Poj 2378 Tree Cutting (DP_树形DP)

本文介绍了一种使用树形DP方法解决特定问题的算法。问题要求找到所有可能的节点删除方式,使得剩余最大分支节点数不超过总节点数的一半。通过两次深度优先搜索实现高效求解。
题目链接:http://poj.org/problem?id=2378

题目大意:给定一棵n棵节点的树,如果删去某个节点使得剩下来的最大分支节点数小等于节点总数的一半则这个删除就是叼爆的,问叼爆的删法总数。

解题思路:树形DP.深搜两次,第一次深搜记录从当前节点的子孙节点总数(包括自己),第一次算预处理,复杂度为O(N),第二次利用第一次的结果找各分支的最大节点数,分支有两种情况,一种是孩子的分支,一种当前节点到父亲节点的那条分支(总数为N-dp[cur]),这样再算N次即可得解。


测试数据:
10
1 2
2 3
3 4
4 5
6 7
7 8
8 9
9 10
3 8


代码:
#include <stdio.h>
#include <string.h>
#include <algorithm>
using namespace std;
#define MAX 110000
#define max(a,b) (a)>(b)?(a):(b)


struct node {

	int v;
	node *next;
}*head[MAX],tree[MAX];
int n,m,ptr,dp[MAX],ans[MAX],cnt;


void Initial() {

	cnt = ptr = 0;
	memset(dp,0,sizeof(dp));
	memset(head,NULL,sizeof(head));
}
void AddEdge(int x,int y) {

	tree[ptr].v = y;
	tree[ptr].next = head[x],head[x] = &tree[ptr++];
	tree[ptr].v = x;
	tree[ptr].next = head[y],head[y] = &tree[ptr++];
}
void Dfs_Ini(int s,int pa) {

	dp[s] = 1;
	node *p = head[s];
	while (p != NULL) {

		if (p->v != pa) {

			Dfs_Ini(p->v,s);
			dp[s] += dp[p->v];
		}
		p = p->next;
	}
}
void Dfs_Solve(int son,int pa) {

	int i,j,tp,tot = 0;
	node *p = head[son];
	

	while (p != NULL) {

		if (p->v != pa) {

			Dfs_Solve(p->v,son);
			tp = dp[p->v];
			tot = max(tot,tp);
		}
		p = p->next;
	}
	if (n - dp[son] <= n / 2 && tot <= n / 2) 
		cnt++,ans[cnt] = son;
}


int main()
{
	int i,j,k,a,b;


	while (scanf("%d",&n) != EOF) {

		Initial();
		for (i = 1; i < n; ++i) {

			scanf("%d%d",&a,&b);
			AddEdge(a,b);
		}


		Dfs_Ini(1,0);			//第一次深搜,记录当前节点的子孙总数
		Dfs_Solve(1,0);			//更新答案
		sort(ans+1,ans+1+cnt);	//按字典序输出
		for (i = 1; i <= cnt; ++i)
			printf("%d\n",ans[i]);
		if (cnt == 0) printf("NONE\n");
	}
}


本文ZeroClock原创,但可以转载,因为我们是兄弟。

【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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