【CSUST 2026】:随刄而行 树形DP

本文讲解了如何通过动态规划解决一个树上选点问题,涉及状态转移方程的设定,包括不选点时考虑子树影响的计算和选点时子节点选择的递归更新。代码展示了如何使用C++实现并求解最大价值。

传送门

题意

在这里插入图片描述

分析

这种树上选点的问题,常规思路就是树上 D P DP DP f [ u ] [ 0 / 1 ] f[u][0/1] f[u][0/1]表示某个点选或不选
-如果不选择 u u u点,那么他对于其余每一个点的影响就是 − m -m m,但考虑到 m m m可能为负数,所以可能会导致这个影响是正的,所以就涉及到是一次砍掉一颗子树还是一个节点一个节点去删除,所以 f [ u ] [ 1 ] = m a x ( − m , − m ∗ s z [ u ] ) f[u][1] = max(-m,-m * sz[u]) f[u][1]=max(m,msz[u])
-如果选择 u u u点,那么对于每一个子节点,选择 m a x ( f [ j ] [ 0 ] , f [ j ] [ 1 ] ) max(f[j][0],f[j][1]) max(f[j][0],f[j][1])即可

代码

#pragma GCC optimize(3)
#include <bits/stdc++.h>
#define debug(x) cout<<#x<<":"<<x<<endl;
#define dl(x) printf("%lld\n",x);
#define di(x) printf("%d\n",x);
#define _CRT_SECURE_NO_WARNINGS
#define pb push_back
#define mp make_pair
#define all(x) (x).begin(),(x).end()
#define fi first
#define se second
#define SZ(x) ((int)(x).size())
using namespace std;
typedef long long ll;
typedef unsigned long long ull;
typedef pair<int, int> PII;
typedef vector<int> VI;
const int INF = 0x3f3f3f3f;
const int N = 2e5 + 10,M = N * 2;
const ll mod = 1000000007;
const double eps = 1e-9;
const double PI = acos(-1);
template<typename T>inline void read(T &a) {
    char c = getchar(); T x = 0, f = 1; while (!isdigit(c)) {if (c == '-')f = -1; c = getchar();}
    while (isdigit(c)) {x = (x << 1) + (x << 3) + c - '0'; c = getchar();} a = f * x;
}
int gcd(int a, int b) {return (b > 0) ? gcd(b, a % b) : a;}
int n,m;
int h[N],e[M],ne[M],idx;
ll sz[N],a[N];
ll f[N][2]; //0 选  1 不选

void add(int x,int y){
    ne[idx] = h[x],e[idx] = y,h[x] = idx++;
}

void pp(int u,int fa){
    sz[u] = 1;
    for(int i = h[u];~i;i = ne[i]){
        int j = e[i];
        if(j == fa) continue;
        pp(j,u);
        sz[u] += sz[j];
    }
}

void dfs(int u,int fa){
    f[u][0] = a[u],f[u][1] = max(-1ll * m,-1ll * m * sz[u]);
    for(int i = h[u];~i;i = ne[i]){
        int j = e[i];
        if(j == fa) continue;
        dfs(j,u);
        f[u][0] += max(f[j][1],f[j][0]);
    }
}

int main() {
    int T;
    read(T);
    while(T--){
        read(n),read(m);
        for(int i = 1;i <= n;i++) h[i] = -1,sz[i] = 0,f[i][1] = f[i][0] = 0,read(a[i]);
        idx = 0;
        for(int i = 1;i < n;i++){
            int x,y;
            read(x),read(y);
            add(x,y),add(y,x);
        }
        pp(1,0);
        dfs(1,0);
        dl(max(f[1][0],f[1][1]));
    }       
    return 0;
}
同步定位与地图构建(SLAM)技术为移动机器人或自主载具在未知空间中的导航提供了核心支撑。借助该技术,机器人能够在探索过程中实时构建环境地图并确定自身位置。典型的SLAM流程涵盖传感器数据采集、数据处理、状态估计及地图生成等环节,其核心挑战在于有效处理定位与环境建模中的各类不确定性。 Matlab作为工程计算与数据可视化领域广泛应用的数学软件,具备丰富的内置函数与专用工具箱,尤其适用于算法开发与仿真验证。在SLAM研究方面,Matlab可用于模拟传感器输出、实现定位建图算法,并进系统性能评估。其仿真环境能显著降低实验成本,加速算法开发与验证周期。 本次“SLAM-基于Matlab的同步定位与建图仿真实践项目”通过Matlab平台完整再现了SLAM的关键流程,包括数据采集、滤波估计、特征提取、数据关联与地图更新等核心模块。该项目不仅呈现了SLAM技术的实际应用场景,更为机器人导航与自主移动领域的研究人员提供了系统的实践参考。 项目涉及的核心技术要点主要包括:传感器模型(如激光雷达与视觉传感器)的建立与应用、特征匹配与数据关联方法、滤波器设计(如扩展卡尔曼滤波与粒子滤波)、图优化框架(如GTSAM与Ceres Solver)以及路径规划与避障策略。通过项目实践,参与者可深入掌握SLAM算法的实现原理,并提升相关算法的设计与调试能力。 该项目同时注重理论向工程实践的转化,为机器人技术领域的学习者提供了宝贵的实操经验。Matlab仿真环境将复杂的技术问题可视化与可操作化,显著降低了学习门槛,提升了学习效率与质量。 实践过程中,学习者将直面SLAM技术在实际应用中遇到的典型问题,包括传感器误差补偿、动态环境下的建图定位挑战以及计算资源优化等。这些问题的解决对推动SLAM技术的产业化应用具有重要价值。 SLAM技术在工业自动化、服务机器人、自动驾驶及无人机等领域的应用前景广阔。掌握该项技术不仅有助于提升个人专业能力,也为相关业的技术发展提供了重要支撑。随着技术进步与应用场景的持续拓展,SLAM技术的重要性将日益凸显。 本实践项目作为综合性学习资源,为机器人技术领域的专业人员提供了深入研习SLAM技术的实践平台。通过Matlab这一高效工具,参与者能够直观理解SLAM的实现过程,掌握关键算法,并将理论知识系统应用于实际工程问题的解决之中。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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