hdu2196 Computer(树型dp,两次bfs)

本文深入探讨了一种经典的树形动态规划算法,用于找出树结构中的两个节点之间的最大距离。通过BFS遍历子树,并利用动态规划表记录节点的最大距离和次大距离,该算法有效解决了这一问题。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

hdu2196

分析

经典的树型dp,值得回味,最大距离的点,要么是自己子树的内的点,要么是由父节点得到的最大距离+这个点到父节点的距离。考虑子树的点,bfs即可。对于父节点,其一是父节点的父节点得出最大值,其二就是父节点子树得出的最大值,如果父节点子树最大距离的点是在目标点的子树中,那么就会“进去”再“出来”,不符合最长,所以要再记一下第二大的值。dp[i][0]表示i点子树得出第一大的距离,dp[i][1]表示i点子树得出第二大的距离,dp[i][2]表示i点由父节点得到的最大距离。

题目

http://acm.hdu.edu.cn/showproblem.php?pid=2196

代码

#include <cstdio>
#include <cstring>
#include <cmath>
#include <cstdlib>
#include <iostream>
#include <vector>
#define ll __int64

using namespace std;

const int maxn=10010;

struct node
{
    int w,v;
    node(int vv,int ww)
    {
        v=vv;
        w=ww;
    }
};

vector<node> data[maxn];
int n;
int dp[maxn][3];
int vis[maxn];

void dfs1(int u)
{
    int biggest=0,bigger=0;
    vis[u]=1;

    for(int i=0; i<data[u].size(); i++)
    {
        int vv=data[u][i].v;
        int ww=data[u][i].w;
        if(!vis[vv])
        {
            dfs1(vv);
            int temp=dp[vv][0]+ww;
            if(temp>biggest)
            {
                bigger=biggest;
                biggest=temp;
            }
            else if(temp>bigger)
            {
                bigger=temp;
            }
        }
    }
    dp[u][0]=biggest;
    dp[u][1]=bigger;
}

void dfs2(int u)
{
    vis[u]=1;
    for(int i=0; i<data[u].size(); i++)
    {
        int vv=data[u][i].v;
        int ww=data[u][i].w;
        if(!vis[vv])
        {
            if((dp[u][0]-ww)==dp[vv][0])
            {
                dp[vv][2]=max(dp[vv][2],max(dp[u][1],dp[u][2])+ww);
            }
            else
            {
                dp[vv][2]=max(dp[vv][2],max(dp[u][0],dp[u][2])+ww);
            }
            dfs2(vv);
        }
    }
}


int main()
{
    while(scanf("%d",&n)!=EOF)
    {
        for(int i=1; i<=n; i++)
            data[i].clear();

        for(int i=2; i<n+1; i++)
        {
            int v,w;
            scanf("%d %d",&v,&w);
            data[i].push_back(node(v,w));
            data[v].push_back(node(i,w));
        }

        memset(vis,0,sizeof(vis));
        dfs1(1);
        memset(vis,0,sizeof(vis));
        for(int i=1; i<=n; i++)
            dp[i][2]=0;
        dfs2(1);
        for(int i=1; i<=n; i++)
            printf("%d\n",max(dp[i][0],dp[i][2]));
    }
    return 0;
}
内容概要:本文档详细介绍了基于MATLAB实现多目标差分进化(MODE)算法进行无人机三维路径规划的项目实例。项目旨在提升无人机在复杂三维环境中路径规划的精度、实时性、多目标协调处理能力、障碍物避让能力和路径平滑性。通过引入多目标差分进化算法,项目解决了传统路径规划算法在动态环境和多目标优化中的不足,实现了路径长度、飞行安全距离、能耗等多个目标的协调优化。文档涵盖了环境建模、路径编码、多目标优化策略、障碍物检测与避让、路径平滑处理等关键技术模块,并提供了部分MATLAB代码示例。 适合人群:具备一定编程基础,对无人机路径规划和多目标优化算法感兴趣的科研人员、工程师和研究生。 使用场景及目标:①适用于无人机在军事侦察、环境监测、灾害救援、物流运输、城市管理等领域的三维路径规划;②通过多目标差分进化算法,优化路径长度、飞行安全距离、能耗等多目标,提升无人机任务执行效率和安全性;③解决动态环境变化、实时路径调整和复杂障碍物避让等问题。 其他说明:项目采用模块化设计,便于集成不同的优化目标和动态环境因素,支持后续算法升级与功能扩展。通过系统实现和仿真实验验证,项目不仅提升了理论研究的实用价值,还为无人机智能自主飞行提供了技术基础。文档提供了详细的代码示例,有助于读者深入理解和实践该项目。
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