树形DP(邻接表)

前言

本篇的代码均是由邻接表来进行存储，大概在还会再来一个用链式前向星版的吧~ （下次一定）

ps: 笔者已经很用心的在打$LaTeX$了，但还是不够规范，望路过的大巨佬们多多指正

概念

度娘说

树形动态规划问题可以分解成若干相互联系的阶段，在每一个阶段都要做出决策，全部过程的决策是一个决策序列。要使整个活动的总体效果达到最优的问题，称为多阶段决策问题。

感觉好像并不明白她在说什么
其实笔者个人理解，树形DP更像是记忆化搜索，各个节点都像树一样连接着。（无环图）树形DP顾名思义就是像树一样的DP，在有n个节点的时候，有n-1条边连接着。
such as this

在解决树形DP的问题时，我们通常以节点从深至浅作为阶段，同时以递归来实现。就像后序遍历一样。

那么树形DP有什么作用呢？下面引出三种最版的题（也是今天笔者将要在本篇中写的）。

• 最大独立子集
• 树的重心
• 树的直径

最大独立子集

什么是最大独立子集呢？让我们来引出一道题来看看。

没有上司的晚会

题目描述

Ural大学有N个职员，编号为1~N。他们有从属关系，也就是说他们的关系就像一棵以校长为根的树，父结点就是子结点的直接上司。每个职员有一个快乐指数。现在有个周年庆宴会，要求与会职员的快乐指数最大。但是，没有职员愿和直接上司一起参加宴会。

输入格式

第一行一个整数N。(1≤N≤6000)

接下来N行，第i+1行表示i号职员的快乐指数Ri。(-128≤Ri≤127)

接下来N-1行，每行输入一对整数L,K。表示K是L的直接上司。

最后一行输入0,0。

输出格式

第1行：输出最大的快乐指数。

样例

样例输入
7
1
1
1
1
1
1
1
1 3
2 3
6 4
7 4
4 5
3 5
样例输出
5

从上题中我们就可以看见，对于每个节点，如果选中了它，就不可能选它的父亲节点和儿子节点。那么对于每一个节点我们就有了两种状态，选与不选。
设第i个为$dp[i]$， $dp[i][1]$表示选它自己$dp[i][0]$表示不选它自己
那么状态转移方程就显而易见了

$dp[i][0]=\sum ma{x}_{(}dp[j][0],dp[j][1])———j\in son(i)$
$dp[i][1]=$