动态规划07-树形 DP

树形$DP$一般思路，从分析子树入手，最优解通常是和子树根节点$u$相关的函数，状态计算就是寻找根节点和子节点以及权边的递推关系。编写代码，通常需要$dfs$，从根到叶，再从叶到根，在合适的时候$DP$。

没有上司的舞会

$Ural$大学有$N$名职员，编号为$1\sim N$。他们的关系就像一棵以校长为根的树，父节点就是子节点的直接上司。每个职员有一个快乐指数，用整数$Hi$给出，其中$1\le i\le N$。现在要召开一场周年庆宴会，不过，没有职员愿意和直接上司一起参会。在满足这个条件的前提下，主办方希望邀请一部分职员参会，使得所有参会职员的快乐指数总和最大，求这个最大值。
输入格式
第一行一个整数$N$。接下来$N$行，第$i$行表示$i$号职员的快乐指数$Hi$。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。（注意一下，后一个数是前一个数的父节点，不要搞反）。
输出格式
输出最大的快乐指数。
数据范围
$1\le N\le 6000$,$-128\le Hi\le 127$
输入样例
7
1
1
1
1
1
1
1
1 3
2 3
6 4
7 4
4 5
3 5
输出样例
5

解决思路

对于一颗以$u$为根节点的子树，其快乐指数应该是$u$的函数，分为选择$u$和不选$u$。因此对于状态的表示分为两种情况。
$dp[u][1]$是表示成选择以$u$为根节点的子树并包含$u$的快乐指数。
$dp[u][0]$是表示成选择以$u$为根节点的子树并不包含$u$的快乐指数。
对于两种状态的计算也分为不同的方式
以$son$代表$u$的子节点
$dp[u][1]=\sum dp[son][0]$
$dp[u][0]=\sum max(dp[son][1],dp[son][0])$
$DP$思路：首先从根节点$u$一直向下进行搜索，使用$dfs$，从叶节点返回时再使用返回值对状态进行$DP$运算。

代码实现

#include <iostream>
#include <algorithm>
#include <cstring>
using namespace std;

const int N = 6010;
int n;
int happy[N];
int h[N], e[N], ne[N], idx;
int dp[N][2];
bool has_father[N];

void add(int a, int b)
{
    e[idx] = b;
    ne[idx] = h[a];
    h[a] = idx++;
}

void dfs(int u)
{
    dp[u][1] = happy[u];
    for(int i = h[u]; i != -1; i = ne[i])
    {
        int son = e[i];
        //先进行更新，在使用更新后的值进行状态转换
        dfs(son);
        dp[u][1] += dp[son][0];
        dp[u][0] += max(dp[son][0],dp[son][1]);
    }
}

int main()
{
    cin >> n;
    
    for(int i = 1; i <= n; i++)
    {
        cin >> happy[i];
    }
    
    memset(h, -1, sizeof h);
    
    for(int i = 0; i < n - 1; i++)
    {
        int a, b;
        cin >> a >> b;
        has_father[a] = true;
        add(b,a);
    }
    
    int root = 1;
    //寻找根节点
    while(has_father[root])
    {
        root++;
    }
    
    dfs(root);
    
    cout << max(dp[root][0],dp[root][1]);
    return 0;
}