AcWing 286. 选课(有依赖的树形dp / dfs序优化)

2024-04-16 02:48

本文主要是介绍AcWing 286. 选课(有依赖的树形dp / dfs序优化),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

学校实行学分制。

每门的必修课都有固定的学分,同时还必须获得相应的选修课程学分。

学校开设了 N 门的选修课程,每个学生可选课程的数量 M 是给定的。

学生选修了这 M 门课并考核通过就能获得相应的学分。

在选修课程中,有些课程可以直接选修,有些课程需要一定的基础知识,必须在选了其他的一些课程的基础上才能选修。

例如《Windows程序设计》必须在选修了《Windows操作基础》之后才能选修。

我们称《Windows操作基础》是《Windows程序设计》的先修课。

每门课的直接先修课最多只有一门。

两门课可能存在相同的先修课。

你的任务是为自己确定一个选课方案,使得你能得到的学分最多,并且必须满足先修条件。

假定课程之间不存在时间上的冲突。

输入格式
输入文件的第一行包括两个整数N、M(中间用一个空格隔开)其中1≤N≤300,1≤M≤N。

接下来N行每行代表一门课,课号依次为1,2,…,N。

每行有两个数(用一个空格隔开),第一个数为这门课先修课的课号(若不存在先修课则该项为0),第二个数为这门课的学分。

学分是不超过10的正整数。

输出格式
输出一个整数,表示学分总数。

输入样例:
7 4
2 2
0 1
0 4
2 1
7 1
7 6
2 2
输出样例:
13

思路: 按照树的层次划分阶段,第一维状态为节点,第二维为背包体积。那么由子节点转移过来,按照背包的放与不放来转移。实际上还是在跑分组背包,只不过u的子状态是子节点v,而不是u-1。

ACNEW:
实践证明,进行范围限制再进行刷表是最快的方法。对于这种依赖问题有dfs序的高效解法。

#include <cstdio>
#include <cstring>
#include <algorithm>
#include <cmath>
#include <vector>
#include <map>using namespace std;typedef long long ll;const int maxn = 1007;int a[maxn];
int head[maxn],nex[maxn],to[maxn],tot;
int f[maxn][maxn];//当前根节点为i,选了j个点的最大学分和。
int siz[maxn];
int n,m;void add(int x,int y) {to[++tot] = y;nex[tot] = head[x];head[x] = tot;
}void DP(int u) {f[u][1] = a[u];siz[u] = 1;for(int i = head[u];i;i = nex[i]) {int v = to[i];DP(v);for(int j = min(siz[u],m + 1);j >= 1;j--) { //根节点和之前子树选了多少for(int k = 0;k + j <= m + 1 && k <= siz[v];k++) { //当前子树选了多少f[u][j + k] = max(f[u][j + k],f[v][k] + f[u][j]);}}siz[u] += siz[v];}
}int main() {scanf("%d%d",&n,&m);for(int i = 1;i <= n;i++) {int x,y;scanf("%d%d",&x,&y);add(x,i);a[i] = y;}DP(0);printf("%d\n",f[0][m + 1]);return 0;
}

dfs序优化方法
定义 f [ i ] [ j ] f[i][j] f[i][j]为选dfs序大于等于 i i i的点,至多选 j j j个的最多学分。
那么转移就是,对于 d f s dfs dfs序为 i i i的点选与不选。

#include <cstdio>
#include <cstring>
#include <algorithm>
#include <cmath>
#include <vector>
#include <map>using namespace std;typedef long long ll;const int maxn = 1007;int a[maxn];
int head[maxn],nex[maxn],to[maxn],tot;
int st[maxn],ed[maxn];
int f[maxn][maxn];//当前根节点为i,选了j个点的最大学分和。
int siz[maxn],mp[maxn];
int n,m,cnt;void add(int x,int y) {to[++tot] = y;nex[tot] = head[x];head[x] = tot;
}void dfs(int u) {siz[u] = 1;st[u] = ++cnt;mp[cnt] = u;for(int i = head[u];i;i = nex[i]) {int v = to[i];dfs(v);siz[u] += siz[v];}
}int main() {scanf("%d%d",&n,&m);for(int i = 1;i <= n;i++) {int x,y;scanf("%d%d",&x,&y);add(x,i);a[i] = y;}dfs(0);f[n + 2][0] = 0;for(int i = n + 1;i >= 1;i--) {int x = mp[i];for(int p = 1;p <= m + 1;p++) {f[i][p] = max(f[i + siz[x]][p],f[i + 1][p - 1] + a[x]);}}printf("%d\n",f[1][m + 1]);return 0;
}
#include <cstdio>
#include <cstring>
#include <algorithm>
#include <vector>using namespace std;const int maxn = 305;
vector<int>G[maxn];
int dp[maxn][maxn];//以u为根节点,选了m个课的最优结果。
int a[maxn];
int n,m;void dfs(int u)
{dp[u][0] = 0;for(int i = 0;i < G[u].size();i++){int v = G[u][i];dfs(v);for(int j = m;j >= 0;j--)//背包{for(int k = j;k >= 0;k--)//分组{dp[u][j] = max(dp[u][j],dp[v][k] + dp[u][j - k]);}}}if(u != 0){for(int t = m;t > 0;t--)dp[u][t] = dp[u][t - 1] + a[u];//当前这个物品要选}
}int main()
{scanf("%d%d",&n,&m);for(int i = 1;i <= n;i++){int x;scanf("%d%d",&x,&a[i]);G[x].push_back(i);}memset(dp,0xcf,sizeof(dp));dfs(0);printf("%d\n",dp[0][m]);return 0;
}

这篇关于AcWing 286. 选课(有依赖的树形dp / dfs序优化)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/907621

相关文章

Python pip下载包及所有依赖到指定文件夹的步骤说明

《Pythonpip下载包及所有依赖到指定文件夹的步骤说明》为了方便开发和部署,我们常常需要将Python项目所依赖的第三方包导出到本地文件夹中,:本文主要介绍Pythonpip下载包及所有依... 目录步骤说明命令格式示例参数说明离线安装方法注意事项总结要使用pip下载包及其所有依赖到指定文件夹,请按照以

Java -jar命令如何运行外部依赖JAR包

《Java-jar命令如何运行外部依赖JAR包》在Java应用部署中,java-jar命令是启动可执行JAR包的标准方式,但当应用需要依赖外部JAR文件时,直接使用java-jar会面临类加载困... 目录引言:外部依赖JAR的必要性一、问题本质:类加载机制的限制1. Java -jar的默认行为2. 类加

java -jar命令运行 jar包时运行外部依赖jar包的场景分析

《java-jar命令运行jar包时运行外部依赖jar包的场景分析》:本文主要介绍java-jar命令运行jar包时运行外部依赖jar包的场景分析,本文给大家介绍的非常详细,对大家的学习或工作... 目录Java -jar命令运行 jar包时如何运行外部依赖jar包场景:解决:方法一、启动参数添加: -Xb

SpringBoot中HTTP连接池的配置与优化

《SpringBoot中HTTP连接池的配置与优化》这篇文章主要为大家详细介绍了SpringBoot中HTTP连接池的配置与优化的相关知识,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一... 目录一、HTTP连接池的核心价值二、Spring Boot集成方案方案1:Apache HttpCl

PyTorch高级特性与性能优化方式

《PyTorch高级特性与性能优化方式》:本文主要介绍PyTorch高级特性与性能优化方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、自动化机制1.自动微分机制2.动态计算图二、性能优化1.内存管理2.GPU加速3.多GPU训练三、分布式训练1.分布式数据

MySQL中like模糊查询的优化方案

《MySQL中like模糊查询的优化方案》在MySQL中,like模糊查询是一种常用的查询方式,但在某些情况下可能会导致性能问题,本文将介绍八种优化MySQL中like模糊查询的方法,需要的朋友可以参... 目录1. 避免以通配符开头的查询2. 使用全文索引(Full-text Index)3. 使用前缀索

C#实现高性能Excel百万数据导出优化实战指南

《C#实现高性能Excel百万数据导出优化实战指南》在日常工作中,Excel数据导出是一个常见的需求,然而,当数据量较大时,性能和内存问题往往会成为限制导出效率的瓶颈,下面我们看看C#如何结合EPPl... 目录一、技术方案核心对比二、各方案选型建议三、性能对比数据四、核心代码实现1. MiniExcel

Maven 依赖发布与仓库治理的过程解析

《Maven依赖发布与仓库治理的过程解析》:本文主要介绍Maven依赖发布与仓库治理的过程解析,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下... 目录Maven 依赖发布与仓库治理引言第一章:distributionManagement配置的工程化实践1

Spring三级缓存解决循环依赖的解析过程

《Spring三级缓存解决循环依赖的解析过程》:本文主要介绍Spring三级缓存解决循环依赖的解析过程,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、循环依赖场景二、三级缓存定义三、解决流程(以ServiceA和ServiceB为例)四、关键机制详解五、设计约

gradle第三方Jar包依赖统一管理方式

《gradle第三方Jar包依赖统一管理方式》:本文主要介绍gradle第三方Jar包依赖统一管理方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录背景实现1.顶层模块build.gradle添加依赖管理插件2.顶层模块build.gradle添加所有管理依赖包