现有一棵无向、无根的树,树中有 n
个节点,按从 0
到 n - 1
编号。给你一个整数 n
和一个长度为 n - 1
的二维整数数组 edges
,其中 edges[i] = [ai, bi]
表示树中节点 ai
和 bi
之间存在一条边。
每个节点都关联一个价格。给你一个整数数组 price
,其中 price[i]
是第 i
个节点的价格。
给定路径的 价格总和 是该路径上所有节点的价格之和。
另给你一个二维整数数组 trips
,其中 trips[i] = [starti, endi]
表示您从节点 starti
开始第 i
次旅行,并通过任何你喜欢的路径前往节点 endi
。
在执行第一次旅行之前,你可以选择一些 非相邻节点 并将价格减半。
返回执行所有旅行的最小价格总和。
示例 1:
```txt
输入:n = 4, edges = [[0,1],[1,2],[1,3]], price = [2,2,10,6], trips = [[0,3],[2,1],[2,3]]
输出:23
解释:
上图表示将节点 2 视为根之后的树结构。第一个图表示初始树,第二个图表示选择节点 0 、2 和 3 并使其价格减半后的树。
第 1 次旅行,选择路径 [0,1,3] 。路径的价格总和为 1 + 2 + 3 = 6 。
第 2 次旅行,选择路径 [2,1] 。路径的价格总和为 2 + 5 = 7 。
第 3 次旅行,选择路径 [2,1,3] 。路径的价格总和为 5 + 2 + 3 = 10 。
所有旅行的价格总和为 6 + 7 + 10 = 23 。可以证明,23 是可以实现的最小答案。
```
示例 2:
```txt
输入:n = 2, edges = [[0,1]], price = [2,2], trips = [[0,0]]
输出:1
解释:
上图表示将节点 0 视为根之后的树结构。第一个图表示初始树,第二个图表示选择节点 0 并使其价格减半后的树。
第 1 次旅行,选择路径 [0] 。路径的价格总和为 1 。
所有旅行的价格总和为 1 。可以证明,1 是可以实现的最小答案。
```
提示:
1 <= n <= 50
edges.length == n - 1
0 <= ai, bi <= n - 1
edges
表示一棵有效的树price.length == n
price[i]
是一个偶数1 <= price[i] <= 1000
1 <= trips.length <= 100
0 <= starti, endi <= n - 1
最小化旅行的价格总和
题目
现有一棵无向、无根的树,树中有 n
个节点,按从 0
到 n - 1
编号。给你一个整数 n
和一个长度为 n - 1
的二维整数数组 edges
,其中 edges[i] = [ai, bi]
表示树中节点 ai
和 bi
之间存在一条边。
每个节点都关联一个价格。给你一个整数数组 price
,其中 price[i]
是第 i
个节点的价格。
给定路径的 价格总和 是该路径上所有节点的价格之和。
另给你一个二维整数数组 trips
,其中 trips[i] = [starti, endi]
表示您从节点 starti
开始第 i
次旅行,并通过任何你喜欢的路径前往节点 endi
。
在执行第一次旅行之前,你可以选择一些 非相邻节点 并将价格减半。
返回执行所有旅行的最小价格总和。
示例 1:
1 | 输入:n = 4, edges = [[0,1],[1,2],[1,3]], price = [2,2,10,6], trips = [[0,3],[2,1],[2,3]] |
示例 2:
1 | 输入:n = 2, edges = [[0,1]], price = [2,2], trips = [[0,0]] |
提示:
-
1 <= n <= 50
-
edges.length == n - 1
-
0 <= ai, bi <= n - 1
-
edges
表示一棵有效的树 -
price.length == n
-
price[i]
是一个偶数 -
1 <= price[i] <= 1000
-
1 <= trips.length <= 100
0 <= starti, endi <= n - 1
题解
方法一:
思路
动态规划
首先需要预处理出每个点需要经过多少次。我们可以通过dfs统计每条线路经过的点i
的次数w[i]
。
然后我们将图中的某些的点价格减半,最后答案就是$\sum \limits_{i=0}^{n-1} price[i]*w[i]$
现在关键就在于选择哪些点价格减半。
每个点有选与不选两种情况,所以总共有$2^n$种情况,我们可以逐个判断去除选择的相邻的两个数的不合法情况,然后求出合法情况中答案最小的一个。显然在n=50的情况下,$2^50 = 1125899906842624$已经严重超时。
动态规划需要我们需要我们将问题转为同样性质的子问题,通过子问题的解较快地得到原问题的解。
既然它是一颗树,那么我们就可以指定一个点作为根(不妨设0点为根)。这样这棵树就有子问题————子树。
现在我们需要设一个状态,一般问什么就设什么。
这个题要我们求最小价格。所以可以设为每颗子树的最小价格,即f[i]
为i节点及其子树的最小价值。
但是,显然这样条件还是不够,因为存在一个不能选相邻的两个节点价格减半的条件。我们的状态似乎缺失了一些信息。这时候添加一个是否选择了当前节点价格减半就可以解决问题,即f[i][j]
为i节点价格是否减半(j=0否,j=1是)i节点及其子树的最小价值。
现在就考虑状态转移,也就是子问题与当前问题存在什么样的关系。
- 如果我选择了i节点价格减半,那么i节点的子节点就一定不能价格减半,即$f[i][1] = w[i]*price[i]/2+ \sum \limits _{j \in i的子节点}f[j][0]$
- 如果我没有选择了i节点价格减半,那么i节点的子节点就可以价格减半,为了价格更小,所以我们要选择减半和没有减半的状态中的最小值,即$f[i][0] = w[i]*price[i] + \sum \limits _{j \in i的子节点}min(f[j][0], f[j][1])$
现在考虑边界状态,也就是最小的子问题,防止无限的递归,这里就是叶子节点作为一颗子树。如果i是叶子,$f[i][1] = w[i]*price[i]/2, f[i][0] = w[i]*price[i]$
最后我们要求的答案就是$min(f[0][0], f[0][1])$
代码
1 | class Solution { |