前言:寒假讲过树形DP,这次再复习一下。

--------------

基本的树形DP

实现形式

树形DP的主要实现形式是$dfs$。这是因为树的特殊结构决定的——只有确定了儿子,才能决定父亲。划分阶段的话一般是$f[i][j][0/1]$。$i$表示以$i$为根的子树,$j$一般表示保留$j$个子节点,$0/1$表示选/不选这个节点。一般第三维可以省去。

基本的DP方程

选择节点类

$f[i][0]=f[j][1]$

$f[i][1]=max/min(f[j][0],f[j][1])$

背包类

$f[v][k]=f[u][k]+val$

$f[u][k]=max(f[u][k],f[v][k-1])$

例题

没有上司的舞会

题目链接

设$f[i][0/1]$表示$i$这个人去/不去舞会能获得的最大快乐指数。

状态转移方程:

$f[u][0]=max(f[v][0],f[v][1])$

$f[u][1]=val[u]+f[v][0]$

最大子树和

题目链接

设$f[i]$表示以$i$为根的子树所能获得的最大美丽指数。

状态转移方程:$f[u]=val[u]+max(f[v],0)$

注意有负数。

树形DP求树的直径

树的直径,即树上最远点对,一般有两种做法:两次$dfs$和树形$DP$。两种方法这里都会讲一下。

两次$dfs$

步骤:我们先找任意一点的最远点$p$,再找$p$的最远点$w$。从$p$到$w$的距离就是树的直径。

证明:

①若$P$已经在直径上,根据树的直径的定义可知$Q$也在直径上且为直径的一个端点

②若$P$不在直径上,我们用反证法,假设此时$WQ$不是直径,$AB$是直径

--->若$AB$与$PQ$有交点$C$,由于$P$到$Q$最远,那么$PC+CQ>PC+CA$,所以$CQ>CA$,易得$CQ+CB>CA+CB$,即$CQ+CB>AB$,与$AB$是直径矛盾,不成立。

--->若$AB$与$PQ$没有交点,$M$为$AB$上任意一点,$N$为$PQ$上任意一点。首先还是$NP+NQ>NQ+MN+MB$,同时减掉$NQ$,得$NP>MN+MB$,易知$NP+MN>MB$,所以$NP+MN+MA>MB+MA$,即$NP+MN+MA>AB$,与$AB$是直径矛盾,所以这种情况也不成立。

代码:

//
#include<bits/stdc++.h>
using namespace std;
int dis[],ans,p;
struct node
{
int next,to,dis;
}edge[];
int head[],cnt;
inline void add(int from,int to,int dis)
{
edge[++cnt].next=head[from];
edge[cnt].to=to;
edge[cnt].dis=dis;
head[from]=cnt;
}
void dfs(int now,int fa)
{
if (ans<dis[now])
{
ans=dis[now];p=now;
}
for (int i=head[now];i;i=edge[i].next)
{
int to=edge[i].to;
if (to==fa) continue;
dis[to]=dis[now]+edge[i].dis;
dfs(to,now);
}
}
void find(int x)
{
ans=;
dis[x]=;
dfs(x,);
}
int main()
{
cin>>n>>m;
for (int i=;i<=m;i++)
{
int u,v,d;
cin>>u>>v>>d;
add(u,v,d);add(v,u,d);
}
find();
find(p);
cout<<ans;
return ;
}

树形DP

设$dis1[i]$和$dis2[i]$表示以$i$为根的子树中以$i$为起点的最大距离和次大距离。

状态转移方程:

$if (dis1[i]<dis1[j]+edge[i].dis) dis2[i]=dis1[i],dis1[i]=dis1[j]+edge[i].dis$

$else if (dis2[i]<dis1[j]+edge[i].dis) dis2[i]=dis1[j]+edge[i].dis$。

理解:这样做就是,先看能否更新最大值,若能,它的次大值就是原先的最大值,再更新它的最大值;若不能,就看能不能更新次大值,若能,就更新,不能就不管它。

$ans=\max {dis1[i]+dis2[i]}$

代码:

#include<cstdio>
#include<cstring>
#include<algorithm>
using namespace std;
const int N=;
int n,m,t,ans;
int f1[N],f2[N];
int first[N],v[N],w[N],next[N];
void add(int x,int y,int z){
t++;
next[t]=first[x];
first[x]=t;
v[t]=y;
w[t]=z;
}
void dp(int x,int father)
{
int i,j;
for(i=first[x];i;i=next[i])
{
j=v[i];
if(j==father) continue;
dp(j,x);
if(f1[x]<f1[j]+w[i])
{
f2[x]=f1[x];
f1[x]=f1[j]+w[i];
}
else if(f2[x]<f1[j]+w[i])
f2[x]=f1[j]+w[i];
ans=max(ans,f1[x]+f2[x]);
}
}
int main()
{
int x,y,z,i;
scanf("%d%d",&n,&m);
for(i=;i<=m;++i)
{
scanf("%d%d%d",&x,&y,&z);
add(x,y,z);
add(y,x,z);
}
dp(,);
printf("%d",ans);
return ;
}

树形DP求树的重心 

对于一棵$n$个节点的无根树,找到一个点,使得把树变成以该点为根的有根树时,最大子树的节点数最小。换句话说,删除这个点后最大连通块的节点数最小,那么这个点就是树的重心。

解法:任选一个节点为根,把无根树变成有根树,然后设$f[i]$表示以$i$为根的子树的节点个数。不难发现$f[i]=\sum \limits_{j\in s[i]}f[j]+1$。程序实现很简单:只需要一次$dfs$,在无根树转化成有根树的同时计算即可。其实在删除节点$i$后,最大的连通块有多少个节点呢?节点$i$的子树中最大的有$max{f[j]}$个节点,$i$的上方子树中有$n-f[i]$个节点,在$DP$过程中根据定义就可以找出树的重心了。

代码:

#include <iostream>
#include <cstdio>
#include <cstring>
#include <cstdlib>
#include <cmath>
#include <algorithm>
#include <vector>
using namespace std; vector<int> G[];
int dp[],tot[];
vector<int> ans; void dfs(int u)
{
tot[u] = ;
for(int i=;i<G[u].size();i++)
{
int v = G[u][i];
if(tot[v] == -)
dfs(v);
else
continue;
dp[u] = max(dp[u],tot[v]);
tot[u] += tot[v];
}
} int main()
{
int n,i,j,u,v;
scanf("%d",&n);
for(i=;i<=n;i++)
G[i].clear();
for(i=;i<n-;i++)
{
scanf("%d%d",&u,&v);
G[u].push_back(v);
G[v].push_back(u);
}
memset(dp,,sizeof(dp));
memset(tot,-,sizeof(tot));
dfs();
int mini = Mod;
for(i=;i<=n;i++)
{
int tmp = max(dp[i],n-tot[i]);
if(tmp < mini)
{
ans.clear();
ans.push_back(i);
mini = tmp;
}
else if(tmp == mini)
ans.push_back(i);
}
printf("%d %d\n",mini,ans.size());
sort(ans.begin(),ans.end());
printf("%d",ans[]);
for(i=;i<ans.size();i++)
printf(" %d",ans[i]);
puts("");
return ;
}

树形DP 学习笔记(树形DP、树的直径、树的重心)的更多相关文章

  1. 树形DP 学习笔记

    树形DP学习笔记 ps: 本文内容与蓝书一致 树的重心 概念: 一颗树中的一个节点其最大子树的节点树最小 解法:对与每个节点求他儿子的\(size\) ,上方子树的节点个数为\(n-size_u\) ...

  2. 数位DP学习笔记

    数位DP学习笔记 什么是数位DP? 数位DP比较经典的题目是在数字Li和Ri之间求有多少个满足X性质的数,显然对于所有的题目都可以这样得到一些暴力的分数 我们称之为朴素算法: for(int i=l_ ...

  3. DP学习笔记

    DP学习笔记 可是记下来有什么用呢?我又不会 笨蛋你以后就会了 完全背包问题 先理解初始的DP方程: void solve() { for(int i=0;i<;i++) for(int j=0 ...

  4. 树形$dp$学习笔记

    今天学习了树形\(dp\),一开始浏览各大\(blog\),发现都\(TM\)是题,连个入门的\(blog\)都没有,体验极差.所以我立志要写一篇可以让初学树形\(dp\)的童鞋快速入门. 树形\(d ...

  5. [学习笔记]树形dp

    最近几天学了一下树形\(dp\) 其实早就学过了 来提高一下打开树形\(dp\)的姿势. 1.没有上司的晚会 我的人生第一道树形\(dp\),其实就是两种情况: \(dp[i][1]\)表示第i个人来 ...

  6. [总结] 动态DP学习笔记

    学习了一下动态DP 问题的来源: 给定一棵 \(n\) 个节点的树,点有点权,有 \(m\) 次修改单点点权的操作,回答每次操作之后的最大带权独立集大小. 首先一个显然的 \(O(nm)\) 的做法就 ...

  7. 洛谷4719 【模板】动态dp 学习笔记(ddp 动态dp)

    qwq大概是混乱的一个题. 首先,还是从一个比较基础的想法开始想起. 如果每次暴力修改的话,那么每次就可以暴力树形dp 令\(dp[x][0/1]\)表示\(x\)的子树中,是否选择\(x\)这个点的 ...

  8. 动态 DP 学习笔记

    不得不承认,去年提高组 D2T3 对动态 DP 起到了良好的普及效果. 动态 DP 主要用于解决一类问题.这类问题一般原本都是较为简单的树上 DP 问题,但是被套上了丧心病狂的修改点权的操作.举个例子 ...

  9. 斜率优化DP学习笔记

    先摆上学习的文章: orzzz:斜率优化dp学习 Accept:斜率优化DP 感谢dalao们的讲解,还是十分清晰的 斜率优化$DP$的本质是,通过转移的一些性质,避免枚举地得到最优转移 经典题:HD ...

随机推荐

  1. nginx限制访问域名,禁止IP访问

    有些时候我们希望系统只能通过固定的域名访问,禁止IP或者恶意绑定的域名访问. 下面的nginx配置,假如host变量不是指定的域名,将返回403. server { listen 80; server ...

  2. Mysql基础(二):MySQL之存储引擎

    目录 MySQL之存储引擎 1.MySQL存储引擎介绍 2.MySQL结构 3.MySQL存储引擎分类 4.存储引擎的使用 5.总结 MySQL之存储引擎 1.MySQL存储引擎介绍 MySQL中的数 ...

  3. python 生成器(五):生成器实例(一)创建数据处理管道

    问题 你想以数据管道(类似Unix管道)的方式迭代处理数据. 比如,你有个大量的数据需要处理,但是不能将它们一次性放入内存中. 解决方案 生成器函数是一个实现管道机制的好办法. 为了演示,假定你要处理 ...

  4. Django框架01 / http协议、web框架本质

    Django框架01 / http协议.web框架本质 目录 Django框架01 / http协议.web框架本质 1.http协议 1.1 http协议简介 1.2 什么是http协议 1.3 H ...

  5. Python模块01/自定义模块/time模块/datetime模块/random模块

    Python模块01/自定义模块/time模块/datetime模块/random模块 内容大纲 1.自定义模块 2.time模块 3.datetime模块 4.random模块 1.自定义模块 1. ...

  6. windows python的多进程

    最近打比赛,apply操作极慢,队友使用了线程池,用多核开辟多线程跑,加速. 在阿里平台上,都没问题. 我是win10系统+jupyter notebook 多线程那个模块运行,会显示一直运行,p.c ...

  7. Python数据可视化:画饼状图、折线图、圈图

    前言 本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理. from math import pi import matplotlib ...

  8. Sequential Minimal Optimization: A Fast Algorithm for Training Support Vector Machines 论文研读

    摘要 本文提出了一种用于训练支持向量机的新算法:序列最小优化算法(SMO).训练支持向量机需要解决非常大的二 次规划(QP)优化问题.SMO 将这个大的 QP 问题分解为一系列最小的 QP 问题.这些 ...

  9. 从连接器组件看Tomcat的线程模型——BIO模式

    在高版本的Tomcat中,默认的模式都是使用NIO模式,在Tomcat 9中,BIO模式的实现Http11Protocol甚至都已经被删除了.但是了解BIO的工作机制以及其优缺点对学习其他模式有有帮助 ...

  10. 设计模式:observer模式

    目标:定义对象间的一种一对多的依赖关系,当一个对象的状态发生改变时,所有依赖于它的对象都得到通知并被自动更新 例子: class Observer //观察者 { public: virtual vo ...