洛谷P2015 二叉苹果树

本文介绍了一种使用树形动态规划解决的问题,通过递归构造左右子树并进行回溯更新来求解最大苹果数。文章提供了完整的代码实现,并详细解释了每个步骤。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

树形DP

题目传送门

f[i][j] 表示第 i 个节点剪k条树枝能保留的最大苹果数。
f[i][1] 存当前节点有多少苹果。
递归做左右子树,回溯时更新即可。

代码:

#include<cstdio>
#include<cstring>
#include<algorithm>
#define MAXN 100
using namespace std;
struct edge{
    int next,to,dis;
};
struct tree{
    int l,r;
};
int n,m,k;
int h[MAXN+5],f[MAXN+5][MAXN+5],fa[MAXN+5];
edge ed[MAXN*2+5];
tree t[MAXN+5];
void dfs(int x){
    for (int i=h[x];i;i=ed[i].next)
        if (ed[i].to!=fa[x]){
            fa[ed[i].to]=x;
            f[ed[i].to][1]=ed[i].dis;
            if (t[x].l==0) t[x].l=ed[i].to;
            else t[x].r=ed[i].to;
            dfs(ed[i].to);
        }
}
void addedge(int x,int y,int z){
    ed[++k].next=h[x]; ed[k].to=y; ed[k].dis=z; h[x]=k;
}
int dp(int x,int k){
    if (f[x][k]!=-1) return f[x][k];
    int ret=0;
    for (int i=0;i<k;i++)
        ret=max(ret,dp(t[x].l,i)+dp(t[x].r,k-i-1)+f[x][1]);
    return f[x][k]=ret;
}
int main(){
    scanf("%d%d",&n,&m);
    for (int i=1;i<n;i++){
        int x,y,z;
        scanf("%d%d%d",&x,&y,&z);
        addedge(x,y,z); addedge(y,x,z);
    }
    memset(f,-1,sizeof(f));
    fa[1]=1; dfs(1);
    for (int i=1;i<=n;i++)
        f[i][0]=0;
    f[1][1]=0;
    printf("%d\n",dp(1,m+1));
    return 0;
}
### 平台上的动态规划刷题推荐顺序 对于初学者来说,掌握动态规划的基础概念和常见模型非常重要。以下是基于平台的动态规划学习路径以及推荐的刷题顺序: #### 一、基础知识积累 在开始刷题之前,建议先通过课程或书籍理解动态规划的核心思想,包括状态定义、转移方程设计、边界条件处理等内容[^1]。 #### 二、入门级题目练习 从简单的线性DP入手,熟悉基本的状态表示方法和递推关系。 - **P1004 [NOIP2000 提高组] 装箱问题** - 这是一道经典的背包问题变种,适合用来初步接触动态规划中的状态压缩技巧[^4]。 - **P1048 [NOIP2005 提高组] 数字游戏** - 练习如何设定合理的状态变量并构建相应的转移矩阵[^3]。 #### 三、中级难度提升 当具备一定基础之后,尝试解决稍复杂的区间型或者树形结构下的dp问题。 - **P1976 [USACO06DEC] The Cow Prom G** - 此类涉及环状序列的操作,需考虑特殊情况下循环的影响[^2]。 - **P2015 二叉苹果树** - 属于典型的树上dp范畴,重点在于子节点贡献给父节点的方式。 #### 四、高级综合应用 最后挑战那些融合多种算法思想的大规模复杂场景下的优化版dp实现。 - **P3175 [HAOI2015] 树上染色** - 结合图论知识考察选手灵活运用数据结构的能力。 - **P4774 [NOI2018] 归程** - 多重维度约束条件下最优策略的选择过程展示得淋漓尽致。 ```python def dp_example(n, m): """ A simple example of dynamic programming. :param n: Number of items (e.g., problems to solve). :param m: Total available time or resources. :return: Maximum value achievable within the limit. """ # Initialize DP table with zeros dp = [[0]*(m+1) for _ in range(n+1)] # Example input data simulation; replace this part according actual problem definition weights = [random.randint(1,10) for _ in range(n)] values = [random.randint(1,50) for _ in range(n)] for i in range(1,n+1): for j in range(m,-1,-1): if j >=weights[i-1]: dp[i][j]=max(dp[i-1][j],values[i-1]+dp[i-1][j-weights[i-1]]) else: dp[i][j]=dp[i-1][j] return dp[n][m] ```
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