【学习笔记】详解换根法(换根DP)

一.换根DP的概念

1.换根DP是什么?

换根DP,又叫二次扫描,是树形DP的一种。

2.换根DP能解决什么问题?

换根DP能解决不指定根结点,并且根节点的变化会对一些值产生影响的问题。例如子结点深度和、点权和等。如果要 暴力求解出最优解,则我们可以枚举所有的节点为根,然后分别跑一次搜索,这样的时间复杂度会达到 O(n^{2}),显然不可接受。这时可以考虑使用换根DP解决。

3.换根DP与一般的树形DP相比有什么不同?

其相比于一般的树形DP具有以下特点:

  • 树上的不同点作为根,其解不同
  • 为其求解答案,不能单求某点的信息,需要求解每个节点的信息
  • 无法通过一次搜索完成答案的求解,因为一次搜索只能得到一个节点的答案。

二.换根DP的解法

换根dp通常会与树形dp 结合,我们可以先任定一个根节点root,通过树形dp的思想计算出一个答案。但这样求解出的答案只是以root为根的解,并不能确定是不是最优解。于是再考虑当root的子节点作为根节点时,答案怎样变化。一般可以在 O(1) 的时间复杂度内完成答案的转化。这样整道题的时间复杂度就由 O(n^{2}) 降为了 O(n)

总结一下,换根DP总共是三个步骤:

  1. 指定某个节点为根节点
  2. 第一次搜索完成预处理(如子树大小等),同时得到以上述节点为根的解
  3. 第二次搜索进行换根的动态规划,由已知解的节点推出相连节点的解。

如果到了这里还没有听懂的话,不用慌,可以结合下面的例题慢慢理解。

三.例题精讲

1.STA-Station

question

sol

我们先来画一下样例~(这里先假设以1号节点为根)

在这幅图中,siz[i]表示以i节点为根的子树中节点个数(包括i节点本身),而deep[i]表示i在以1号节点为根时的深度(1号节点深度为1)。

注意:代码中其实不需要开deep数组(第一次dfs时可以直接在dfs设置一个变量dep,然后每次递归时直接将以一号节点为根的解加上dep就行了),但是为了方便解释,我还是画上了。

这样,我们就可以得出来以1为根时深度之和(也就是解)为1+2+3+3+3+4+5+5=26。

然后我们就可以进行换根操作(比如此时以1的子节点4号节点为根)

siz我们依然沿用第一次得到的结果,deep我为了方便演示已经更新了。

从中我们可以发现一些规律。这棵树中从前(以1号节点为根时)属于4的子树的节点(2,3,4,5,6,7,8)的深度都减了1,而其他的节点(这里样例中只有1)的深度都加了1。大家可以自行在纸上多画几个换根后的图,加深理解。

归纳一下我们得到的结论:

如果此时要将根节点换成节点x

那么,以x为根时的解就是:

以x的父节点为根的子树的节点数-以x为根的子树的节点数+(总节点数-以点为根的子树的节点数)

              ↑                                                     ↑                                               ↑

以x为根时的解的基数     这些节点的深度都要-1(在这里省略了乘1)     其他的节点的深度都要+1

假设dh[x]代表以x为根时的解,fa为x的父节点

dh[x] = dh[fa] - siz[x] + (n - siz[x])

总结一下:

  • 我们假设此时将根节点换成节点x,则其子树由两部分构成,第一部分是其原子树,第二部分则是1号节点的其他子树
  • 根从1号节点变为节点x的过程中,我们可以发现第一部分的深度降低了1第二部分的深度则上升了1,而这两部分节点的数量在第一次搜索时就得到了(siz数组)。
  • DP公式:dh[x] = dh[fa] - siz[x] + (n - siz[x])

最后还要注意:第二次dfs后我们还要枚举dh[1~n]取其中的最大值才能得到答案!

code

#include <bits/stdc++.h>
#define int long long
using namespace std;
vector<int> vec[2000001];
int n,u,v,siz[2000001],dh[2000001],ans;
void dfs(int x,int fa,int dep)
{siz[x] = 1;//因为以x节点为根的子树包括x自身dh[1] += dep;//求以1节点为根的解for(int i = 0; i < vec[x].size(); i++){int son = vec[x][i];if(son != fa){dfs(son,x,dep + 1);siz[x] += siz[son];//不断累加子树中的节点个数}}
}
void dfs_2(int x,int fa)
{if(x != 1) dh[x] = dh[fa] - siz[x] + (n - siz[x]);//DP公式for(int i = 0; i < vec[x].size(); i++){int son = vec[x][i];if(son != fa) dfs_2(son,x);}
}
signed main()
{cin>>n;for(int i = 1; i < n; i++){cin>>u>>v;vec[u].push_back(v);//建树vec[v].push_back(u);}dfs(1,0,1);dfs_2(1,0);for(int i = 1; i <= n; i++) ans = max(ans,dh[i]);//取以各个节点为根的解的最大值cout<<ans;return 0;
}

2.[USACO10MAR] Great Cow Gathering G

question

sol

这道题与例题基本是一致的,只是添加了每个节点和每条边的权值,在DP时注意加上与乘上即可,没有什么大的变形。 如果实在不会,可以结合下面的代码理解。

code

#include <bits/stdc++.h>
#define int long long
using namespace std;
struct ff
{int len,id;
};
vector<ff> vec[100001];
int n,u,v,siz[1000001],dh[1000001],ans,w,c[1000001],s;
void dfs(int x,int fa)
{siz[x] = c[x];//以x为根的1子树是包括x节点本身的,所以siz[x]要初始化成x节点上的奶牛个数for(int i = 0; i < vec[x].size(); i++){int son = vec[x][i].id;if(son != fa){dfs(son,x);siz[x] += siz[son];//不断累加以子节点为根的子树上的奶牛数dh[1] += siz[son] * vec[x][i].len;//因为题目中添加了边权和点权,故不能像sta那题一样直接+dep}}
}
void dfs_2(int x,int fa)
{for(int i = 0; i < vec[x].size(); i++){int son = vec[x][i].id;if(son != fa){dh[son] = dh[x] - siz[son] * vec[x][i].len + (s - siz[son]) * vec[x][i].len;//此处可以自行画图推导一下dfs_2(son,x);}}
}
signed main()
{cin>>n;for(int i = 1; i <= n; i++){cin>>c[i];s += c[i];//s:奶牛的总数}for(int i = 1; i < n; i++){cin>>u>>v>>w;vec[u].push_back({w,v});//邻接表建双向边vec[v].push_back({w,u});}dfs(1,0);dfs_2(1,0);ans = 1e18;for(int i = 1; i <= n; i++) ans = min(ans,dh[i]);//因为要求深度最小,所以是取解的最小值cout<<ans;return 0;
}

四.结语

如果您觉得这篇文章不错,就请点赞关注收藏支持一下吖!ヾ(•ω•`)o

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/666824.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

java社区养老年人服务系统springboot+vue

为了帮助用户更好的了解和理解程序的开发流程与相关内容&#xff0c;本文将通过六个章节进行内容阐述。 第一章&#xff1a;描述了程序的开发背景&#xff0c;程序运用于现实生活的目的与意义&#xff0c;以及程序文档的结构安排信息&#xff1b; 第二章&#xff1a;描述了程序…

python Cloudflare 批量关闭IPv6兼容性脚本

Cloudflare免费版控制台不给关IPv6&#xff0c;需要使用API关闭&#xff0c;先从我的个人资料里面申请API令牌&#xff0c;再执行脚本 import requests import jsonheaders {X-Auth-Email:cloudflare登入账户, #输入登入账户的邮箱X-Auth-Key: Global API Key, #输入上图申请…

数据结构(C语言)代码实现(六)——单链表的实现

目录 参考、格式 头文件LinkList.h 一、将函数的小括号写成中括号 二、读取权限冲突 三、L->Last指针没有移动 四、函数指针的使用 头文件完整代码 测试函数&#xff08;主函数&#xff09;test.cpp 测试结果 参考、格式 数据结构课本2.3节&#xff08;严蔚敏版&a…

嵌入式学习第三篇——51单片机

目录 1&#xff0c;嵌入式系统 1&#xff0c;嵌入式系统的定义 2&#xff0c;单片机的定义 2&#xff0c;51单片机 1&#xff0c;开发环境 2&#xff0c;开发板使用的基本思路 1&#xff0c;查看原理图&#xff0c;查看芯片手册 2&#xff0c;获得调用硬件的管…

博途PLC限幅器(SCL代码)

PLC限幅器详细介绍,可以参考下面文章: https://rxxw-control.blog.csdn.net/article/details/128701050https://rxxw-control.blog.csdn.net/article/details/128701050三菱PLC限幅器 https://rxxw-control.blog.csdn.net/article/details/135212965

自研人工智能小工具-小蜜蜂(国外ChatGpt的平替)

国内有非常多好用的人工智能工具&#xff0c;但均无法完全替代国外ChatGpt。 ChatGPT相较于其他国内工具的优势在于以下几点&#xff1a; 创新的语言生成能力&#xff1a;ChatGPT是由OpenAI开发的先进的自然语言生成模型&#xff0c;它采用了大规模的预训练和精细调整方法。因此…

初探unity中的ECS

ECS是一种软件架构模式&#xff0c;就像MVC一样。ECS最早在游戏《守望先锋》中提及到的相关链接。ECS具体是指实体&#xff08;entity&#xff09;、 组件&#xff08;component&#xff09;和系统&#xff08;system&#xff09;&#xff1a; 实体&#xff1a;实体是一个ID&a…

27. 云原生流量治理之kubesphere灰度发布

云原生专栏大纲 文章目录 灰度发布介绍灰度发布策略KubeSphere中恢复发布策略蓝绿部署金丝雀发布流量镜像 灰度发布实战部署自制应用金丝雀发布创建金丝雀发布任务测试金丝雀发布情况 蓝绿部署创建蓝绿部署测试蓝绿部署情况 流量镜像创建流量进行任务测试流量镜像情况 灰度发布…

【iOS ARKit】3D 人体姿态估计

与基于屏幕空间的 2D人体姿态估计不同&#xff0c;3D人体姿态估计是尝试还原人体在三维世界中的形状与姿态&#xff0c;包括深度信息。绝大多数的现有3D人体姿态估计方法依赖2D人体姿态估计&#xff0c;通过获取 2D人体姿态后再构建神经网络算法&#xff0c;实现从 2D 到 3D人体…

APK签名 v1、 v2、v3、v3.1、v4 解析

在 Android 应用签名中&#xff0c;V1 V2 V3 V4签名是不同的签名方案&#xff0c;具体描述如下&#xff1a; V1 签名&#xff08;JAR 签名&#xff09;&#xff1a;早期 Android 应用签名的基本形式&#xff0c;基于 Java 签名&#xff08;JAR 签名&#xff09;规范。它将应用…

<Linux> 进程信号

目录 一、信号概念 二、信号的作用 三、信号的特性 四、信号捕捉初识 五、信号产生 &#xff08;一&#xff09;通过终端按键产生信号 &#xff08;二&#xff09;硬件中断 &#xff08;三&#xff09;系统调用产生信号 1. kill 函数 2. raise 函数 3. abort 函数 …

Redis核心技术与实战【学习笔记】 - 22.浅谈Redis的ACID相关知识

概述 事务是数据库的一个重要功能。所谓的事务&#xff0c;就是指对数据进行读写的一系列操作。事务在执行时&#xff0c;会提供专门的属性保证&#xff0c;包括原子性&#xff08;Atomicity&#xff09;、一致性&#xff08;Consistency&#xff09;、隔离性&#xff08;Isol…

sentinel的Context创建流程分析

sentinel入门 功能 限流&#xff1a;通过限制请求速率、并发数或者用户数量来控制系统的流量&#xff0c;防止系统因为流量过大而崩溃或无响应的情况发生。 熔断&#xff1a;在系统出现故障或异常时将故障节点从系统中断开&#xff0c;从而保证系统的可用性。 降级&#xf…

性能测试工具架构

背景 性能测试工具&#xff08;LoadRunner为例&#xff09; 性能测试工具通常是指那些用来支持压力、负载测试&#xff0c;能够录制和生成脚本、设置和部署场景、产生并发用户和向系统施加持续压力的工具。 性能测试工具录制的是服务端与应用之间的通信数据&#xff0c;而不是…

【Spring】自定义注解 + AOP 记录用户的使用日志

目录 ​编辑 自定义注解 AOP 记录用户的使用日志 使用背景 落地实践 一&#xff1a;自定义注解 二&#xff1a;切面配置 三&#xff1a;Api层使用 使用效果 自定义注解 AOP 记录用户的使用日志 使用背景 &#xff08;1&#xff09;在学校项目中&#xff0c;安防平台…

【RT-DETR有效改进】 DySample一种超级轻量的动态上采样算子(上采样中的No.1)

👑欢迎大家订阅本专栏,一起学习RT-DETR👑 一、 本文介绍 本文给大家带来的改进机制是一种号称超轻量级且有效的动态上采样器——DySample。与传统的基于内核的动态上采样器相比,DySample采用了一种基于点采样的方法,相比于以前的基于内核的动态上采样器,DySample具…

整理:汉诺塔简析

大体上&#xff0c;要解决一个汉诺塔问题&#xff0c;就需要解决两个更简单的汉诺塔问题 以盘子数量 3 的汉诺塔问题为例 要将 3 个盘子从 A 移动到 C&#xff0c;就要&#xff1a; 将两个盘子从 A 移动到 B&#xff08;子问题 1&#xff09; 为了解决子问题 1&#xff0c;就…

clickhouse在MES中的应用-跟踪扫描

开发的MES&#xff0c;往往都要做生产执行跟踪扫描&#xff0c;这样会产生大量的扫描数据&#xff0c;用关系型数据库&#xff0c;很容易造成查询冲突的问题。 生产跟踪扫描就发生的密度是非常高的&#xff0c;每个零部件的加工过程&#xff0c;都要被记录下来&#xff0c;特别…

鲲鹏--垂直生态领导者

这是ren_dong的第24篇原创 1、概述 华为鲲鹏920&#xff1a;性能最高的ARM架构服务器芯片 鲲鹏是华为在芯片领域布局的重要一环 &#xff0c;是垂直生态的领导者&#xff0c;鲲鹏芯片诞生于2020年 &#xff0c;已获得ARMv8架构的永久授权&#xff0c;主要聚焦通用计算领域华为针…

typecho 在文章中添加 bilibili 视频

一、获取视频来源&#xff1a; 可以有2种方式来定位一个 bilibili 视频&#xff1a; 第一种是使用 bvid 参数定位第二种是使用 aid 参数定位 如何获取这两个参数&#xff1f; 首先我们可以看看 bilibili 网站中的视频页面链接其实可以分为两种&#xff1a; 第一种是类似&a…