HDU 1054 Strategic Game (树形DP)

博客围绕树中边监管问题展开,题意是在树中每个节点能监管连接自身的一条边,求最小选取节点数监管所有边。思路为节点有选取和不选取两种状态,当前节点选取时子节点可不选,未选取时子节点必选,并给出代码思路。

题面

题意:在一棵树中,每个节点能监管连接自身的一条边,问最小选取几个节点能监管树中所有的边

思路:

1.一个节点可分为两种状态-选取或不选取

2.若当前结点选取了,那么子节点可以选择不选取;若当前结点未选取,那么子节点一定要选取;

代码:

#include<iostream>
#include<cstring>
#include<cstdio>
#include<cmath>
#include<algorithm>
#include<vector>
#include<queue>
#include<stack>
#include<map>
using namespace std;
const int N=2000;
struct E{
    int val;
    int next;
}edge[2*N+10];
int head[2*N],vis[2*N],c,dp[2*N][2];
int selMin(int x,int y)
{
    return x<=y?x:y;
}
void add(int x,int y)
{
    edge[c].val=y;
    edge[c].next=head[x];
    head[x]=c;
    c+=1;
}
void DFS(int root)
{
    dp[root][0]=0; //0状态表示该节点未选取
    dp[root][1]=1; //1状态表示该节点被选取
    vis[root]=1;
    for(int i=head[root];i!=-1;i=edge[i].next)
    {
        int cur=edge[i].val;
        if(!vis[cur])
        {
            DFS(cur);
            dp[root][0]+=dp[cur][1];
            dp[root][1]+=selMin(dp[cur][0],dp[cur][1]);
        }
    }
}
int main()
{
    int n;
    while(~scanf("%d",&n))
    {
        memset(head,-1,sizeof(head));
        memset(vis,0,sizeof(vis));
        memset(dp,0,sizeof(dp));
        int root;
        c=0;
        for(int i=1;i<=n;i+=1)
        {
            int p,k,x;
            scanf("%d:(%d)",&p,&k);
            if(i==1)
                root=p;
            while(k--)
            {
                scanf("%d",&x);
                add(p,x);
                add(x,p);
            }
        }
        DFS(root);
        printf("%d\n",selMin(dp[root][0],dp[root][1]));
    }
    return 0;
}

 

内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、多目标代价函数设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术和多约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估和CPO优化流程。; 适合人群:具备一定Python编程基础和优化算法基础知识,从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航避障;②研究智能优化算法(如CPO)在路径规划中的实际部署性能优化;③实现多目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径求解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构代码示例进行实践运行,重点关注目标函数设计、CPO算法改进策略约束处理机制,宜在仿真环境中测试不同场景以深入理解算法行为系统鲁棒性。
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
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