谈谈树的直径

问题1:

求一个点到树上另一个点距离的最大值,另一个点是树的直径的端点

证明:

a,b为直径, 若x到树上的最大距离为x--y 

因为y到x是最长 dis(u,y) > dis(a,u) 否则a到x是最长的

因此 直径显然变为(a,y)或(b,y)


问题2

求树上一个点使得这个点到其它所有的最大距离最小,则这个点在直径上

因为到x距离最大的点是A或B 所以x显然没有U优,最优的U也被称为树的中心


未完待续...希望巨佬补充

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
蒙特卡罗搜索算法(Monte Carlo Tree Search, MCTS)是一种用于决策制定的启发式搜索算法,特别适用于那些具有大量可能的状态和不完全信息的问题。它在许多领域都有广泛应用,在游戏中尤为著名。 MCTS的核心思想是通过模拟随机样本来评估候选行动的价值,并根据模拟结果进行选择。它通过构建一棵搜索来组织和指导搜索过程。下面是MCTS的基本步骤: 1. 选择(Selection):从根节点开始,根据一定策略选择子节点,直到达到叶节点。选择策略可以使用Upper Confidence Bound(UCB)算法,平衡探索与利用之间的关系。 2. 扩展(Expansion):如果叶节点不是终止状态,那么根据可行的行动扩展新的子节点。 3. 模拟(Simulation):从扩展的子节点开始,使用随机策略或启发式策略模拟游戏的进行,直到达到终止状态,得到一个模拟结果。 4. 回溯(Backpropagation):将模拟结果反向传播到搜索中,更新每个节点的统计信息,例如访问次数和收益。 通过不断重复以上步骤,MCTS搜索会逐渐收敛于最佳行动。在每次决策时,选择访问次数最多的子节点作为最佳行动。 蒙特卡罗搜索算法在围棋、国际象棋、扑克等复杂的博弈游戏中取得了显著的成功,尤其是在AlphaGo的实现中。它的优势在于能够处理大规模状态空间和不完全信息,并且不依赖领域专家的知识。此外,MCTS还可以用于其他领域的决策问题,如路径规划和资源分配等。
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

打赏作者

FSYo

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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