HDU1011树形DP+DFS

本文详细介绍了一道树形DP题目——HDU1011的解题思路与实现过程。通过深搜+树形DP的方法,文章讲解了如何利用递归算法解决树结构中的最优化问题,并分享了参考代码。
/*
	自己的第一道树形DP题
	 
	HDU1011题意:
	深搜+树形DP
	为了阐述的简便,先解释输入数据
	输入n和m,n为定点数,m为人数
	之后n行为cost[i],score[i]分别为第i点需要耗费的体力和可以得到的分数
	之后n-1行为构造树,规定了1点为树根
	读到-1 -1结束

	下面解释cost,score
	每个人有20点体力值,在每个点可以分配人数,当人数*20>=cost[i]时,可以得到第i点的score[i]
	但是每个人最多分配在一个点上

	求最多得到的分数

	思路:构数之后DP
	为叶子结点时,判断当前还剩的人数能否得到该点的分数return (20*剩下的人数>=cost[i])?score[i]:0
	
	参考了大神kuangbin的代码,十分感谢 
*/ 
#include <iostream>
#include <algorithm>
#include <stdio.h>
#include <math.h>
#include <map>
#include <set>
#include <vector>
#include <string>
#include <cstring>
#include <sstream>
using namespace std;

#define input freopen("input.txt","r",stdin);
#define output freopen("output.txt","w",stdout);
#define For1(i,a,b) for (i=a;i<b;i++)
#define For2(i,a,b) for (i=a;i<=b;i++)
#define Dec(i,a,b) for (i=a;i>b;i--)
#define Dec2(i,a,b) for (i=a;i>=b;i--)
#define Sca_d(x) scanf("%d",&x)
#define Sca_s(x) scanf("%s",x)
#define Sca_c(x) scanf("%c",&x)
#define Sca_f(x) scanf("%f",&x)
#define Sca_lf(x) scanf("%lf",&x)
#define Fill(x,a) memset(x,a,sizeof(x))

template <typename T>  
T gcd(T a,T b)  
{
    return b==0?a:gcd(b,a%b);  
}
 
template <typename T>  
T lcm(T a,T b)  
{  
    return a/gcd(a,b)*b;  
}

const int MAXN=110;
int N,M;

struct Node
{
	int number,p;
};

Node node[MAXN];
int dp[MAXN][MAXN];//dp[i][j]代表第i点用j个士兵所能够取得的最大值 
int adj[MAXN][MAXN];
//adj[k][0]存储的是第k个点是多少个点的父亲
//其子节点编号为adj[k][1]..adj[k][k]
int vis[MAXN];
//vis[k]表示在搜索过程中,第k个点是否走过 

void dfs(int root)
{
	int i,j,k;
	vis[root]=1;
	int num=(node[root].number+19)/20;
	For2(i,num,M)
		dp[root][i]=node[root].p;
	For2(i,1,adj[root][0])//adj[k][0]存储的是第k个点是多少个点的父亲
	//其子节点编号为adj[k][1]..adj[k][k]
	{
		int u=adj[root][i];
		if (vis[u]) continue;//如果之前已经访问过u结点,则当前的root为u的子节点,则不需再次访问u
		dfs(u);//遍历子节点
		Dec2(j,M,num)
			For2(k,1,M-j)
				if (dp[u][k])
					dp[root][j+k]=max(dp[root][j+k],dp[root][j]+dp[u][k]);
	} 
}

int main()
{
	//input;
	int b,e,i,j,k;
	while(cin>>N>>M)
	{
		if (N==-1&&M==-1) break;
		Fill(vis,0);
		Fill(dp,0);
		Fill(adj,0);
		For2(i,1,N)
			Sca_d(node[i].number),Sca_d(node[i].p);
		For1(i,1,N)
		{
			Sca_d(b);
			Sca_d(e);
			adj[b][++adj[b][0]]=e;
			adj[e][++adj[e][0]]=b;
		}
		if (M==0) printf("0\n");
		else
		{
			dfs(1);
			printf("%d\n",dp[1][M]);
		} 
	}
	return 0;
}

基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
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