲解之前，我们先来看一道模板题：Luogu P3379 最近公共祖先（LCA)
What is LCA
LCA,即最近公共祖先。什么意思呢，我们举个例子：
将就着看吧qwq
这棵树中，0为根节点。若规定\(LCA(x,y)\)为\(x,y\)的最近公共祖先，则\(LCA(5,6)=2;LCA(4,3)=1;LCA(5,3)=0\)。还有很多，这里不一一列举了。
讲到这里我们很容易想到暴力算法，先让 \(x,y\) 跳到同一个深度。然后再让 \(x,y\) 同时向上跳一层，重复跳跃，直到 \(x = y\) 停止。
这样的复杂度是很高的，接下来我们讲解 Tarjan 和 倍增求 LCA。
Tarjan
- Tarjan算法是一种离线算法，跑一遍就能将所有需求的LCA计算完，因此效率比较高。
- Tarjan实现应用了DFS搜索树+并查集 （
相信来看的都懂吧）
算法步骤：
1.从根节点开始搜索树，如果搜到的点还有子节点则继续搜（DFS)
2.若搜到的节点没有子节点或子节点已经搜索过了，将父节点和子节点合并（并查集）
3.查找与当前节点\(now\)有询问关系的节点\(q_i\),若\(q_i\)已经回溯过则
\(LCA(now,q_i)=find(q_i)\) (\(find(q_i)\)指并查集操作，查找\(q_i\)的父节点)
需要注意，在STEP3中，\(q_i\)必须是已经回溯过而不是搜过，只有回溯过才有merge操作。（如果不理解可以先看下文模拟）
整个算法的过程非常巧妙，笔者水平有限，无法给出具体证明（ 我太菜了ww），这里带着大家模拟一遍Tarjan流程吧，模拟完相信大家对Tarjan的理解就会更加深刻啦
模拟样例
我们还是模拟最先给出的那棵树：
为了简化题意，我们假设需求\(LCA(5,6)\)以及\(LCA(5,4)\)
显然，从0根节点开始DFS，先搜2，2还有子节点，先搜5，发现没有子节点。则merge（2，5）
此时，查找与5有询问关系的点：
- 关系1：6号点。显然没有回溯过，不管
- 关系2：4号点。显然也没有回溯过，不管
此时回溯，返回2号，搜索6号。发现6没有子节点。则merge（2，6）
此时，查找与6有询问关系的点：
- 关系1：5号点。已经回溯过，则\(LCA(5,6)=find(6)=2\)
此时回溯，返回0号，并且merge(2,0),搜索1号，1号有子节点，先搜4，merge(1,4)。
查找与4号有询问关系的点：
- 关系1：5号点。已经回溯过，则\(LCA(4,5)=find(5)=0\)
显然还会继续搜索下去，和上边同理，相信大家对Tarjan算法已经有了深刻的理解，这里不继续模拟了。
通过模拟样例发现，在Tarjan过程中，是边DFS边merge，这样能够确保答案正确性，比较容易理解。具体证明不谈。
具体实现
通过Tarjan，我们可以求出所有需要求的LCA,但是如何存储答案，去重，输出呢？
我们可以用vector存树（注意一定是双向边），另开一个vector存储询问顺序实现按顺输出+去重。当然去重也可以用map，只不过浪费空间。
我们来看一下Tarjan模板：
void tarjan(int now)
{
vis[now] = 1; //标记已访问
for(int i=0;i<v[now].size();i++) //这里使用了vector存树
{
if(!vis[v[now][i]]) //如果子节点没访问过
{
tarjan(v[now][i]); //dfs继续搜
fa[v[now][i]] = now; //merge操作
}
}
for(int i=0;i<q[now].size();i++) //查找与now有询问关系的点
{
int p =find(q[now][i]);
if(vis[q[now][i]] == 2) //如果询问的点回溯过
{
ans[id[now][i]] = p; //id存答案编号，即按序输出
}
}
vis[now] = 2;//所有操作完毕后标记now已回溯
}
至于刚开始给出的模板题，由于已经给出了 Tarjan 板子，其余部分自己实现一下吧！
倍增 LCA
倍增 LCA 基于暴力，我们先回忆一下暴力是如何求解的。
在暴力求 LCA 的时候，我们先使 \(x,y\) 跳到同一深度，然后再同时一层一层的跳。
根据二进制唯一分解定理，任意的一个正整数都可以划分几个不重复的二的整次幂和。我们可以每次跳 \(2\) 的整次幂。
\(x,y\) 同时跳的时候，显然 LCA 及其以上的节点都是公共祖先。如果一步跳到公共祖先就输出我们无法确保这就是 LCA。
不妨每次不跳到公共祖先，这样最后跳到的节点 \(x\) 的父节点一定是公共祖先。
证明：二进制唯一分解定理。例如 \(x,y\) 需要同时跳 \(k\) 步才是 LCA。那么 \(k\) 一定可以分解成不重复的二的整次幂和的形式。
\(x,y\) 同时跳之前，需要确保 \(x,y\) 所在深度一致。这也很简单，如果深度不一致，则用倍增跳到一致即可。
显然我们需要预处理每个节点的深度以及每个点向上跳 \(2^i\) 步所能到达的节点。处理深度非常简单，对于处理每个节点 \(m\) 向上跳 \(2^i\)，类似于动态规划的思想，如果设 \(f_{m,i}\) 表示节点 \(m\) 向上跳 \(2^i\) 步所能到达的节点，则满足：
类比 \(2^i=2^{i-1}+2^{i-1}\) 。
需要注意预处理 \(f[m,0]=fa_m\) ( \(fa_m\) 表示 \(m\) 的父亲 )
提供倍增 LCA 模板。如下。
倍增 LCA
#include <iostream>
#include <cstdio>
#include <algorithm>
#include <vector>
using namespace std;
const int N = 500000+2;
int depth[N*2];
int fa[N][100];
int n,m,s;
vector <int> Edge[N*2];
void dfs(int now,int fat)
{
fa[now][0] = fat; //预处理节点 now 向上跳 2^i 步所能到达的节点
depth[now] = depth[fat] + 1; //深度
for(int i=1;(1<<i) <= depth[now]; i++)
fa[now][i] = fa[fa[now][i-1]][i-1]; // dp
for(int i=0;i<Edge[now].size();i++)
{
int v = Edge[now][i];
if(v != fat) dfs(v,now); //dfs 预处理
}
}
int lca(int a,int b)
{
if(depth[a] > depth[b]) swap(a,b);
for(int i=20;i>=0;i--) //从大到小跳
{
if(depth[a] <= depth[b]-(1<<i)) b = fa[b][i]; //先跳到同一高度，倍增优化
}
if(a == b) return a; //由于跳跃过程用到的是倍增优化，所以如果是跳到了一起则一定是 lca
for(int i=20;i>=0;i--)
{
if(fa[a][i] == fa[b][i]) continue;
a = fa[a][i]; //如果不同则跳
b = fa[b][i];
}
return fa[a][0]; //返回任意节点的父亲即可。
}
int main()
{
ios::sync_with_stdio(false);
cin.tie(0);
cout.tie(0);
cin>>n>>m>>s;
for(int i=1;i<=n-1;i++)
{
int x,y;
cin>>x>>y;
Edge[x].push_back(y);
Edge[y].push_back(x);
}
dfs(s,0);
for(int i=1;i<=m;i++)
{
int a,b;
cin>>a>>b;
cout<<lca(a,b)<<endl;
}
return 0;
}
