侦察守卫(树形dp)

题目链接
思路:因为d比较小,考虑对状态进行nd的转移。设置一下两种状态:
1.f[i][j]: i的子树中的关键点全部被覆盖,并且至少能沿着父节点覆盖j层。
2.g[i][j]: i的子树层次比j深的全部覆盖,j层以内的随意。
这些状态的性质有以下几点:
1.f[i][0]=g[i][0]
2.因为f[i][j]需要沿着父节点向上覆盖j层,那么下面j层必然是覆盖的,这就与g[i][j]成了一个互补关系。
于是便有一下四个转移:
设当前遍历的节点为u,其子节点为v
1.f[u][i]=min(f[u][i]+g[v][i],f[v][i+1]+g[u][i+1]);
向上覆盖i层可以其子节点向上覆盖i+1层,根据互补,只要其能保证子树i+1层以下被覆盖即可,另一种情况同理。两者取最小值。
2. f[u][i]=min(f[u][i],f[u][i+1]);
因为是至少,所以可能i+1层花费更小。
3.g[u][i]+=g[v][i-1];
子树距离i层全覆盖,只要保证其子节点的子树距离i-1层全覆盖。
4.g[u][i]=min(g[u][i],g[u][i-1]);
理由同2
初始值设置:
1.如果这个点是关键点,那么f[x][0]=g[x][0]=val[x]
因为这个点想要被覆盖必须得选中。
如果不是,则可以不选,为0.
2.当i从1到d时
f[x][i]=val[x]
因为想要向上覆盖,这个点必须得选,当然,最后这些都会被更新,就不一定选了,注意的是先更新f,再更新g,因为g[u][0] 不能通过更新得到,只能是等于f[u][0]。

#include<bits/stdc++.h>
using namespace std;
const int maxn=5e5+9;
int val[maxn],f[maxn][25],g[maxn][25],key[maxn];
vector<int> e[maxn];
int n,d;
void add(int u,int v){
	e[u].push_back(v);
	e[v].push_back(u);
}
void init(){
	scanf("%d%d",&n,&d);
	for(int i=1;i<=n;i++){
		scanf("%d",&val[i]);
	}
	int m;
	scanf("%d",&m);
	for(int i=1;i<=m;i++){
		int x;
		scanf("%d",&x);
		key[x]=1;
	}
	for(int i=1;i<n;i++){
		int u,v;
		scanf("%d%d",&u,&v);
		add(u,v);
	}
}
void dfs(int u,int p){
	if(key[u]) f[u][0]=g[u][0]=val[u];
	else f[u][0]=g[u][0]=0;
	for(int i=1;i<=d;i++) f[u][i]=val[u];
	f[u][d+1]=1e9;
	for(int k=0;k<e[u].size();k++){
		int v=e[u][k];
		if(v==p) continue;
		dfs(v,u);
		for(int i=d;i>=0;i--) f[u][i]=min(f[u][i]+g[v][i],f[v][i+1]+g[u][i+1]);
		for(int i=d;i>=0;i--) f[u][i]=min(f[u][i],f[u][i+1]);
		g[u][0]=f[u][0];
		for(int i=1;i<=d;i++) g[u][i]+=g[v][i-1];
		for(int i=1;i<=d;i++) g[u][i]=min(g[u][i],g[u][i-1]);
	} 	
}
void solve(){
	dfs(1,0);
	printf("%d",f[1][0]);
}
int main(){
	init();
	solve();
}
内容概要:本文围绕EKF SLAM(扩展卡尔曼滤波同步定位与地图构建)的性能展开多项对比实验研究,重点分析在稀疏与稠密landmark环境下、预测与更新步骤同时进行与非同时进行的情况下的系统性能差异,并进一步探讨EKF SLAM在有色噪声干扰下的鲁棒性表现。实验考虑了不确定性因素的影响,旨在评估不同条件下算法的定位精度与地图构建质量,为实际应用中EKF SLAM的优化提供依据。文档还提及多智能体系统在遭受DoS攻击下的弹性控制研究,但核心内容聚焦于SLAM算法的性能测试与分析。; 适合人群:具备一定机器人学、状态估计或自动驾驶基础知识的科研人员及工程技术人员,尤其是从事SLAM算法研究或应用开发的硕士、博士研究生和相关领域研发人员。; 使用场景及目标:①用于比较EKF SLAM在不同landmark密度下的性能表现;②分析预测与更新机制同步与否对滤波器稳定性与精度的影响;③评估系统在有色噪声等非理想观测条件下的适应能力,提升实际部署中的可靠性。; 阅读建议:建议结合MATLAB仿真代码进行实验复现,重点关注状态协方差传播、观测更新频率与噪声模型设置等关键环节,深入理解EKF SLAM在复杂环境下的行为特性。稀疏 landmark 与稠密 landmark 下 EKF SLAM 性能对比实验,预测更新同时进行与非同时进行对比 EKF SLAM 性能对比实验,EKF SLAM 在有色噪声下性能实验
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