树结构最大得分子图计算与换根法应用

1. 问题背景与核心概念解析

今天我们来探讨一个有趣的图论问题——如何计算树结构中每个节点所在连通子图的最大得分。这个问题来自力扣第3772题，考察了我们对树结构的理解和动态规划的应用能力。

首先明确几个关键概念：

1. 无向树：由n个节点和n-1条边组成的连通无向图，任意两个节点之间有且只有一条路径。
2. 好节点与坏节点：每个节点被标记为good[i]=1（好节点）或good[i]=0（坏节点）。
3. 子图得分：子图中好节点数量减去坏节点数量。例如，子图包含3个好节点和1个坏节点，得分为3-1=2。

问题的核心要求是：对于树中的每个节点i，找出所有包含i的连通子图中可能的最大得分。

2. 暴力解法与性能瓶颈分析

最直观的解法是枚举所有可能的连通子图：

1. 对于每个节点i，进行DFS/BFS遍历
2. 在遍历过程中记录所有连通子图的得分
3. 选择包含i的子图中的最大得分

但这种暴力解法的时间复杂度高达O(n²)，当n=10^5时完全不可行。我们需要更聪明的算法。

提示：在树结构中，当遇到O(n²)解法时，通常可以考虑使用动态规划或换根法来优化到O(n)。

3. 换根法原理详解

换根法(Rerooting Technique)是一种处理树形结构的高效算法，核心思想是通过两次DFS遍历：

1. 第一次DFS（后序遍历）：以任意节点（如0）为根，计算每个节点不考虑父节点方向的最大得分（sub[i]）
2. 第二次DFS（前序遍历）：利用父节点的信息，计算考虑全树情况下的最终答案（ans[i]）

3.1 关键定义与性质

定义：

• sub[i]：以i为根的子树中，包含i但不考虑父节点方向的最大得分
• ans[i]：全树范围内包含i的最大得分

性质：

1. sub[i] = good[i] + Σ max(0, sub[j])，其中j是i的子节点
   • 只累加正数子节点，因为负数会降低总分
2. ans[root] = sub[root]（根节点没有父节点）
3. 对于非根节点cur，其父节点为par：
   • 如果sub[cur] > 0，则父方向得分为ans[par] - sub[cur]
   • 否则为ans[par]