主頁 > 資料庫 > 「總結」樹形DP

「總結」樹形DP

2020-10-05 16:44:03 資料庫

什么是樹形DP?

概念:

給定一棵有N個節點的樹(通常是無根樹,也就是有N-1條無向邊),我們可以任選一個節點為根節點,從而定義出每個節點的深度和每棵子樹的根,

在樹上設計動態規劃演算法時,一般就以節點從深到淺(子樹從小到大)的順序作為DP的“階段”,DP的狀態表示中,第一維通常是節點編號(代表以該節點為根的子樹),大多數時候,我們采用遞回的方式實作樹形動態規劃,對于每個節點x,先遞回在它的每個子節點上進行DP,在回溯時,從子節點向節點x進行狀態轉移,

如何樹形DP?

樹形DP一般可以解決三類問題:
①最大獨立子集
②樹的重心
③樹的直徑
而這三類問題是樹形dp題的基礎,

最大獨立子集

最大獨立子集的定義是,對于一個樹形結構,所有的孩子和他們的父親存在排斥,也就是如果選取了某個節點,那么會導致不能選取這個節點的所有孩子節點,一般詢問是要求給出當前這顆樹的最大獨立子集的大小(被選擇的節點個數),

最經典的莫過于這道題:

沒有上司的晚會

題目描述
Ural大學有N個職員,編號為1~N,他們有從屬關系,也就是說他們的關系就像一棵以校長為根的樹,父結點就是子結點的直接上司,每個職員有一個快樂指數,現在有個周年慶宴會,要求與會職員的快樂指數最大,但是,沒有職員愿和直接上司一起參加宴會,

輸入格式
第一行一個整數N,(1≤N≤6000)
接下來N行,第i+1行表示i號職員的快樂指數Ri,(-128≤Ri≤127)
接下來N-1行,每行輸入一對整數L,K,表示K是L的直接上司,
最后一行輸入0,0,

輸出格式
第1行:輸出最大的快樂指數,

樣例
樣例輸入
7
1
1
1
1
1
1
1
1 3
2 3
6 4
7 4
4 5
3 5
樣例輸出
5

分析

建立一個二維DP,第一維是節點的編號(也是子樹的根),第二維是這個根節點參加與否,比如dp[3][1]表示以3號節點為子樹的根,當它參會時整棵子樹的快樂指數和;dp[3][0]表示以3號節點為子樹的根,當它不參會時整棵子樹的快樂指數和;這樣就可以滿足最優子結構的性質了,
d p [ i ] [ 0 ] = m a x ( d p [ k ] [ 0 ] , d p [ k ] [ 1 ] ) dp[i][0]=max(dp[k][0],dp[k][1]) dp[i][0]=max(dp[k][0],dp[k][1])

d p [ i ] [ 1 ] = d p [ k ] [ 0 ] + w [ i ] dp[i][1]=dp[k][0]+w[i] dp[i][1]=dp[k][0]+w[i]

注意:本題輸入的是一棵有根樹(制定了節點間的上下關系),故我們需要先找出沒有上司的節點root作為根,DP的目標答案在 m a x ( d p [ r o o t ] [ 1 ] , d p [ r o o t ] [ 0 ] ) max(dp[root][1], dp[root][0]) max(dp[root][1],dp[root][0])中,
時間復雜度為O(n),

#include<cstdio> 
#include<algorithm>
#include<cstring>
#include<vector>
#define max(x,y) x>y?x:y
using namespace std;
const int M=1e5+5;
int a[M];
vector<int> G[M];
bool flag[M];
int dp[M][5];
void read(int &x) {
	x = 0; 
	int f = 1;
	char s = getchar(); 
	while (s > '9' || s < '0') { 
		if (s == '-') f = -1; 
		s = getchar(); 
	}
	while (s >= '0' && s <= '9') { 
		x = (x << 3) + (x << 1) + (s - '0');
		s = getchar(); 
	}
	x *= f;
}//讀優
void dfs(int x){
	dp[x][0]=0,dp[x][1]=a[x];
	for(int i=0;i<G[x].size();i++){
		int id=G[x][i];
		dfs(id);
		dp[x][0]+=max(dp[id][0],dp[id][1]);
		dp[x][1]+=dp[id][0];
	}
}
int main(){
	int n;
	read(n);
	for(int i=1;i<=n;i++){
		read(a[i]);
	}
	for(int i=1;i<n;i++){
		int l,k;
		read(l),read(k);
		G[k].push_back(l);
		flag[l]=true;
	}
	for(int i=1;i<=n;i++){
		if(flag[i]==false){
			dfs(i);
			printf("%d",max(dp[i][1],dp[i][0]));
			return 0;
		}
	}
	return 0;
}
/*
7 
1 1 1 1 1 1 1
1 3 
2 3 
6 4 
7 4 
4 5 
3 5 
0 0 
5
*/  

樹的重心

樹的重心定義為,當把節點x去掉后,其最大子樹的節點個數最少(或者說成最大連通塊的節點數最少),那么節點x就是樹的重心,

在求樹的重心中,有以下幾個定理要用到:

1、洗掉重心后所得的所有子樹,節點數不超過原樹的1/2,一棵樹最多有兩個重心,且相鄰;
2、樹中所有節點到重心的距離之和最小,如果有兩個重心,那么它們距離之和相等;
3、兩個樹通過一條邊合并,新的重心在原樹兩個重心的路徑上;
4、樹洗掉或添加一個葉子節點,重心最多只移動一條邊,

反正現在看了也不懂

先來看一道題:

求樹的重心

題目描述
樹的重心定義為樹的某個節點,當去掉該節點后,樹的各個連通分量中,節點數最多的連通分量其節點數達到最小值,樹可能存在多個重心,如下圖,當去掉點1后,樹將分成兩個連通塊:(2,4,5),(3,6,7),則最大的連通塊包含節點個數為3,若去掉點2,則樹將分成3個部分,(4),(5),(1,3,6,7)最大的連通塊包含4個節點;第一種方法可以得到更小的最大聯通分量,可以發現,其他方案不可能得到比3更小的值了,所以,點1是樹的重心,

輸入格式
輸入:第一行一個整數n,表示樹的結點個數,(n<100)
接下來n-1行,每行兩個數i,j,表示i和j有邊相連,

輸出格式
輸出:第一行一個整數k,表示重心的個數,
接下來K行,每行一個整數,表示重心,按從小到大的順序給出,

樣例
樣例輸入
7
1 2
1 3
2 4
2 5
3 6
3 7
樣例輸出
1
1

分析

因為無根,所以要自己設一個根,這也是樹形dp常用的方法,

??????????????? d p [ i ] = dp[i]= dp[i]= ∑ j ∈ S o n ( i ) \sum_{j∈Son(i)} jSon(i)? d p [ j ] + 1 dp[j]+1 dp[j]+1

那么假設i是重心,在洗掉 i i i之后 m a x ( d p [ j ] ) ( j ∈ S o n ( i ) ) max(dp[j]) (j∈Son(i)) max(dp[j])(jSon(i))還要與i上面的所有節點(可看成一棵子樹)比,也就是 n ? d p [ i ] n-dp[i] n?dp[i],右圖中我們假設2號節點是重心,那么除了他們兒子節點為根的子樹4和5以外,還有1367節點也可看成一棵子樹,所以 f [ i ] = m a x ( m a x ( d p [ j ] ) , n ? d p [ i ] ) f[i] = max(max(dp[j]),n-dp[i]) f[i]=max(max(dp[j]),n?dp[i])(f[i]就是以i為重心的最大子樹節點數),那么答案就是 m i n ( f [ i ] ) ( i ∈ ( 1 n ) ) min(f[i])(i∈(1~n)) min(f[i])(i(1 n))

搜索時,還是遞回到底層,回溯時進行累加,再利用重心的性質,所有
子樹的節點數不超過總節點數的1/2,更新flag的值,就可以找到重心節點了,

代碼
#include<cstdio>
#include<algorithm>
#include<cstring>
#include<vector>
#define max(x,y) x>y?x:y
#define min(x,y) x>y?y:x
using namespace std;
const int M=1e5+5;
vector<int> G[M];
bool flag[M];
int dp[M],siz[M];
int ans=0x3f3f3f3f,cnt;
int n;
void dfs(int x,int y){
	int maxn=0;
	dp[x]=1;
	for(int i=0;i<G[x].size();i++){
		int id=G[x][i];
		if(id!=y){
			dfs(id,x);
			dp[x]+=dp[id];
			maxn=max(maxn,dp[id]);
		}
	}
	maxn=max(maxn,n-dp[x]);
	if(maxn<ans){
		ans=maxn;
		cnt=0;
		siz[++cnt]=x;
	}
	else if(maxn==ans){
		siz[++cnt]=x;
	}
}
void add_edge(int x,int y){
	G[x].push_back(y);
	G[y].push_back(x); 
}
int main(){
	scanf("%d",&n);
	for(int i=1;i<=n-1;i++){
		int l,k;
		scanf("%d %d",&l,&k);
		add_edge(l,k);
	}
	dfs(1,0);
	printf("%d\n",cnt);
	sort(siz+1,siz+1+cnt);
	for(int i=1;i<=cnt;i++){
		printf("%d\n",siz[i]);
	}
	return 0;
}

樹的直徑

給定一棵樹,樹中每條邊都有一個權值,樹中兩點之間的距離定義為連接兩點的路徑邊權之和,樹中最遠的兩個節點(兩個節點肯定都是葉子節點)之間的距離被稱為樹的直徑,連接這兩點的路徑被稱為樹的最長鏈,后者通常也可稱為直徑,

有以下兩棵相同樹,但是根不同:(推薦一個作圖網站這里)
在這里插入圖片描述
在這里插入圖片描述
而兩棵樹的直徑卻是相同的,所以我們還是可以自定根節點
在這里插入圖片描述
不妨設1號節點為根,“N個節點,N-1條邊的無向圖”就可以看作“有根樹”,設d[x]表示從節點x出發走向以x為根的子樹,能夠到達最遠節點的距離,設x的子節點為y1,y2,……,yt,edge(x, y)表示邊權,顯然有:
??????????? d [ x ] = m a x d[x] = max d[x]=max{ d [ y i ] + e d g e ( x , y i ) d[yi] + edge(x, yi) d[yi]+edge(x,yi)} ( 1 ≤ i ≤ t ) (1≤i≤t) (1it)
接下來,我們可以考慮對每個節點x求出“經過節點x的最長鏈的長度”ans[x],整棵樹的直徑就是:
????????????????? m a x max max{ a n s [ x ] ans[x] ans[x]} ( 1 ≤ x ≤ n ) (1≤x≤n) (1xn)

那么,如何求ans[x]呢?我們用鏈式前向星存圖,依次遍歷以x為起點的所有連邊,用已經更新過的d[x]與沒有列舉到的x的連邊之和來更新ans[x]:
a n s [ x ] = m a x ( a n s [ x ] , d [ x ] + d [ y i ] + e d g e ( x , y i ) ) ans[x] = max(ans[x], d[x] + d[yi] + edge(x, yi)) ans[x]=max(ans[x],d[x]+d[yi]+edge(x,yi))
然后再不斷更新
d [ x ] = m a x ( d [ x ] , d [ y i ] + e d g e ( x , y i ) ) d[x] = max(d[x], d[yi] + edge(x, yi)) d[x]=max(d[x],d[yi]+edge(x,yi))

#include<cstdio>
#include<algorithm>
#include<cstring>
#include<vector>
#define max(x,y) x>y?x:y
#define min(x,y) x>y?y:x
using namespace std;
const int M=1e5+5;
struct node{
	int val,t;
	node(){}
	node(int T,int V){
		t=T,val=V;
	}
};
vector<node> G[M];
int ans,dp[M];
bool flag[M];
void dfs(int x){
	flag[x]=true;
	for(int i=0;i<G[x].size();i++){
		int yi=G[x][i].t;
		if(flag[yi]) continue;
		dfs(yi);
		ans=max(ans,dp[x]+dp[yi]+G[x][i].val);
		dp[x]=max(dp[x],dp[yi]+G[x][i].val);
	}
}
void add_edge(int x,int y,int z){
	G[x].push_back(node(y,z));
	G[y].push_back(node(x,z));
}
int main(){
	int n;
	scanf("%d",&n);
	for(int i=1;i<=n-1;i++){
		int u,v,w=1;
		scanf("%d %d",&u,&v);
		add_edge(u,v,w);
	}
	dfs(1);
	printf("%d",ans);
	return 0;
}

代碼純手打,點個贊再走唄!

轉載請註明出處,本文鏈接:https://www.uj5u.com/shujuku/157524.html

標籤:其他

上一篇:樹的重心求解

下一篇:Unity3D入門-坦克大戰

標籤雲
其他(157675) Python(38076) JavaScript(25376) Java(17977) C(15215) 區塊鏈(8255) C#(7972) AI(7469) 爪哇(7425) MySQL(7132) html(6777) 基礎類(6313) sql(6102) 熊猫(6058) PHP(5869) 数组(5741) R(5409) Linux(5327) 反应(5209) 腳本語言(PerlPython)(5129) 非技術區(4971) Android(4554) 数据框(4311) css(4259) 节点.js(4032) C語言(3288) json(3245) 列表(3129) 扑(3119) C++語言(3117) 安卓(2998) 打字稿(2995) VBA(2789) Java相關(2746) 疑難問題(2699) 细绳(2522) 單片機工控(2479) iOS(2429) ASP.NET(2402) MongoDB(2323) 麻木的(2285) 正则表达式(2254) 字典(2211) 循环(2198) 迅速(2185) 擅长(2169) 镖(2155) 功能(1967) .NET技术(1958) Web開發(1951) python-3.x(1918) HtmlCss(1915) 弹簧靴(1913) C++(1909) xml(1889) PostgreSQL(1872) .NETCore(1853) 谷歌表格(1846) Unity3D(1843) for循环(1842)

熱門瀏覽
  • GPU虛擬機創建時間深度優化

    **?桔妹導讀:**GPU虛擬機實體創建速度慢是公有云面臨的普遍問題,由于通常情況下創建虛擬機屬于低頻操作而未引起業界的重視,實際生產中還是存在對GPU實體創建時間有苛刻要求的業務場景。本文將介紹滴滴云在解決該問題時的思路、方法、并展示最終的優化成果。 從公有云服務商那里購買過虛擬主機的資深用戶,一 ......

    uj5u.com 2020-09-10 06:09:13 more
  • 可編程網卡芯片在滴滴云網路的應用實踐

    **?桔妹導讀:**隨著云規模不斷擴大以及業務層面對延遲、帶寬的要求越來越高,采用DPDK 加速網路報文處理的方式在橫向縱向擴展都出現了局限性。可編程芯片成為業界熱點。本文主要講述了可編程網卡芯片在滴滴云網路中的應用實踐,遇到的問題、帶來的收益以及開源社區貢獻。 #1. 資料中心面臨的問題 隨著滴滴 ......

    uj5u.com 2020-09-10 06:10:21 more
  • 滴滴資料通道服務演進之路

    **?桔妹導讀:**滴滴資料通道引擎承載著全公司的資料同步,為下游實時和離線場景提供了必不可少的源資料。隨著任務量的不斷增加,資料通道的整體架構也隨之發生改變。本文介紹了滴滴資料通道的發展歷程,遇到的問題以及今后的規劃。 #1. 背景 資料,對于任何一家互聯網公司來說都是非常重要的資產,公司的大資料 ......

    uj5u.com 2020-09-10 06:11:05 more
  • 滴滴AI Labs斬獲國際機器翻譯大賽中譯英方向世界第三

    **桔妹導讀:**深耕人工智能領域,致力于探索AI讓出行更美好的滴滴AI Labs再次斬獲國際大獎,這次獲獎的專案是什么呢?一起來看看詳細報道吧! 近日,由國際計算語言學協會ACL(The Association for Computational Linguistics)舉辦的世界最具影響力的機器 ......

    uj5u.com 2020-09-10 06:11:29 more
  • MPP (Massively Parallel Processing)大規模并行處理

    1、什么是mpp? MPP (Massively Parallel Processing),即大規模并行處理,在資料庫非共享集群中,每個節點都有獨立的磁盤存盤系統和記憶體系統,業務資料根據資料庫模型和應用特點劃分到各個節點上,每臺資料節點通過專用網路或者商業通用網路互相連接,彼此協同計算,作為整體提供 ......

    uj5u.com 2020-09-10 06:11:41 more
  • 滴滴資料倉庫指標體系建設實踐

    **桔妹導讀:**指標體系是什么?如何使用OSM模型和AARRR模型搭建指標體系?如何統一流程、規范化、工具化管理指標體系?本文會對建設的方法論結合滴滴資料指標體系建設實踐進行解答分析。 #1. 什么是指標體系 ##1.1 指標體系定義 指標體系是將零散單點的具有相互聯系的指標,系統化的組織起來,通 ......

    uj5u.com 2020-09-10 06:12:52 more
  • 單表千萬行資料庫 LIKE 搜索優化手記

    我們經常在資料庫中使用 LIKE 運算子來完成對資料的模糊搜索,LIKE 運算子用于在 WHERE 子句中搜索列中的指定模式。 如果需要查找客戶表中所有姓氏是“張”的資料,可以使用下面的 SQL 陳述句: SELECT * FROM Customer WHERE Name LIKE '張%' 如果需要 ......

    uj5u.com 2020-09-10 06:13:25 more
  • 滴滴Ceph分布式存盤系統優化之鎖優化

    **桔妹導讀:**Ceph是國際知名的開源分布式存盤系統,在工業界和學術界都有著重要的影響。Ceph的架構和演算法設計發表在國際系統領域頂級會議OSDI、SOSP、SC等上。Ceph社區得到Red Hat、SUSE、Intel等大公司的大力支持。Ceph是國際云計算領域應用最廣泛的開源分布式存盤系統, ......

    uj5u.com 2020-09-10 06:14:51 more
  • es~通過ElasticsearchTemplate進行聚合~嵌套聚合

    之前寫過《es~通過ElasticsearchTemplate進行聚合操作》的文章,這一次主要寫一個嵌套的聚合,例如先對sex集合,再對desc聚合,最后再對age求和,共三層嵌套。 Aggregations的部分特性類似于SQL語言中的group by,avg,sum等函式,Aggregation ......

    uj5u.com 2020-09-10 06:14:59 more
  • 爬蟲日志監控 -- Elastc Stack(ELK)部署

    傻瓜式部署,只需替換IP與用戶 導讀: 現ELK四大組件分別為:Elasticsearch(核心)、logstash(處理)、filebeat(采集)、kibana(可視化) 下載均在https://www.elastic.co/cn/downloads/下tar包,各組件版本最好一致,配合fdm會 ......

    uj5u.com 2020-09-10 06:15:05 more
最新发布
  • day02-2-商鋪查詢快取

    功能02-商鋪查詢快取 3.商鋪詳情快取查詢 3.1什么是快取? 快取就是資料交換的緩沖區(稱作Cache),是存盤資料的臨時地方,一般讀寫性能較高。 快取的作用: 降低后端負載 提高讀寫效率,降低回應時間 快取的成本: 資料一致性成本 代碼維護成本 運維成本 3.2需求說明 如下,當我們點擊商店詳 ......

    uj5u.com 2023-04-20 08:33:24 more
  • MySQL中binlog備份腳本分享

    關于MySQL的二進制日志(binlog),我們都知道二進制日志(binlog)非常重要,尤其當你需要point to point災難恢復的時侯,所以我們要對其進行備份。關于二進制日志(binlog)的備份,可以基于flush logs方式先切換binlog,然后拷貝&壓縮到到遠程服務器或本地服務器 ......

    uj5u.com 2023-04-20 08:28:06 more
  • day02-短信登錄

    功能實作02 2.功能01-短信登錄 2.1基于Session實作登錄 2.1.1思路分析 2.1.2代碼實作 2.1.2.1發送短信驗證碼 發送短信驗證碼: 發送驗證碼的介面為:http://127.0.0.1:8080/api/user/code?phone=xxxxx<手機號> 請求方式:PO ......

    uj5u.com 2023-04-20 08:27:27 more
  • 快取與資料庫雙寫一致性幾種策略分析

    本文將對幾種快取與資料庫保證資料一致性的使用方式進行分析。為保證高并發性能,以下分析場景不考慮執行的原子性及加鎖等強一致性要求的場景,僅追求最終一致性。 ......

    uj5u.com 2023-04-20 08:26:48 more
  • sql陳述句優化

    問題查找及措施 問題查找 需要找到具體的代碼,對其進行一對一優化,而非一直把關注點放在服務器和sql平臺 降低簡化每個事務中處理的問題,盡量不要讓一個事務拖太長的時間 例如檔案上傳時,應將檔案上傳這一步放在事務外面 微軟建議 4.啟動sql定時執行計劃 怎么啟動sqlserver代理服務-百度經驗 ......

    uj5u.com 2023-04-20 08:26:35 more
  • 云時代,MySQL到ClickHouse資料同步產品對比推薦

    ClickHouse 在執行分析查詢時的速度優勢很好的彌補了MySQL的不足,但是對于很多開發者和DBA來說,如何將MySQL穩定、高效、簡單的同步到 ClickHouse 卻很困難。本文對比了 NineData、MaterializeMySQL(ClickHouse自帶)、Bifrost 三款產品... ......

    uj5u.com 2023-04-20 08:26:29 more
  • sql陳述句優化

    問題查找及措施 問題查找 需要找到具體的代碼,對其進行一對一優化,而非一直把關注點放在服務器和sql平臺 降低簡化每個事務中處理的問題,盡量不要讓一個事務拖太長的時間 例如檔案上傳時,應將檔案上傳這一步放在事務外面 微軟建議 4.啟動sql定時執行計劃 怎么啟動sqlserver代理服務-百度經驗 ......

    uj5u.com 2023-04-20 08:25:13 more
  • Redis 報”OutOfDirectMemoryError“(堆外記憶體溢位)

    Redis 報錯“OutOfDirectMemoryError(堆外記憶體溢位) ”問題如下: 一、報錯資訊: 使用 Redis 的業務介面 ,產生 OutOfDirectMemoryError(堆外記憶體溢位),如圖: 格式化后的報錯資訊: { "timestamp": "2023-04-17 22: ......

    uj5u.com 2023-04-20 08:24:54 more
  • day02-2-商鋪查詢快取

    功能02-商鋪查詢快取 3.商鋪詳情快取查詢 3.1什么是快取? 快取就是資料交換的緩沖區(稱作Cache),是存盤資料的臨時地方,一般讀寫性能較高。 快取的作用: 降低后端負載 提高讀寫效率,降低回應時間 快取的成本: 資料一致性成本 代碼維護成本 運維成本 3.2需求說明 如下,當我們點擊商店詳 ......

    uj5u.com 2023-04-20 08:24:03 more
  • day02-短信登錄

    功能實作02 2.功能01-短信登錄 2.1基于Session實作登錄 2.1.1思路分析 2.1.2代碼實作 2.1.2.1發送短信驗證碼 發送短信驗證碼: 發送驗證碼的介面為:http://127.0.0.1:8080/api/user/code?phone=xxxxx<手機號> 請求方式:PO ......

    uj5u.com 2023-04-20 08:23:11 more