本文共 2327 字，大约阅读时间需要 7 分钟。
为了解决每个树节点的子树中离它最远节点的深度问题，我们采用分治方法，结合线段树的合并技术来高效计算。
我们使用线段树来维护每个节点的子树深度信息。在递归地处理每个节点时，我们将其子节点的线段树合并到自身，从而计算出该节点的子树中最深节点的深度。具体步骤如下：
这种方法保证了每个节点的计算都是基于其子节点的信息，并且通过线段树的合并操作，保持了较低的时间复杂度。
import syssys.setrecursionlimit(1 << 25)def main(): import sys input = sys.stdin.read data = input().split() n = int(data[0]) N = 1 << (data[1].count('n') # 初始化线段树 # 线段树节点结构 class SegmentTree: def __init__(self, size): self.size = size self.tree = [dict() for _ in range(4 * size)] st = SegmentTree(n) # 预处理节点深度 # update函数的实现需根据具体情况编写 # 此处为示例，实际实现可能有所不同 # DFS遍历并初始化深度 def dfs(u, parent): depth[u] = depth[parent] + 1 for v in adj[u]: if v != parent: dfs(v, u) st.update(u, v, 0, n-1) # 将子节点的信息合并到父节点 dfs(root, -1) # 合并操作函数的实现 # 每次合并将子节点的信息带入父节点 def pushup(u, l, r): if l == r: return mid = (l + r) // 2 if left[u]: pushup(left[u], l, mid) if right[u]: pushup(right[u], mid+1, r) merge(left[u] if exists else right) # 更新参数ma和ind if ma[left] > ma[right]: ma[u] = ma[left] ind[u] = ind[left] else: ma[u] = ma[right] ind[u] = ind[right] # 更新函数的实现 # pos在线段树上的位置 def update(u, pos): if ma[u] is not None: return l = 0 r = total_size - 1 if pos < l or pos > r: return # 递归更新子节点 if l == r: if ma[u]: # 不怎么清楚具体实现，可能需要修改 pass else: # 根据pos确定左右子节点 mid = (l + r) // 2 if pos <= mid: update(left[u], pos) else: update(right[u], pos) # 合并后的最大值更新 # 具体实现可能在parent调用pushup pushup(u) # 最终每个节点的信息存放在st中 # 如图终将，每个节点的子树最大深度由ma数组存储 # 主处理函数 ans = [] solve(root) for u in 1..n: ans.append(ind[u]) print(ans) 该方案通过分治和线段树的高效合并，确保了解决问题的时间复杂度为O(n log n)，适用于大规模数据。
转载地址：http://zheyk.baihongyu.com/