【算法详解】基础树形动态规划

关于树形DP

我们学过的一般的DP方程都是一维或者二维的，而数组是一种线性结构，具有很强的位置关系限制（一个挨着一个），所以一般在线性结构上的DP都很容易计算。

然而除了线性的数据结构之外，还有很多非线性的数据结构，最典型的就是树。

由于树本身的特殊性质，树的局部性体现在其递归结构上：即以一个节点为根的子树是由它儿子们的子树组成的，所以我们在解决树形DP问题的时候一般是选择按照层数从底向上，也就是对于每个节点，用其子节点的子树答案计算出它的子树答案。

而树形DP一般需要使用递归的形式解决。
接下来，我们就从几道简单易懂的例题中去分析树形动态规划的做法

---

1.战略游戏

题目描述

Bob喜欢玩电脑游戏，特别是战略游戏。但是他经常无法找到快速玩过游戏的办法。现在他有个问题。他要建立一个古城堡，城堡中的路形成一棵树。他要在这棵树的结点上放置最少数目的士兵，使得这些士兵能了望到所有的路。注意，某个士兵在一个结点上时，与该结点相连的所有边将都可以被了望到。

请你编一程序，给定一树，帮Bob计算出他需要放置最少的士兵。

Solution
对于这道题，因为由n个点n-1条边组成，所以我们要使用树形DP。

而树形DP的主要思路就是：选取一个根节点，再扩展子节点，得到子节点的DP值，根据子节点的DP结果通过回溯获得DP值。

我们不妨设第一个点为根节点。设f[i][0/1]表示以第i个节点为根节点，第i个节点是否有是（1）否（0）有士兵，使整棵树都满足题意的最小代价。

则状态转移方程十分简单：
$$f[i][0]=\sum _{j\in son(i)}f[j][1]$$
$$f[i][1]=\sum _{j\in son(i)}min(f[j][0],f[j][1])+1$$

而主要的难点则是枚举的过程：

void dp(int x)
{
   
	v[x]=1;
	标记，去重，避免子节点和父亲节点相互枚举
	for (int i=0;i<a[x].size();++i)
	{
   
		int y=a[x][i];
		if (v[y]) continue;
		避免往回搜索 
		dp(y);
		对子节点进行状态转移
		f[x][0]+=f[y][1];
		f[x][1]+=min(f[y][0],f[y][1]);
		进行状态转移
	}
	f[x][1]++;
	不要忘了加上自身
	return;
}

需要通过深搜，一个特殊的枚举方式来枚举树形结构；在对于节点i进行状态转移之前，由于需要子节点的状态，因此在状态转移之前需要对子节点也进行一次DP转移；通过子节点转移以后，利用回溯将子节点的DP值完成转移，再转移回上一层。

仔细理解一下其独特的枚举方式。

参考代码：

#include<bits/stdc++.h>
using namespace std;
const int N=1600;
int f[N][2],n,sum=0,v[N];
vector < int > a [N] ;