树形动态规划（dp）

一、基本概念

	树形动态规划，顾名思义，就是在“树”的数据结构上做动态规划，
通过有限次地遍历树，记录相关信息，以求解问题。通常，动态规划
都是线性的或者是建立在图上的，线性的动态规划的顺序有两种方向
即向前和向后，相应的状态转移方程有两种，即顺推与逆推，而树形
动态规划是建立在树上的，树中的父子关系天然就是个递归（子问题）
结构，所以也相应的有两个方向。
	（1）叶→根，即根的子结点传递有用的信息给根，之后由根得出
最优解的过程。这种方式DP的题目应用比较多。
	（2）根→叶，即需要取所有点作为一次根结点进行求值，此时父
结点得到了整棵树的信息，只需要去除这个儿子的DP值的影响，然后
再转移给这个儿子，这样就能达到根→叶的顺序。
	动态规划的顺序：一般按照后序遍历的顺序，即处理完儿子再处
理当前结点，才符合树的子结构的性质。
	实现方式：树形DP是通过记忆化搜索实现的，因此采用的是递归
方式。
	时间复杂度：树形动态规划的时间复杂度基本上是O(n)；若有附
加维m，则是O(n×m)。

二、经典问题

1.树的重心
	对于一棵n个结点的无根树，找到一个点，使得把树变成以该点
为根的有根树时，最大子树的结点数最小。换句话说，删除这个点后
最大连通块的结点数最小，那么这个点就是树的重心。
	解法：任选一个结点为根，把无根树变成有根树，然后设f[i]表
示以i为根的子树的结点个数。不难发现f[i]＝ ∑f[j]+1（j∈s[i]）
程序实现很简单：只需要一次DFS，在无根树转有根树的同时计算即
可。其实在删除结点i后，最大的连通块有多少个结点呢?结点i的子
树中最大的有max{f[j]}个结点，i的“上方子树”中有n-f[i]个结点，
在动态规划的过程中就可以根据定义顺便找出树的重心了。
2.树的最长路径(最远点对)
	给定一棵n个结点的边带权的树，找到一条最长路径。换句话说，
要找到两个点，使得它们的距离最远，它们之间的路径就是树最长路径。

解法：一棵有根树的最长链，可能出现如图5-2-1所示的两种情况。

	要解决这个问题，我们只需要求出以每个结点为根的子树中的最
长链，取其中的最大值即为该树的最长链，
	对于每个结点我们都要记录两个值，d1[i]表示以i为根的子树中
i到叶子结点的距离最大值，d2[i]表示以i为根的子树中，除距离最大
值所在子树，i到叶子结点的距离最大值(也就是次大值)；令j是i的儿
子。则：
  (1)若d1[j]+dis[i][j]>d1[i]，
 	 则d2[i]=d1[i];d1[i]=d1[j]+ds[i][j];
  (2)否则，若d1[j]+dis[i][j]>d2[i],
 	 则d2[i]=d1[j]+dis[i][j];
  最后扫描所有的结点，找最大的d1[i]+d2[i]的值。
3.树的中心问题
	给出一棵边带权的树，求树中的点，使得此点到树中的其他结点
的最远距离最近。
	分析：从任意一点i出发的最长路径的可能形态有两种。
	(1)从i点出发向上，即终点不在以i为根的子树中的最长路径长度
为u[i]：
	(2)从i点出发向下，即终点在以i为根的子树中的最长路径长度
为d1[i]。
	这里的关键是如何计算u[i]。i点向上的路径必经过(i，prt[i])，
而i点的父结点prt[i]又引出了两条路径：一条是prt[i]向上的最长路
径，其长度为u[prt[i]]；另一条是prt[i]向下的路径，该路径不能途
经i点，否则会产生重复计算。
	设d1[i]表示以i为根的子树中，i到叶子结点的距离最大值；
	d2[i]表示以i为根的子树中，i到叶子结点的距离次大值；
	分别用c1[i]和c2[i]记录d1[i]，d2[i]是从哪个子树更新来的。
	u[i]表示除了以i为根的子树中的叶子结点外，其他的叶子结点到
i的最大值。
	(1)首先，一遍树形DP算出d1，d2，c1，c2。令j是i的儿子，则：
		<1>若d1[j]+dist[i][j]>d1[i],则
			d2[i]=d1[i],d1[i]=d1[j]+dist[i][j]；
		<2>否则，若d1[j]+dist[i][j]>d2[i]，则
			d2[i]=d1[j]+dist[i][j]。
	(2)设prt[i]=x，
		若c1[x]!=i即d1[x]不从i更新而来的，那么
			u[i]=max{d1[x],u[x]}+dist[x][i];
		若c1{x]=i即d1[x]从i更新而来的，那么
			u[i]=max{d2[x],u[x]}+dist[x][i];
	(3)最后在n个结点中找出最大值，即：
			t[i]=max(u[i],d1[i])(1<=i<=n).
	(4)树的中心：ans=min{t[i]}(1≤i=<n)。
4.普通的树形DP
	给定一棵树，现在要从中选出最少的结点，使得所有边至少有一
个端点在选中的集合中。
	分析：按照要求构建一棵树。对于这类最值问题，向来是用动态
规划求解的。
	点的取舍可以看作一种决策，那么状态就是在某个点取的时候或
者不取的时候，以它为根的子树的最小代价、分别可以用f[j][1]和
f[j][0]表示。
	当这个点不取的时候，它的所有儿子都要取，所以
		f[i][0]=∑f[i][1](j∈son[i])
当这个点要取的时候，它的所有儿子取不取无所谓，不过当然应该取
最优的一种情况。所以
	f[i][1]=(∑min{f[j][1],f[j][0]}（j∈son[i]）)+1
	普通的树形DP中，常常会采用叶→根的转移形式，根据父结点的
状态确定子结点的状态，若子结点有多个，则需要一一枚举，将子
结点(子树)的DP值合并。树形DP还有一个重要拓展是与各类树形数
据结构结合。例如，Trie上的DP，AC自动机上的DP、后缀自动机上
的DP等。

三、例题

加分二叉树

题目描述
原题来自：NOIP 2003
设一个n个节点的二叉树tree的中序遍历为（1,2,3,…,n），其中数字1,2,3,…,n为节点编号。每个节点都有一个分数（均为正整数），记第i个节点的分数为di，tree及它的每个子树都有一个加分，任一棵子树subtree（也包含tree本身）的加分计算方法如下：
subtree的左子树的加分× subtree的右子树的加分＋subtree的根的分数。
若某个子树为空，规定其加分为1，叶子的加分就是叶节点本身的分数。不考虑它的空子树。
试求一棵符合中序遍历为（1,2,3,…,n）且加分最高的二叉树tree。要求输出；
（1）tree的最高加分
（2）tree的前序遍历

输入格式
第一行一个整数 n 表示节点个数；

第二行 n 个空格隔开的整数，表示各节点的分数。

输出格式
第一行一个整数，为最高加分 b；

第二行 n 个用空格隔开的整数，为该树的前序遍历。

样例
Input
5
5 7 1 2 10
Output
145
3 1 2 4 5
数据范围与提示
对于 100% 的数据，n<30,b<100，结果不超过 4*10^9 。

我们发现，中序遍历区间内任何一点都可以当做根，根左边的部分一定是左子树，根右边的一定是右子树。我们可以区间DP枚举根，然后开个数组记录根。先序遍历时就按照根的顺序递归二分输出根就好了。

AC代码

#include <cstring>
#include <iostream>
#include <algorithm>
using namespace std;
const int N = 30;
int n;
int w[N];
int f[N][N], g[N][N];
void dfs(int l,int r)
{
    if(l>r) 
		return;
    int k = g[l][r];
    printf("%d ",k);
    dfs(l, k - 1);
    dfs(k + 1, r);
}
int main()
{
    scanf("%d",&n);
    for(int i=1;i<=n;i++)
		scanf("%d",&w[i]);
    for(int len=1;len<=n;len++)
        for(int l=1;l+len-1<=n;l++){
            int r=l+len-1;
            if(len==1) 
				f[l][r]=w[l],g[l][r]=l;
            else{
                for(int k=l;k<=r;k++){
                    int left=(k==l?1:f[l][k-1]);
                    int right=(k==r?1:f[k+1][r]);
                    int score=left*right+w[k];
                    if(score>f[l][r]){
                        f[l][r]=score;
                        g[l][r]=k;
                    }
                }
            }
        }
	printf("%d\n",f[1][n]); 
    dfs(1, n);
    return 0;
}