Mail.Ru Cup 2018 Round 3 D. Decorate Apple Tree

本文介绍了一种使用深度优先搜索(DFS)算法解决特定树形结构问题的方法,目标是确定一棵树中需要多少种颜色来染色其叶子节点,以便确保存在指定数量的“快乐节点”。快乐节点是指其所有叶子子节点颜色各不相同的节点。文章通过一个具体的代码示例展示了如何实现这一算法。

传送门

题意:
问需要多少种颜色对一棵树的叶子节点进行染色,使得有 k ( 1 &lt; = k &lt; = n ) 个 快 乐 节 点 k(1&lt;=k&lt;=n)个快乐节点 k(1<=k<=n)
快乐节点定义为如果该节点的所有叶子节点颜色均不同。
(一开始看错题意以为是每个节点的颜色都要不一样

正确理解题意后其实就是求每个节点有多少个叶子节点,叶子节点本身就算一个。

一个裸的树 D F S DFS DFS



#include <iostream>
#include <cstdio>
#include <cstring>
#include <algorithm>
#include <cmath>
#include <queue>
#include <vector>
#include <map>
#include <set>
#include <stack>
#include <string>
using namespace std;

typedef long long ll;
#define lson l,mid,rt<<1
#define rson mid+1,r,rt<<1|1
#define mem(a,b) memset(a,b,sizeof(a))
#define lowbit(x) x&-x
const int maxn = 1e5 + 5;
const int mod = 1e9 + 7;
const double eps = 1e-6;
const double pi = acos(-1.0);
int n;
vector<int>vec[maxn];
int son[maxn],out[maxn];
void dfs(int u,int fa){
    int sz = vec[u].size();
    if(out[u] == 0) son[u] = 1;
    //else son[u] = son[fa];
    for(int i = 0; i < sz; i++){
        int v = vec[u][i];
        if(v == fa) continue;
        dfs(v,u);
        son[u] += son[v];在这里插入代码片
    }
}
int main(){
	//freopen("in.txt","r",stdin);
	//freopen("out.txt","w",stdout);
    scanf("%d",&n);
	for(int i = 2,x; i <= n; i++){
		scanf("%d",&x);
		vec[i].push_back(x);
		vec[x].push_back(i);
        out[x]++;
	}
    dfs(1,0);
    sort(son+1,son+n+1);
    for(int i = 1; i <= n; i++)
        printf("%d ",son[i]);
    return 0;
}

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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