NEFU 262 贪吃的九头龙(树形背包,4级)

本文探讨了一种贪吃生物——九头龙,在面对具有特定结构的果树时,如何通过合理的策略最小化其在吃果子过程中产生的‘难受值’。九头龙需要将果树上数量不等的果子分成多个组,每组至少有一个果子,且其中一个头需要吃掉恰好指定数量的果子,其中包括最大的那个果子。本文详细阐述了解决这个问题的方法和策略。

贪吃的九头龙

Time Limit 1000ms

Memory Limit 65536K

description

    传说中的九头龙是一种特别贪吃的动物。虽然名字叫“九头龙”,但这只是说它出生的时候有九个头,而在成长的过程中,它有时会长出很多的新头,头的总数会远大于九,当然也会有旧头因衰老而自己脱落。 
  有一天,有M个脑袋的九头龙看到一棵长有N个果子的果树,喜出望外,恨不得一口把它全部吃掉。可是必须照顾到每个头,因此它需要把N个果子分成M组,每组至少有一个果子,让每个头吃一组。 
  这M个脑袋中有一个最大,称为“大头”,是众头之首,它要吃掉恰好K个果子,而且K个果子中理所当然地应该包括唯一的一个最大的果子。果子由N-1根树枝连接起来,由于果树是一个整体,因此可以从任意一个果子出发沿着树枝“走到”任何一个其他的果子。 
  对于每段树枝,如果它所连接的两个果子需要由不同的头来吃掉,那么两个头会共同把树枝弄断而把果子分开;如果这两个果子是由同一个头来吃掉,那么这个头会懒得把它弄断而直接把果子连同树枝一起吃掉。当然,吃树枝并不是很舒服的,因此每段树枝都有一个吃下去的“难受值”,而九头龙的难受值就是所有头吃掉的树枝的“难受值”之和。 
  九头龙希望它的“难受值”尽量小,你能帮它算算吗? 
    例如图1所示的例子中,果树包含8个果子,7段树枝,各段树枝的“难受
值”标记在了树枝的旁边。九头龙有两个脑袋,大头需要吃掉4个果子,其中必
须包含最大的果子。即N=8,M=2,K=4:
图一描述了果树的形态,图二描述了最优策略。 
大头吃4个果子,用实心点标识; 
小头吃4个果子,用空心点标识; 
九头龙的难受值为4,因为图中用细边标
记的树枝被大头吃掉了。 

         图一                                      图二 
							

input

多组输入
每组输入的第1行包含三个整数N(1<=N<=300),M(2<=M<=N),K(1<=K<=N)。N个果子依次编号1,2,...,N,且最大的果子的编号总是1。第2行到第N行描述了果树的形态,每行包含三个整数a(1<=a<=N),b(1<=b<=N),c(0<=c<=105),表示存在一段难受值为c的树枝连接果子a和果子b。
							

output

每组输出一行,包含一个整数,表示在满足“大头”的要求的前提下,九头龙的难受值的最小值。如果无法满足要求,输出-1。
							

sample_input

8 2 4
1 2 20
1 3 4
1 4 13
2 5 10
2 6 12
3 7 15
3 8 5
							

sample_output

4
							

hint

该样例对应于题目描述中的例子。 
								
							

source

NOI 2002 贪吃的九头龙

思路:树上的背包。

           dp[u][k][t] u节点大头已经吃了k个果子,是否大头吃当前果子

#include<cstdio>
#include<cstring>
#include<iostream>
#define FOR(i,a,b) for(int i=a;i<=b;++i)
#define clr(f,z) memset(f,z,sizeof(f))
using namespace std;
const int mm=307;
const int oo=0x3f3f3f3f;
int dp[mm][mm][2];///u节点,大头吃了x个,大小头
int g[mm][2];
bool vis[mm];
class Edge
{
  public:int v,next,w;
}e[mm+mm];
int head[mm],edge;
void data()
{
  clr(head,-1);edge=0;
}
void add(int u,int v,int w)
{
  e[edge].v=v;e[edge].w=w;e[edge].next=head[u];head[u]=edge++;
}
int N,M,K;
void DP(int u)
{ int v,kill;
  vis[u]=1;
  bool leaf=1;
  for(int i=head[u];~i;i=e[i].next)
  {
    v=e[i].v;
    if(vis[v])continue;
    DP(v);
    kill=M>2?0:e[i].w;
    if(leaf)
    {
      leaf=0;
      for(int j=0;j<=K;++j)///1 当前点给大头吃
      {
        dp[u][j][0]=min(dp[v][j][0]+kill,dp[v][j][1]);
        dp[u][j+1][1]=min(dp[v][j][0],dp[v][j][1]+e[i].w);
      }
    }
    else
    {
      FOR(j,0,K)g[j][0]=g[j][1]=oo;
      FOR(j,0,K)for(int k=K-j;k>=0;--k)
      {
        g[j+k][0]=min( min(g[j+k][0],dp[u][j][0]+dp[v][k][0]+kill),dp[u][j][0]+dp[v][k][1] );
        g[j+k+1][1]=min( min(g[j+k+1][1],dp[u][j+1][1]+dp[v][k][0]),dp[u][j+1][1]+dp[v][k][1]+e[i].w );
      }
      FOR(j,0,K)dp[u][j][0]=g[j][0],dp[u][j][1]=g[j][1];
    }
  }
  if(leaf)dp[u][0][0]=dp[u][1][1]=0;///叶子节点
}
int main()
{ int a,b,c;
  while(~scanf("%d%d%d",&N,&M,&K))
  { data();
    FOR(i,2,N)
    {scanf("%d%d%d",&a,&b,&c);
     add(a,b,c);add(b,a,c);
    }
    if(N-M<K)
    {
      printf("-1\n");continue;
    }
    clr(dp,0x3f);clr(vis,0);
    DP(1);
    printf("%d\n",dp[1][K][1]);
  }
}



### 关于二叉排序树和二叉平衡树 #### 二叉排序树 (Binary Search Tree, BST) 二叉排序树是一种特殊的二叉树,其特性在于对于任意节点`n`而言: - `n`的左子树中的所有节点的关键字均小于`n`的关键字; - `n`的右子树中的所有节点的关键字均大于`n`的关键字。 这种性质使得二叉排序树非常适合用于快速查找、插入以及删除操作。当构建一棵接近完全二叉树形态的理想状态下的BST时,这些基本操作的时间复杂度可以达到O(log n)[^1]。 ```python class TreeNode: def __init__(self, key=None): self.key = key self.left = None self.right = None def insert(root, key): if root is None: return TreeNode(key) if key < root.key: root.left = insert(root.left, key) elif key > root.key: root.right = insert(root.right, key) return root ``` #### 二叉平衡树 (Balanced Binary Tree) 为了克服普通二叉排序树可能退化成链表的情况(最坏情况下时间复杂度会变为O(n)),引入了自调整机制来保持树的高度尽可能低,即所谓的“平衡”。常见的实现方式包括AVL树和红黑树等。这里以AVL为例说明如何维持树的平衡属性。 每当执行一次插入或删除之后都需要检查并维护当前节点及其祖先节点之间的高度差不超过1。如果违反此条件,则通过旋转操作重新排列部分子树结构从而恢复整个树的平衡性。 ```python # AVL Node definition remains similar to above but with additional height attribute. class AVLNode(TreeNode): def __init__(self, key=None): super().__init__(key=key) self.height = 1 def get_height(node): if not node: return 0 return node.height def update_height(node): if node: node.height = max(get_height(node.left), get_height(node.right)) + 1 def rotate_left(z): y = z.right T2 = y.left # Perform rotation y.left = z z.right = T2 # Update heights after rotations update_height(z) update_height(y) return y def rotate_right(z): y = z.left T3 = y.right # Perform rotation y.right = z z.left = T3 # Update heights after rotations update_height(z) update_height(y) return y ```
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