树形DP简介

树形dp就是在树上进行的dp。由于树具有递归的性质,因此树形dp一半都是用递归的方式进行的。

问题的大意是,选了父节点,那么它的直接子节点就不能被选择,求总的权值的最大值。

题目:P1352 没有上司的舞会

这题是树形dp的板子题,每个节点都有被选择和不被选择两种情况。

用数组dp[n][0]记录第n个节点不被选择的情况,用数组dp[n][1]记录被选择的情况。

那么就有状态转移方程

dp[n][0] = Σ(max(dp[x][0],dp[x][1]),其中,x是n的所有子节点

dp[n][1] = a[n] + Σ(dp[x][0])

然后总的权值和的最大值就是 max(dp[root][0],dp[root][1])

下面给出代码实现:

#include <bits/stdc++.h>
using namespace std;
#define MAXN 6006
typedef long long ll;

int r[MAXN];
int n;

//采用链式前向星的方式存储树
struct edge
{
    int u, v, next;

} e[4 * MAXN];

int head[MAXN];
int js_edge = 0;
void add_edge(int u, int v)
{
    js_edge++;
    e[js_edge].u = u;
    e[js_edge].v = v;
    e[js_edge].next = head[u];
    head[u] = js_edge;
}

ll dp[MAXN][2];
bool vis[MAXN] = {false};

void dfs(ll u)
{
    vis[u] = true;
    dp[u][1] = r[u];
    for (int i = head[u]; i != 0; i = e[i].next)
    {
        //被搜索过的就不再搜索
        if (vis[e[i].v])
            continue;

        dfs(e[i].v);
        dp[u][0] += max(dp[e[i].v][0], dp[e[i].v][1]);
        dp[u][1] += dp[e[i].v][0];
    }
}

bool is_root[MAXN];
int main()
{
    ios::sync_with_stdio(false);
    cin.tie(0);
    cout.tie(0);

    memset(is_root, 1, sizeof(bool) * MAXN);

    cin >> n;
    for (int i = 1; i <= n; ++i)
        cin >> r[i];

    int l, k;
    for (int i = n + 2; i <= 2 * n; ++i)
    {
        cin >> l >> k;
        is_root[l] = false;
        add_edge(k, l);
    }

    for (int i = 1; i <= n; ++i)
    {
        //找到根节点
        if (is_root[i])
        {
            dfs(i);
            cout << max(dp[i][0], dp[i][1]) << endl;
            return 0;
        }
    }
}

转载请注明原文:https://www.longjin666.top/?p=994

  • 1
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
树形动态规划(Tree DP)是一种常用的动态规划算法,用于解决树结构相关的问题。在Python中,可以使用递归或者迭代的方式实现树形DP树形DP的基本思想是,从树的叶子节点开始,逐层向上计算每个节点的状态,并利用已经计算过的节点状态来更新当前节点的状态。这样可以通过自底向上的方式,逐步计算出整个树的最优解。 下面是一个简单的示例,演示如何使用树形DP解决一个二叉树中节点权值之和的最大值问题: ```python class TreeNode: def __init__(self, val=0, left=None, right=None): self.val = val self.left = left self.right = right def max_sum(root): if root is None: return 0 # 递归计算左右子树的最大权值和 left_sum = max_sum(root.left) right_sum = max_sum(root.right) # 当前节点的最大权值和为当前节点值加上左右子树中较大的权值和 return root.val + max(left_sum, right_sum) # 构建一个二叉树 root = TreeNode(1) root.left = TreeNode(2) root.right = TreeNode(3) root.left.left = TreeNode(4) root.left.right = TreeNode(5) # 计算二叉树中节点权值之和的最大值 result = max_sum(root) print(result) ``` 这段代码中,我们定义了一个`TreeNode`类来表示二叉树的节点,其中`val`表示节点的权值,`left`和`right`分别表示左子节点和右子节点。`max_sum`函数使用递归的方式计算二叉树中节点权值之和的最大值,通过比较左右子树的最大权值和来确定当前节点的最大权值和。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值