CF1187E Tree Painting

本文深入探讨了树形动态规划(DP)的概念与实现,通过一个具体问题讲解了如何利用树形DP求解最大分数。文章首先介绍了树形DP的基本思路,随后详细解释了如何通过递归深度优先搜索(DFS)计算以每个节点为根的最大分数,最后通过实例代码展示了具体的实现过程。

思路:

树形dp,首先使用dp计算以1为根的时候的最大分数,同时得到各个子树i的最大分数dp[i]。然后利用前面得到的dp数组分别计算以其他每个点作为根的时候的最大分数。

实现:

 1 #include <bits/stdc++.h>
 2 using namespace std;
 3 typedef long long ll;
 4 const int N = 200005;
 5 vector<int> G[N];
 6 ll cnt[N], dp[N];
 7 int n;
 8 void dfs(int u, int p)
 9 {
10     cnt[u] = 1;
11     for (int i = 0; i < G[u].size(); i++)
12     {
13         int t = G[u][i];
14         if (t == p) continue;
15         dfs(t, u);
16         cnt[u] += cnt[t];
17         dp[u] += dp[t];
18     }
19     dp[u] += cnt[u];
20 }
21 void dfs2(int u, int p, ll x, ll& ans)
22 {
23     ans = max(ans, dp[u] - cnt[u] + x + n);
24     for (int i = 0; i < G[u].size(); i++)
25     {
26         int t = G[u][i];
27         if (t == p) continue;
28         dfs2(t, u, dp[u] - cnt[u] - dp[t] + x + n - cnt[t], ans);
29     }
30 }
31 int main()
32 {
33     int a, b;
34     while (cin >> n)
35     {
36         for (int i = 1; i <= n; i++) G[i].clear();
37         memset(cnt, 0, sizeof cnt); memset(dp, 0, sizeof dp);
38         for (int i = 1; i <= n - 1; i++)
39         {
40             cin >> a >> b;
41             G[a].push_back(b); G[b].push_back(a);
42         }
43         dfs(1, 0);
44         ll maxn = dp[1];
45         for (int i = 0; i < G[1].size(); i++)
46         {
47             int t = G[1][i];
48             dfs2(t, 1, dp[1] - dp[t] - cnt[t], maxn);
49         }
50         cout << maxn << endl;
51     }
52     return 0;
53 }

 

转载于:https://www.cnblogs.com/wangyiming/p/11127623.html

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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