力扣周赛179场第三题解析：树形网络概率传播算法

1. 力扣周赛179场第三题深度解析

上周刚结束的力扣第179场周赛第三题，又一次让不少选手在提交时遇到了意想不到的坑。这道编号为1377的题目，表面看是标准的图论遍历，实则暗藏多个需要特别注意的边界条件。作为参加过三十多场周赛的老手，我在第一次提交时也栽了跟头，经过反复调试才找到最优解。今天就来拆解这道题的解题思路和那些容易踩的坑。

这道题描述的是在一个由n个节点组成的树形网络中，从1号节点开始传播信息，每次传播需要1个单位时间。当某个节点首次收到信息时，它会立即尝试向所有相邻节点传播，但每条边有特定的成功概率。要求计算在恰好t秒时，某个目标节点接收到信息的概率。题目给出的数据范围是n≤100，这提示我们可以考虑时间复杂度稍高但更稳妥的解法。

2. 题目分析与建模思路

2.1 问题重述与关键点提取

题目给出：

• 一棵包含n个节点的树（无向无环图）
• 信息从节点1开始传播
• 每条边e有一个传播成功率p(e)
• 传播过程：
  • 当节点u首次收到信息时，会立即尝试向所有相邻未收到信息的节点传播
  • 每次传播尝试耗时1秒
  • 对每条边(u,v)，传播成功概率为p(u,v)，失败则不会再次尝试
• 要求计算在恰好t秒时，目标节点target收到信息的概率

关键观察点：

1. 树结构保证了两点间路径唯一
2. 传播是广度优先的，但成功概率影响最终结果
3. 必须严格满足时间t的条件

2.2 解题思路选择

常见的三种思路对比如下：

经过分析，本题采用改进的BFS最为合适。因为：

1. 树结构天然适合BFS遍历
2. 传播的时间顺序正好对应BFS的层级扩展
3. 单次查询不需要预处理

3. 算法实现细节

3.1 数据结构准备

首先需要构建图的邻接表表示，同时记录每条边的成功概率。在Python中可以用defaultdict实现：

python复制from collections import defaultdict

def build_graph(edges, succProb):
    graph = defaultdict(list)
    for i, (u, v) in enumerate(edges):
        graph[u].append((v, succProb[i]))
        graph[v].append((u, succProb[i]))  # 无向图需要双向添加
    return graph

3.2 BFS概率传播算法

核心算法采用带概率传播的BFS实现：

python复制def frogPosition(n, edges, t, target):
    if n == 1:  # 边界情况处理
        return 1.0 if t >=0 else 0.0
    
    graph = build_graph(edges)
    visited = [False] * (n + 1)
    prob = [0.0] * (n + 1)
    prob[1] = 1.0
    visited[1] = True
    q = [1]
    
    for _ in range(t):
        next_q = []
        for u in q:
            unvisited_neighbors = [v for v, p in graph[u] if not visited[v]]
            cnt = len(unvisited_neighbors)
            if cnt == 0:  # 无处可传，概率保持
                next_q.append(u)
                continue
                
            for v, p in graph[u]:
                if not visited[v]:
                    prob[v] = prob[u] * (1.0 / cnt) * p
                    visited[v] = True
                    next_q.append(v)
            prob[u] = 0.0  # 已传播出去，当前节点概率清零
        q = next_q
    
    return prob[target]

3.3 关键步骤解析

1. 初始化阶段：

   • 构建图的邻接表表示
   • 初始化访问数组和概率数组
   • 起点概率设为1

2. BFS主循环：

   • 每轮循环代表1秒的传播时间
   • 对当前层的每个节点，找出所有未访问的邻居
   • 计算传播到每个邻居的概率
   • 更新邻居的概率值

3. 概率计算规则：

   • 每个节点将当前概率均分给所有未访问的邻居
   • 再乘以对应边的成功概率
   • 已传播的节点概率清零

4. 终止条件：

   • 严格运行t轮BFS
   • 最后返回目标节点的概率值

4. 边界情况与特殊处理

4.1 常见边界情况

在实际编码中，需要特别注意以下几种边界情况：

1. 单节点树：

   • n=1时，无论t是多少，只要target=1，概率都是1
   • 需要单独处理

2. 目标节点是起点：

   • target=1时：
     • 如果t=0，概率为1
     • 如果t>0且节点1有子节点，概率变为0（因为必须传播出去）

3. 时间t大于树深度：

   • 当t足够大时，概率可能：
     • 保持最后到达的状态（如果已经无法继续传播）
     • 或者变为0（如果还能继续传播但目标节点未被访问）

4.2 代码优化点

经过多次提交测试，发现以下几个优化点能提高通过率：

1. 提前终止：

   • 当某一轮没有新节点被访问时，可以提前结束BFS
   • 因为后续轮次不会再改变概率分布

2. 概率精度处理：

   • 使用浮点数比较时考虑精度误差
   • 可以设置一个很小的epsilon(如1e-8)来判断概率是否为0

3. 内存优化：

   • 对于大n，可以用字典代替数组存储概率
   • 只保留当前层和下一层的节点信息

优化后的核心循环部分：

python复制for _ in range(t):
    if not q:  # 提前终止
        break
    next_q = []
    for u in q:
        neighbors = [v for v, p in graph[u] if not visited[v]]
        if not neighbors:
            next_q.append(u)
            continue
            
        p_share = prob[u] / len(neighbors)
        prob[u] = 0.0
        for v, p in graph[u]:
            if not visited[v]:
                prob[v] += p_share * p
                visited[v] = True
                next_q.append(v)
    q = next_q

5. 复杂度分析与算法选择

5.1 时间复杂度

1. 建图阶段：O(E)，E为边数，在树中E=n-1
2. BFS阶段：O(t * n)，最坏情况下每轮遍历所有节点
3. 总体：O(t * n)

由于题目中n≤100，t≤50，这个复杂度完全可接受

5.2 空间复杂度

1. 邻接表存储：O(n)
2. 访问数组和概率数组：O(n)
3. 队列存储：O(n)
4. 总体：O(n)

5.3 为什么不用DFS？

虽然DFS也能解决问题，但有几点不利因素：

1. 需要额外处理时间维度
2. 难以保证严格按时间顺序计算概率
3. 递归深度可能导致栈溢出（虽然本题n较小不会）
4. 代码复杂度更高，容易出错

6. 常见错误与调试技巧

6.1 常见错误类型

根据比赛统计和讨论区反馈，选手常犯的错误包括：

1. 时间处理错误：

   • 没有严格控制在t时刻的概率
   • 错误地累加了所有≤t时刻的概率

2. 概率分配错误：

   • 忘记除以子节点数量
   • 漏乘边的成功概率
   • 没有清零已传播节点的概率

3. 边界条件遗漏：

   • 未处理n=1的情况
   • 对t=0的情况处理不当
   • 目标节点不可达时未返回0

6.2 调试技巧

1. 小样例测试法：
   构造简单的测试用例，如：

   • n=3, edges=[[1,2],[1,3]], t=1, target=2
     预期结果应为0.5（假设概率都是1）

2. 打印中间状态：
   在每轮BFS后打印概率数组，观察传播过程：

   python复制print(f"After round {_}: {prob}")
   

3. 可视化工具：
   对于更复杂的树结构，可以先用工具可视化树结构，如：

   • 使用graphviz生成树形图
   • 手动绘制传播路径

7. 同类题目扩展

掌握这道题后，可以尝试解决以下几道相似题目，巩固图论概率传播问题的解法：

1. 1514. 概率最大的路径（Dijkstra算法的变种）

   • 求两点间成功概率最大的路径
   • 需要将传统的Dijkstra算法中的距离相加改为概率相乘

2. 1376. 通知所有员工所需的时间（简单版传播问题）

   • 计算信息从根节点传播到所有叶子节点的最长时间
   • 不需要考虑概率，简化版问题

3. 1334. 阈值距离内邻居最少的城市（传播范围问题）

   • 统计每个节点在给定距离内能到达的节点数
   • 类似BFS传播思想

4. 1376. Time Needed to Inform All Employees（树形结构传播时间）

   • 计算信息从根节点传播到所有节点的最长时间
   • 类似本题但不涉及概率

8. 竞赛策略与时间管理

在周赛环境中，这类题目通常需要在15-20分钟内完成。建议采用以下策略：

1. 快速理解题意（2分钟）：

   • 画出样例的树结构
   • 标记传播路径和概率

2. 选择算法（1分钟）：

   • 识别出是树形结构
   • 确定使用BFS+概率传播

3. 编写代码（10分钟）：

   • 先处理边界情况
   • 实现标准BFS框架
   • 加入概率计算逻辑

4. 测试调试（5分钟）：

   • 测试样例用例
   • 构造极端情况（如n=1, t=0等）
   • 检查浮点数精度

5. 提交前检查（1分钟）：

   • 确认所有边界条件已处理
   • 检查变量名是否写错
   • 确保返回值类型正确

9. 个人实战心得

在多次周赛实战中，我总结了以下几点经验：

1. 概率传播问题的通用模板：

   • 使用BFS按层传播
   • 维护一个概率数组
   • 每层更新概率分布
   • 注意清零已传播节点的概率

2. 浮点数比较的注意事项：

   • 避免直接比较浮点数是否相等
   • 使用epsilon进行容错比较
   • 可以考虑使用分数形式避免精度问题

3. 竞赛中的时间取舍：

   • 先确保基本解法通过
   • 有余力再优化
   • 不要过早陷入边界条件的泥潭

4. 调试技巧：

   • 打印中间状态是最高效的调试方法
   • 对于树问题，先画图再编码
   • 从简单样例入手逐步扩展

这道题教会我们，看似简单的BFS应用，加入概率因素后就会变得复杂许多。关键在于清晰地建模传播过程，并正确处理概率的分配与累积。在竞赛中遇到类似问题时，建议先完全理解样例，再着手编写代码，这样可以避免很多不必要的错误。