tyvj-1052 树形DP

本文深入探讨了树形DP的概念、决策过程及其在解决树结构问题中的应用。通过实例分析,展示了如何利用记忆化搜索在树状结构中进行动态规划求解。

树形DP,从字面上看,就是在树上DP。DP要有拓扑关系,在树上找拓扑关系,太麻烦,所以记忆化搜索实现。

有3种决策:

PARENT GO & SON STAY

PARENT STAY & SON ? (?=GO/STAY)

 

/*
 * tyvj-1052
 * mike-w
 * 2011-11-8
 * ------------
 * 树形DP首题
 */
#include<stdio.h>
#include<stdlib.h>
#include<string.h>
#define SIZE 6060
#define INF (9999999)

int h[SIZE], /* happy index */
	 f[SIZE]; /* father node */
int opt[SIZE][2];
int N;

/*
 * 找到WA原因:老板不去,员工也可以不去... 
 */
int search(int node,int flag) /* flag=0: node stays; flag=1: node goes */
{
	if(opt[node][flag]!=-INF)
		return opt[node][flag];
	int i,tmp,tmp2;
	opt[node][flag]=h[node]*flag;
	for(i=1;i<=N;i++)
		if(f[i]==node)
		{
			tmp=opt[node][flag]+search(i,!flag);
			if(!flag)
			{
				tmp2=opt[node][flag]+search(i,flag);
				if(tmp<tmp2) tmp=tmp2;
			}
			if(opt[node][flag]<tmp)
				opt[node][flag]=tmp;
		}
	return opt[node][flag];
}

int main(void)
{
	int i,j,k,l,tmp,ans;
#ifndef ONLINE_JUDGE
	freopen("in","r",stdin);
#endif
	scanf("%d",&N);
	for(i=1;i<=N;i++)
		scanf("%d",h+i);
	for(i=2;i<=N;i++)
		scanf("%d%d",&l,&k),f[l]=k;

	ans=-INF;
	for(i=1;i<=N;i++)
		opt[i][0]=opt[i][1]=-INF;
	
	for(i=1;i<=N;i++)
		for(j=0;j<2;j++)
		{
			tmp=search(i,j);
			if(tmp>ans)
				ans=tmp;
		}
	printf("%d\n",ans);
	return 0;
}


 

个人防护装备实例分割数据集 一、基础信息 • 数据集名称:个人防护装备实例分割数据集 • 图片数量: 训练集:4524张图片 • 训练集:4524张图片 • 分类类别: 手套(Gloves) 头盔(Helmet) 未戴手套(No-Gloves) 未戴头盔(No-Helmet) 未穿鞋(No-Shoes) 未穿背心(No-Vest) 鞋子(Shoes) 背心(Vest) • 手套(Gloves) • 头盔(Helmet) • 未戴手套(No-Gloves) • 未戴头盔(No-Helmet) • 未穿鞋(No-Shoes) • 未穿背心(No-Vest) • 鞋子(Shoes) • 背心(Vest) • 标注格式:YOLO格式,适用于实例分割任务,包含边界框或多边形坐标。 • 数据格式:图片数据,来源于监控或相关场景。 二、适用场景 • 工业安全监控系统开发:用于自动检测工人是否佩戴必要的个人防护装备,提升工作场所安全性,减少工伤风险。 • 智能安防应用:集成到监控系统中,实时分析视频流,识别PPE穿戴状态,辅助安全预警。 • 合规性自动化检查:在建筑、制造等行业,自动检查个人防护装备穿戴合规性,支持企业安全审计。 • 计算机视觉研究:支持实例分割、目标检测等算法在安全领域的创新研究,促进AI模型优化。 三、数据集优势 • 类别全面:覆盖8种常见个人防护装备及其缺失状态,提供丰富的检测场景,确保模型能处理各种实际情况。 • 标注精准:采用YOLO格式,每个实例都经过精细标注,边界框或多边形坐标准确,提升模型训练质量。 • 真实场景数据:数据来源于实际环境,增强模型在真实世界中的泛化能力和实用性。 • 兼容性强:YOLO格式便于与主流深度学习框架(如YOLO、PyTorch等)集成,支持快速部署和实验。
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