Redian新闻
>
方法探索|一场树形 DP 深度游

方法探索|一场树形 DP 深度游

公众号新闻

很多人会问刷多少道 DP 才能培养出 DP 感?

其实答案就是多做,日积月累,多做的深层含义就是理解,可以先刷二叉树类的题目,又或者看看下面这位站内同学的分享,看看有没有启发。

解题思路

👉 834.树中距离之和

其实这位同学在之前的第 328 场周赛中,也遇到过此类困难的题型。大家深究其实可以发现,可以用动态规划来解题,但如果想不到怎么做状态转移的话,可以去看下 👉 官方题解。通过官方解题思路,我们可以了解到下图中的状态转移方程:

而不是

树状 DP 的特点,就是动态规划的每个子问题,一一对应于一颗子树。可以从由单个叶子节点构成的子树开始,自底向上进行规划。也可以从根节点开始,自上而下地、使用带缓存的方式进行规划。后者本质就是一个对整棵树 DFS 的过程。

树状 DP,时间复杂度为 O(n)。

那么,有一类与无根树相关的题目,根节点可以任意选择,需要对每一种可能的根节点,都运行一次树状 DP,所以整体时间复杂度为 O(n*2)。可以通过反复换根的方式,将这种题目的时间复杂度度优化到 O(n)。这个换根的过程,也采取 DFS 的方式。

上面这道题其实就属于这种题型,需要先随意选择一个根,运行一次树状 DP,然后额外运行一次 DFS 进行换根。也就是总共进行两次 DFS。之前也会看到许多扣友将这种两次 DFS 的思路,叫做换根 DP。

编码细节

理解了思路,该同学开始尝试写代码,又发现了更多细节。

在阐述中发现树状 DP,如果采用递归的方式会比较好写,如果用自底向上的方式,需要先进行层序遍历(BFS),对节点按层分组,然后从最底层开始进行动态规划。

为了循序渐进,可以先写了一个进行 N 次树状 DP 的暴力版本,这样做显然会超时,但该同学是为了分步进行练习,先找到写树状 DP 的感觉。毕竟一口真的很难吃成个胖子。

再确保暴力版本正确后,开始尝试换根,这个过程调试起来很痛苦,时长又久。所以该同学得出:“在思考解题的过程中一定要时刻记住换根的本质”,防止思维混乱:子节点的子节点多了一个,父节点的子节点少了一个。换根的过程,虽然也是 DFS,但和动态规划毫无关系,大家不要写混了。

代码实践

暴力版本:N 次树状 DP

*暴力版会超时,仅做为练习。

代码

class Solution {    public int[] sumOfDistancesInTree(int n, int[][] edges) {        List<Integer>[] adt = new List[n];        for(int i = 0; i < n; i++)adt[i] = new ArrayList<Integer>();        for(int[] e: edges){            adt[e[0]].add(e[1]);            adt[e[1]].add(e[0]);        }        int[] ret = new int[n];        for(int i = 0; i < n; i++){            //System.out.printf("%s--------------------\n", i);            // 以 i 为树的根节点,进行自上而下带缓存的的动态规划            int[] dp = new int[n]; // dp[i] 代表:对于以节点 i 为根的子树,i 到所有后代的距离的和            int[] size = new int[n]; // size[i] 代表以节点i 为根的子树中,所有节点的数量            helper(n, adt, i, i, dp, size);            ret[i] = dp[i];        }        return ret;    }
/** 用动态规划,递归地求出以 u 为根节的子树中,u 到所有后代节点的距离之和。pa 代表 u 的直接父节点 调用一次 helper,会求出 dp[u] 和 size[u] */ private void helper(int n, List<Integer>[] adt, int pa, int u, int[] dp, int[] size){ if(size[u] > 0)return;
size[u]++; for(int v: adt[u]){ if(v == pa)continue; helper(n, adt, u, v, dp, size); dp[u] += dp[v] + size[v]; size[u] += size[v]; } //System.out.printf("%s: %s, %s\n", u, size[u], dp[u]); }}

树状 DP + DFS 换根

换根的逻辑,被单独提取成了 SWAP 方法,可以让代码简洁一点:

代码

class Solution {    public int[] sumOfDistancesInTree(int n, int[][] edges) {        List<Integer>[] adt = new List[n];        for(int i = 0; i < n; i++)adt[i] = new ArrayList<Integer>();        for(int[] e: edges){            adt[e[0]].add(e[1]);            adt[e[1]].add(e[0]);        }        int[] ret = new int[n];        int[] dp = new int[n]; // dp[i] 代表以 i 为根的子树中, i 到所有后代节点的距离之和。i 的父节点可以有多种情况        int[] size = new int[n]; // size[i] 代表以节点 i 为根的【子树】中,所有节点的数量                helper(n, adt, -1, 0, dp, size);        ret[0] = dp[0];        dfs(adt, -1, 0, ret, dp, size);        return ret;    }
/** 用动态规划,递归地求出以 u 为根节的子树中,u 到所有后代节点的距离之和。pa 代表 u 的直接父节点 调用一次 helper,会求出 dp[u] 和 size[u] */ private void helper(int n, List<Integer>[] adt, int pa, int u, int[] dp, int[] size){ if(size[u] > 0)return;
size[u]++; for(int v: adt[u]){ if(v == pa)continue; helper(n, adt, u, v, dp, size); dp[u] += dp[v] + size[v]; size[u] += size[v]; } //System.out.printf("%s: %s, %s\n", u, size[u], dp[u]); }
// 用回溯法不断换根 private void dfs(List<Integer>[] adt,int pa, int u, int[] ret, int[] dp, int[] size){ for(int v: adt[u]){ if(v == pa)continue; swap(u, v, dp, size); ret[v] = dp[v]; //System.out.printf("%s %s, %s\n", u, v, ret[v]); dfs(adt, u, v, ret, dp, size); swap(v, u, dp, size); } }
private void swap(int u, int v, int[] dp, int[] size){ dp[u] -= dp[v] + size[v]; size[u] -= size[v]; dp[v] += dp[u] + size[u]; size[v] += size[u]; }}

举一反三:更多树状 DP 题目(含代码)

👉 2538. 最大价值和与最小价值和的差值

如果这道题比较痛苦,可以跳过,先做后面的中等题 1245。

这道题有两点需要注意:

确保每次换根在 O(1) 内完成,需要点技巧:对要被替换的某子树根节点 u ,先遍历其邻接点一遍,求出 DP 值的最大之和次大值。如果不注意,会喜提超时,详见下面的错误 版本 1 和正确 版本 2

也可以换一种思路,不用换根,直接进行一次树状 DP 即可(借鉴灵茶山艾府解法)。

下面的 4 个版本中,后 3 个都能良好的工作,版本 3 和 版本 4 思路是一样的。可以看到,虽然都用了树形 DP,但是定义的子问题有差别,所以状态转移的过程,也有差异。

(1)换根但 TLE 版代码

/*单次换根没有在 O(1)内完成,导致超时。834 题可以将换根提取到一个简单的 swap 方法中,比较简洁,但是这道题不可以。通过额外遍历一次邻接点,求出最大值和次大值,确保了O(1)的均摊单次换根代价。*//*单次换根没有在 O(1)内完成,导致超时。834 题可以将换根提取到一个简单的 swap 方法中,比较简洁,但是这道题不可以。通过额外遍历一次邻接点,求出最大值和次大值,确保了O(1)的均摊单次换根代价。*/class Solution {    private List<Integer>[] adt; // 邻接表    private long max = 0;    private long[] dp; // dp[i] 代表以 i 为根节点的子树中,i 最大的【开销】    private int[] price;
public long maxOutput(int n, int[][] edges, int[] price) { this.adt = new List[n]; this.max = 0; this.dp = new long[n]; this.price = price;
// 构造邻接表 for(int i = 0; i < n; i++)adt[i] = new ArrayList<>(); for(int[] e: edges){ adt[e[0]].add(e[1]); adt[e[1]].add(e[0]); }
// 以节点 0 为根,运行一次自上而下的带缓存的树形动态规划 helper(-1, 0); max = dp[0]; // 用回溯法不断换根,求出 max dfs(-1, 0); return max; }
// 自上而下的带缓存的树形动态规划 // pa代表 u 的父节点 private void helper(int pa, int u){ for(int v: adt[u]){ if(v == pa)continue; helper(u, v); dp[u] = Math.max(dp[u], dp[v] + price[v]); } System.out.printf("%s,%s\n", u, dp[u]); }
private void dfs(int pa, int u){ for(int v: adt[u]){ if(v == pa)continue; swap(u, v); max = Math.max(dp[v], max); System.out.printf("换根:%s,%s, %s, %s, %s\n", u, v, dp[u], dp[v], max); dfs(u, v); swap(v, u); } }
private void swap(int u, int v){ dp[u] = 0; for(int x: adt[u]){ if(x == v)continue; dp[u] = Math.max(dp[u], dp[x] + price[x]); } dp[v] = Math.max(dp[v], dp[u] + price[u]); }}
(2)换根线性复杂度版代码
class Solution {    private List<Integer>[] adt; // 邻接表    private long max = 0;    private long[] dp; // dp[i] 代表以 i 为根节点的子树中,i 最大的【开销】    private long ret;    private int[] price;
public long maxOutput(int n, int[][] edges, int[] price) { this.adt = new List[n]; this.ret = 0; this.dp = new long[n]; this.price = price;
// 构造邻接表 for(int i = 0; i < n; i++)adt[i] = new ArrayList<>(); for(int[] e: edges){ adt[e[0]].add(e[1]); adt[e[1]].add(e[0]); }
// 以节点 0 为根,运行一次自上而下的带缓存的树形动态规划 helper(-1, 0); ret = dp[0]; // 用回溯法不断换根,求出 max dfs(-1, 0); return ret; }
// 自上而下的带缓存的树形动态规划 // pa代表 u 的父节点 private void helper(int pa, int u){ for(int v: adt[u]){ if(v == pa)continue; helper(u, v); dp[u] = Math.max(dp[u], dp[v] + price[v]); } // System.out.printf("%s,%s\n", u, dp[u]); }
private void dfs(int pa, int u){ long max = 0, max2 = 0; // 最大值和次大值 for(int v: adt[u]){
long val = dp[v] + price[v]; if(val >= max){ max2 = max; max = val; }else{ max2 = Math.max(max2, val); } } for(int v: adt[u]){ if(v == pa)continue; long dpu = dp[u], dpv = dp[v]; if(dp[v] + price[v] == max)dp[u] = max2; dp[v] = Math.max(dp[v], dp[u] + price[u]); ret = Math.max(dp[v], ret); // System.out.printf("换根:%s,%s, %s, %s, %s\n", u, v, dp[u], dp[v], ret); dfs(u, v); dp[u] = dpu; dp[v] = dpv; } }
}
(3)不换根仿灵佬版代码
/*本代码参考了灵佬的版本,但是保留了 dp 数组,更方便我自己理解。灵佬原版中,将 dp 数组彻底优化掉了,更节省空间,但是更费脑细胞*/class Solution {    private List<Integer>[] adt; // 邻接表    private long max = 0;    private long[] dp; // dp[i] 代表以 i 为根的子树中,i 能达到的最大价值    private long[] dp2; // dp 2[i] 代表以 i 为根的子树中,在不累加叶子节点的价值是时,i 能达到的最大价值    private long ret;    private int[] price;
public long maxOutput(int n, int[][] edges, int[] price) { this.adt = new List[n]; this.ret = 0; this.dp = new long[n]; this.dp2 = new long[n]; this.price = price;
// 构造邻接表 for(int i = 0; i < n; i++)adt[i] = new ArrayList<>(); for(int[] e: edges){ adt[e[0]].add(e[1]); adt[e[1]].add(e[0]); }
// 以节点 0 为根,运行一次自上而下的带缓存的树形动态规划 helper(-1, 0); return max; }
// 自上而下的带缓存的树形动态规划 // pa代表 u 的父节点 private void helper(int pa, int u){ dp[u] = price[u]; for(int v: adt[u]){ if(v == pa)continue; helper(u, v); max = Math.max(Math.max(dp[u] + dp2[v], dp2[u] + dp[v]), max); dp[u] = Math.max(dp[u], dp[v] + price[u]); dp2[u] = Math.max(dp2[u], dp2[v] + price[u]); } }
}

(4)灵佬原版代码

/**本代码来着灵佬的题解:https://leetcode.cn/problems/difference-between-maximum-and-minimum-price-sum/solution/by-endlesscheng-5l70/灵佬的版本空间复杂度更低*/class Solution {    private List<Integer>[] g;    private int[] price;    private long ans;
public long maxOutput(int n, int[][] edges, int[] price) { this.price = price; g = new ArrayList[n]; Arrays.setAll(g, e -> new ArrayList<>()); for (var e : edges) { int x = e[0], y = e[1]; g[x].add(y); g[y].add(x); // 建树 } dfs(0, -1); return ans; }
// 返回带叶子的最大路径和,不带叶子的最大路径和 private long[] dfs(int x, int fa) { long p = price[x], maxS1 = p, maxS2 = 0; for (var y : g[x]) if (y != fa) { var res = dfs(y, x); long s1 = res[0], s2 = res[1]; // 前面最大带叶子的路径和 + 当前不带叶子的路径和 // 前面最大不带叶子的路径和 + 当前带叶子的路径和 ans = Math.max(ans, Math.max(maxS1 + s2, maxS2 + s1)); maxS1 = Math.max(maxS1, s1 + p); maxS2 = Math.max(maxS2, s2 + p); // 这里加上 p 是因为 x 必然不是叶子 } return new long[]{maxS1, maxS2}; }}


中等题:

👉 1245.树的直径

这道题可以采用三种方式求解思路:
1、树形 DP + 换根,换根时,对任一颗子树的根节点 u,需要遍历其邻接点,并从中求出 DP 值最大和次大的子节点。这个思路类似于前面 2538. 最大价值和与最小价值和的差值 中的代码 版本 2。如果不这样做,在换根时遍历一遍邻接点,换根会超时。

2、一次树形 DP 即可。代价是做动态规划时,要同时维护每颗子树的根节点 

能达到的最大路径和次大路径。所有子树中,最大路径和次大路径的和的最大值就是答案。

3、改进一下 思路 2,详见下面的代码 版本 3

下面的三个版本,都能正常工作。但是状态转移的方式,各不相同。

(1)换根版代码
class Solution {    public int treeDiameter(int[][] edges) {        int n = edges.length + 1;        int[] dp = new int[n]; //  dp[i] 代表以 i 为根节点的子树中,i 到其后代节点的最长路径
// 生成邻接表 List<Integer>[] adt = new List[n]; for(int i = 0; i < n; i++) adt[i] = new ArrayList<Integer>(); for(int[] e: edges){ adt[e[0]].add(e[1]); adt[e[1]].add(e[0]); }
dfs(adt, -1, 0, dp); int[] max = new int[]{dp[0]}; dfs2(adt, -1, 0, dp, max); return max[0]; }
private void dfs(List<Integer>[] adt, int pa, int u, int[] dp){ for(int v: adt[u]){ if(pa == v)continue; dfs(adt, u, v, dp); dp[u] = Math.max(dp[u], dp[v] + 1); } // System.out.printf("%s, %s\n", u, dp[u]); }
private void dfs2(List<Integer>[] adt, int pa, int u, int[] dp, int[] max){ int m1 = 0, m2 = 0; //最大值和次大值 for(int v: adt[u]){ int val = dp[v] + 1; if(m1 <= val){ m2 = m1; m1 = val; }else{ m2 = Math.max(m2, val); } } for(int v: adt[u]){ if(pa == v)continue; int baku = dp[u], bakv = dp[v]; if(dp[v] + 1 == dp[u])dp[u] = m2; dp[v] = Math.max(dp[v], dp[u] + 1); max[0] = Math.max(max[0], dp[v]); dfs2(adt, u, v, dp, max); dp[u] = baku; dp[v] = bakv; } }}

(2)不换根,一趟树形 DP版代码

class Solution {    public int treeDiameter(int[][] edges) {        int n = edges.length + 1;        int[] dp = new int[n]; //  dp[i] 代表以 i 为根节点的子树中,i 到其他后代节点的最长路径
// 生成邻接表 List<Integer>[] adt = new List[n]; for(int i = 0; i < n; i++) adt[i] = new ArrayList<Integer>(); for(int[] e: edges){ adt[e[0]].add(e[1]); adt[e[1]].add(e[0]); }
dfs(adt, -1, 0, dp); int[] max = new int[]{dp[0]}; dfs2(adt, -1, 0, dp, max); return max[0]; }
private void dfs(List<Integer>[] adt, int pa, int u, int[] dp){ for(int v: adt[u]){ if(pa == v)continue; dfs(adt, u, v, dp); dp[u] = Math.max(dp[u], dp[v] + 1); } // System.out.printf("%s, %s\n", u, dp[u]); }
private void dfs2(List<Integer>[] adt, int pa, int u, int[] dp, int[] max){ int m1 = 0, m2 = 0; //最大值和次大值 for(int v: adt[u]){ int val = dp[v] + 1; if(m1 <= val){ m2 = m1; m1 = val; }else{ m2 = Math.max(m2, val); } } for(int v: adt[u]){ if(pa == v)continue; int baku = dp[u], bakv = dp[v]; if(dp[v] + 1 == dp[u])dp[u] = m2; dp[v] = Math.max(dp[v], dp[u] + 1); max[0] = Math.max(max[0], dp[v]); dfs2(adt, u, v, dp, max); dp[u] = baku; dp[v] = bakv; } }}


(3)不换根,一趟树形 DP版代码

class Solution {    public int treeDiameter(int[][] edges) {        int n = edges.length + 1;        int[] dp = new int[n]; //  dp[i] 代表以 i 为根节点的子树中,i 到其他后代节点的最长路径        // 生成邻接表        List<Integer>[] adt = new List[n];        for(int i = 0; i < n; i++) adt[i] = new ArrayList<Integer>();        for(int[] e: edges){            adt[e[0]].add(e[1]);            adt[e[1]].add(e[0]);        }
int[] max = new int[1]; dfs(adt, -1, 0, dp, max); return max[0]; }
/** pa 是 u 的父节点 */ private void dfs(List<Integer>[] adt, int pa, int u, int[] dp, int[] max){ for(int v: adt[u]){ if(pa == v)continue; dfs(adt, u, v, dp, max); // 父节点当能达到的最长路径,加上当前子节点到达的最长路径,加上 1,然后更新 max max[0] = Math.max(max[0], dp[u] + dp[v] + 1); dp[u] = Math.max(dp[v] + 1, dp[u]); } // System.out.printf("%s, %s, %s\n", u, dp[u], dp2[u]); }}


中等题:

👉 310.最小高度树

当你悟出了前面三道题之后,那这道题用树状 DP + 换根,思路也会变得自然,解题会很轻松。在换根时,依然采用了求最大和次大值的技巧。

这道题还有很多别的解法,可参考官方题解的 3 种解法,前两种比较数学化,而第三种会比较有趣。

最后奉上站内其他同学的解法,感兴趣的可以点击查看 👉「宫水三叶」树形 DP 运用题...

这位小伙伴是下面的思路:

树状 DP + 换根代码

class Solution {    private List<Integer>[] adt; // 邻接表    private int[] dp; // dp[i] 代表以 i 为根的子树的高度。注意,整棵树的根,是动态可变的。    private int[] dp2; // dp2 [i] 代表整棵树以 i 根时,树的高度    private int min;
public List<Integer> findMinHeightTrees(int n, int[][] edges) { dp = new int[n]; dp2 = new int[n]; min = Integer.MAX_VALUE; adt = new List[n]; Arrays.setAll(adt, value -> new ArrayList<>()); for (int[] e : edges) { adt[e[0]].add(e[1]); adt[e[1]].add(e[0]); }
// 进行一次树状 dp,以 0 为根节点 helper(-1, 0); dp2[0] = dp[0]; min = Math.min(dp[0], min);
// 换根 dfs(-1, 0);
List<Integer> ret = new ArrayList<>(); for(int i = 0; i < n; i++){ if(dp2[i] == min)ret.add(i); } return ret; }
/** * 换根 * @param pa u 的父节点 * @param u */ private void dfs(int pa, int u) { int m1 = 0, m2 = 0; // 最大和次大 for (int v : adt[u]) { int val = dp[v] + 1; if(m1 <= val){ m2 = m1; m1 = val; }else{ m2 = Math.max(m2, val); } } for (int v : adt[u]) { if(v == pa)continue; int baku = dp[u], bakv = dp[v]; if(dp[v] + 1 == dp[u])dp[u] = m2; dp[v] = Math.max(dp[u] + 1, dp[v]); // 求出以 v 为整颗树的根时,树的高度
min = Math.min(min, dp[v]); dp2[v] = dp[v];
// System.out.printf("换根%s, %s,%s, %s, %s\n",u, v, dp[v], min, ret); dfs(u, v); dp[u] = baku; dp[v] = bakv;
} }
/* * 自上而下带缓存的动态规划,pa 是 u 的父节点 * */ private void helper(int pa, int u) { for (int v : adt[u]) { if(pa == v)continue; helper(u,v); dp[u] = Math.max(dp[u], dp[v] + 1); } //System.out.printf("%s, %s\n", u, dp[u]); }}
写在最后:

解完这 4 道题,对树状 DP 感觉会没那么神秘和恐怖了。其实不管有没有“树状”这个修饰词,DP 最让人害怕的还是怎么想出状态转移方程。不同的状态转移思路,对应不同的解法。这四道题有个共同点,那就是都可以转换为求“最长路径”。也可能并不是所有的树状 DP 问题都会有这个共性,如果你还有更多的思路,欢迎投稿分享。

换根这个技巧,掌握了以后比较容易上手;追求不换根,反而会比较难。


BY / 

本文作者:老宋

编辑&版式:Janson

声明:本文归“力扣”版权所有,如需转载请联系。


点个在看,少个 bug

微信扫码关注该文公众号作者

戳这里提交新闻线索和高质量文章给我们。
相关阅读
郝景芳:3D太空探索课,让孩子爱上科学探索金碧辉煌的凡尔赛镜子厅直播预约 | 姜先良:涉案企业合规整改的方法论 | DPOHUB何谈第16期深度好文|一个咨询人的3年,5年,10年深度 | 坏土豆历时3年的倾心力作,一起探索历史深处的秘密《食品保卫战》:一场“食”事求是的探索之旅0元住五星酒店、土耳其希腊超低价深度游?26岁日本情侣花1年环游世界…今晚直播预约 | 姜先良:涉案企业合规整改的方法论 | DPOHUB何谈第16期产业资源赋能深度研究!华金证券研究所所长孙远峰:中小研究所的发展契机,长期存在于系统化的深度研究体系渡十娘|一场从美国到中国的漫长告别日本颁发年度游戏化大奖:展现游戏化思维对社交、人事管理的启发去乌节路感受圣诞气氛偶遇小陈Spring探索|既生@Resource,何生@Autowired?首颗国产DPU芯片点亮背后,我们对DPU又有了更清晰的认识3D太空探索课,让孩子爱上科学探索超休闲游戏买量成本创历史新高,副玩法买量让中重度游戏创新低?投资窍门是巧方法+笨功夫,核心是概率、安全边际和复利(深度)活动 北京|一场没有下限的脱口秀开放麦真正的成长,往往发生在最深的自我探索之后 | 100堂课带你深入自我探索重磅!上海GDP连续两年突破4万亿元,居民人均可支配收入增长到7.9万元!确定2023年GDP增长预期:5.5%以上红枣核桃酥(Walnut Date Biscuit Cookies)广东19市GDP公布!湾区9城GDP总额超10.46万亿研究发现,使用一种激素的避孕方法与使用组合激素的方法一样会增加患乳腺癌的风险【探索】百年张园亮相​央视!探索其惊艳重启背后的故事生命科技领域创新机会探索|活动报名深度好文|一夜之间,华尔街金融人的薪金都被爆了……ChatGPT背后大模型如何高效训练?京东探索研究院、悉大、中科大60页论文详述五大类训练方法一文梳理缺陷检测的深度学习和传统方法想去旅游吗?墨西哥与古巴永不分手,14日深度游,月月发团!为什么说具身智能是通往AGI值得探索的方向?上海交大教授卢策吾深度解读心心念念文学城洛杉矶14日深度游:旧金山+优胜美地+拉斯维加斯+羚羊彩穴+马蹄湾+黄石公园+大提顿公园+盐湖城+西峡谷 5-9月 LSYZ14Unity年度游戏研发洞察报告:跨平台成趋势,研发期6-18个月项目最多健身的圣诞老人向运动健身坛的朋友祝圣诞快乐有本好书送给你 | 《游戏与元宇宙:数字时代的媒介升维与深度游戏化》
logo
联系我们隐私协议©2024 redian.news
Redian新闻
Redian.news刊载任何文章,不代表同意其说法或描述,仅为提供更多信息,也不构成任何建议。文章信息的合法性及真实性由其作者负责,与Redian.news及其运营公司无关。欢迎投稿,如发现稿件侵权,或作者不愿在本网发表文章,请版权拥有者通知本网处理。