每次询问可以给出一个点集,系统会返回点集中距离点 s 和点 t 距离之和最小的那个点以及其距离,如果有多个符合条件的点,会返回任意一个,比如询问了点集 A = { s1 , s2 , ... , sk } ,则系统会返回一个点 v ∈ A 并且 dist( s , v ) + dist( t , v ) 最小
首先因为无从下手,所以可以先问一遍全部的点,获得到一个点 rt ,且距离之和为 len,画画图应该不难看出,点 rt 满足的一个性质是,一定位于点 s 到点 v 的这条路径上
下面的转换可能比较难想,但是如果想到了的话剩下的就比较简单了
我们可以以点 rt 点为根,遍历一遍整棵树后跑出每个点的深度,此时对于每个点的深度以及 dist( s , v ) + dist( t , v ),可以看出这两个值之间满足着单调性,这样我们就可以在深度上二分找到:距离之和等于 len 的最大深度的那个点,这个点就是 s 或者 t 中的一个点,再用找到的这个点建树,询问深度为 len 的那一层的所有点,得到的答案就是另外一个点了
如果初始时设置 l = 1 , r = n ,那么 F1 就这样解决了,主要是该如何解决 F2?
很显然,询问全部的 n 个点,和知道其中一个点后再通过一次操作得到另外一个点,这两次操作是无可避免的,优化点只能出自于二分上面 ,对于二分,我们可以做的优化就是缩小初始的范围了
因为初始时找到的 rt 一定是位于 s 到 t 的路径上的,又因为我们是要借助二分寻找距离之和等于 len 的最大深度,那么当这个 rt 在 s 到 t 这条路径的最中间时,左端点最小,取到了 的位置,相应的,我们如果假设 rt 这个点初始时就是 s 点或者 t 点的话,那么右端点最多也就是 len 了,所以右端点我们设置为 min( len , max_deep ) 就好了,max_deep 是建树后的最大深度