树上记忆化搜索（Crazy Bobo，HDU 5325）

树形DP，就是在树上进行动态规划，这要求树是一个有向无环图。对于大部分题目而言，要么给你一棵有向树（又称有根树）（同时也是一个有向无环图），要么给你一棵无向树，你可以根据需要转化成有向树（又称有根树）（同时也是一个有向无环图）来处理。具体处理方式就是一遍，两遍，甚至多遍dfs。

本题的话，我们可以用有方向的树来建模，虽然这棵树是一个有向无环图，但它不是一棵有向树（有根树），所以常规的dfs方法没有办法解决。我们只能把它当成一个普通的有向无环图来看待，然后再用记忆化搜索。

一开始的话，想了一个晚上没有什么好的思路。

题目要求在满足条件的前提下，集合最大。所以考虑过二分集合大小+构造。

暴力枚举构造显然是不行的。时间复杂度是指数级的。

而且感觉没办法贪心，这绝对是不是一个局部的问题。

思考过用图论算法或者DP来构造但是没有任何思路。

由于生成子图（子树）必须连通，所以删除的一定是叶子节点，所以我又考虑按某种顺序遍历每个节点，然后贪心剪枝（这个剪枝是真的剪枝，模拟去掉一些叶子）。但是一是我没有办法保证算法正确性，二是没想到什么快速的办法可以模拟。所以当时我就只好转换思路了。

讲具体一点，就是按照w从小到大的顺序遍历每个节点。如果这个节点至少有2个子节点所代表的子树包含比它小的w（以下简称坏子节点，如果有两个以上的坏子节点，那么就一定会出现不符合条件的情况，可以自己纸上模拟一下），那就要剪枝，直到剩下小于2个坏子节点为止，剪枝就是每次贪心减掉最小的子树。

如果从小到大遍历很容易找到反例，从大到小遍历也一样。主要是因为本来可以一刀切掉关键的节点的，但是因为顺序的原因整个集合被慢慢蚕食了。

推而广之，任何一个顺序（比如正常的树的遍历）都可能会出现这种蚕食的情况。

然后我又考虑从两种方案里挑一个更优解。

不过这个方法应该是不可行的。

1、因为我事后也找到了使这个方法不成立的图，就是无论按那种方式遍历，都会慢慢蚕食，然后在中盘被大量剪枝，导向错误的答案，比如：

2、其次是没法模拟，贪心剪枝需要知道一些信息，比如子树的大小，是不是坏节点（包含更小的w）。

如果遍历的顺序在树形结构上是无规律的（如果要保证在w大小方面是有规律的话），那么很难在维护信息，每次变动我都需要通知其他所有节点，或者每考虑一个新节点我都要去重新查询需要的信息。我只能想到O（n）的维护方法，即每次变动我都要重新维护所有节点的信息，或者每次剪枝我都要查询所有节点的信息，总时间复杂度O（n^2），无法承受。

如果遍历的顺序在结构上是有规律的（那么就要牺牲掉在w大小方面的规律），比如正常的树的dfs。那么我们可以通过两遍dfs的树形DP预处理出基本信息。然后第三遍dfs枚举节点，自底向上依次处理每个节点，然后顺便维护所需要的信息，这样总的时间复杂度就是O（n）了，但是在上面的讨论中我们已经知道了这个做法是错的。

最后我又尝试了DAG上的最长路。每个节点只可能往w比它大的节点走，最早从w最小的节点开始走，最晚到w最大的节点结束。这就是一个有向无环图，我们要找一个最长路，路径长度就是答案。状态数为O（n），但是转移的代价太高，也是O（n），尝试了各种办法优化，比如预处理（这不可能的时间复杂度要O（n^2）），单调栈，单调队列（这些也不行的，没有符合要求的性质），搜索（单次搜索最差情况也是O（n）的）。最后认为没有办法降低时间复杂度，所以就否定了这个办法。

主要问题是当时找不到什么规律，感觉树形结构太全局，有没法贪心暴力，也没有什么经典的算法可以套用。

但是第二天思考了一小会很快就找到规律并做了出来。

还是沿用了昨天思考过的一些东西，然后换了一种方式去解决。

昨天在思考DAG上的动态规划时，需要判断两点间路径上的最大w，就已经（才）发现了一些规律。

1、树和图的最大区别就是：树上的每个节点都是一个哨所（割顶），是连接两个或多个部分的必经之路。

2、在前往下一个节点的路径是唯一的，上面不能有比出发点的w还要高的节点，但是我们的目标节点的w一定比当前节点高，沿途必须经过我们曾经到过的节点（根据题意）。

如果把每个节点都比作山，我们每次就站在一个山的山顶，选择我们可以到达的（路上的山都更矮而且我们曾经来到过，目标山更高）最矮的山（否则这座山我们就再也不可能到达了）。然后沿着唯一的路径水平飞向下一座山，沿途飞过那些更矮的山，最后到达目的地，然后爬到山顶，再考虑下一座山，已经走过的山可以当成路径来使用，如此循环。如果一座较矮的山被另一座较高地山挡住了，我们就永远也不可能到达这座山了（我们不能穿过高山，我们只能飞往更高的山）。如果一座更高的山被一座更矮但却没去过的山挡住了，我们也永远不可能到达这座山了（路径上的山必须曾经到过，我们永远不可能到达路径上的山了）。

我们就像一只在盆地里乱飞的鸟，因为盆地外的山都被挡住了，我们也不能走下坡路，所以我们到不了了，我们只能每次在盆地贪心地把每一个山头都跑遍，直到没有山可以飞了。

问题就变成了在树上找一个类似盆地的地形，然后要求这个盆地尽量大。

记忆化搜索。

这不禁让我想起了一道题目:滑雪

https://vjudge.net/problem/POJ-1088

图（还是平面图，不过没什么乱用）上的记忆化搜索。

对比：

相同点：滑雪要求一直往下滑，本题要求一直往上走。

不同点：滑雪是图，求最长道路，本题是树，求最大区域。

无非就是记忆化搜索的东西不一样罢了。

如果将本题的树改成图，也是可以O（n）解决的。

区别就是一个曾经搜索过的区域可能会多次访问，但是我们只计算一次。所以我们需要对搜索过的区域进行染色，然后用一个VIS数组判重就可以解决，我们可以用++viscnt使得VIS数组不用每次memset，就可以做到O（n）了。

之所以会想那么久才做出来，我只能说：

从主观上来讲：当自己觉得穷尽了的时候，可以考虑换一种思路。

从客观上来讲：平常思考得少了，比赛时就得补。

ps：数组开小了，数据有5e5，我开了1e5，被搞了一波超时。。。

代码

#include<stdio.h>
#include<vector>
using namespace std;
const int maxn = 500010;

int n;
int w[maxn];
int dp[maxn];
vector<int>G[maxn];

void init()
{
    for(int i=1;i<=n;i++)
    {
        scanf("%d",w+i);
        G[i].clear();
        dp[i]=-1;
    }
    int u,v;
    for(int i=1;i<n;i++)
    {
        scanf("%d %d",&u,&v);
        G[u].push_back(v);
        G[v].push_back(u);
    }
}

int d(int u)
{
    int& ans = dp[u];
    if(ans!=-1) return ans;
    ans=1;
    for(int i=0;i<(int)G[u].size();i++)
    {
        int v = G[u][i];
        if(w[v]>w[u]) ans+=d(v);
    }
    return ans;
}

void solve()
{
    init();
    int ans=1;
    for(int i=1;i<=n;i++) ans=max(ans,d(i));
    printf("%d\n",ans);
}

int main()
{
    while(scanf("%d",&n)==1) solve();
    return 0;
}