Динамика по поддеревьям
Динамика по деревьям
Рассмотрим динамику по дереву на примере задачи о максимальном независимом множестве в дереве.
Задача о максимальном взвешенном паросочетании на дереве
Формулировка
Пусть дано подвешенное за корень дерево, имеющее веса на каждом из ее ребер. Необходимо выбрать такое множество ребер, что бы сумма значений была максимальной и при этом выбранные ребра не являлись бы соседними. Т.е. необходимо решить задачу о максимальном взвешенном паросочетании.
Решение
Давайте заметим, что в случае дерева эта задача имеет решение методом динамического программирования, в отличии от общего случая на произвольном множестве. Это обобщение относится к классу NP-полных задач. Главное отличие этой задачи от других динамически решаемых — ответ в одном поддереве влияет на решение в остальных.
Рассмотрим наше первое состояние, когда еще не выбрана ни одна вершина. В этом случае мы можем сделать две вещи:
- Взять какое-то ребро из корня
- Не взять ни одного ребра из корня
В первом случае мы не сможем рассматривать его детей вовсе (т.е. при переходе в его поддеревья, мы не будем рассматривать возможность добавления корня в множество). В ином случае мы переходим в его поддеревья и выполняем то же самое действие.
Рекуррентная формула
Заметим, что вторую формулу можно упростить:
Теперь наши формулы имеют вид:
Заметим, что с помощью этого преобразования мы сократили общее время вычисления с
до .Псевдокод
function calculate(v, root): if dp[v][root] != -1: return dp[v][root] #вернули уже посчитанное значение dp[v][root] sum1 = 0 #случай 1: не берем корень for u in child(v): sum1 += calculate(u, 1) sum2 = a[v] #случай 2: берем корень for u in child(v): for t in child(u): # считаем, что у нас нет ребер наверх, к корню sum2 += calculate(t) # выполняем мемоизацию dp[v] = max(sum1, sum2) return dp[v]
child(v) -- возвращает детей вершины v
Общие принципы динамики по поддеревьям
Самое главное и основное отличие — ответ в одном поддереве может влиять на другие ответы, как в предыдущей задаче влиял выбор корня.