本文介绍在每层有3种选择、共100层的多层树中，快速计算从根到叶所有路径中最大累积收益的方法——利用动态规划思想的自顶向下逐层更新，时间复杂度仅为 o(n)，远优于暴力枚举的 o(3¹⁰⁰)。
该问题本质是一个状态依赖型树形最优化问题：每个节点的即时收益不仅取决于自身选择（1/2/3），还依赖于其父节点的选择（即转移依赖）。因此，不能简单对每层独立取最大值，而需在路径维度上维护“以某选择结尾”的最优累积收益。
核心思路是动态规划 + 层序遍历（BFS）：
- 定义 dp[l][a] 表示到达第 l 层、且该层选择为 a ∈ {0,1,2} 时所能获得的最大累积收益；
- 初始层（l=0）：dp[0][a] = 0（根无收益，或按实际设初始值）；
- 状态转移：对第 l 层每个动作 a，枚举上一层所有可能动作 prev_a，计算 dp[l][a] = max_{prev_a} { dp[l-1][prev_a] + payoff(prev_a → a) }；
- 其中 payoff(prev_a → a) 是由前一动作 prev_a 决定当前动作 a 的收益，这正是题中“payoff depends on previous choice”的体现。
由于每层仅依赖前一层，空间可优化至 O(1) ——只需两个长度为 3 的数组交替更新：
import numpy as np
def max_cumulative_payoff(num_layers, payoff_matrix):
"""
payoff_matrix: 3x3 array, payoff_matrix[prev_a][a] = reward for choosing `a` after `prev_a`
Returns: maximum total payoff from root to any leaf
"""
# dp[a] = max cumulative payoff ending with action `a` at current layer
dp = np.array([0.0, 0.0, 0.0])
for layer in range(1, num_layers): # layer 0 is root (no action taken yet)
new_dp = np.full(3, -np.inf)
for prev_a in range(3):
for a in range(3):
candidate = dp[prev_a] + payoff_matrix[prev_a][a]
if candidate > new_dp[a]:
new_dp[a] = candidate
dp = new_dp
return np.max(dp)
# Example: payoff_matrix[i][j] = reward for choosing j after i
payoff_matrix = np.array([
[12, 6, 10], # after action 0
[10, 24, 14], # after action 1
[6, 10, 30] # after action 2
])
print(max_cumulative_payoff(num_layers=100, payoff_matrix=payoff_matrix)) # O(100×9) = O(n)
⚠️ 注意事项：
- 原始代码中混淆了概率传播（get_prob, np.exp）与确定性收益优化，本问题无需概率建模，应剥离 softmax 等非必要计算；
- 若收益函数 get_payoffs(p) 是复杂可微映射（如题中矩阵乘法），可预计算所有 prev_a → a 组合的收益并填入 payoff_matrix，确保转移为常数时间；
- 时间复杂度严格为 O(L × K²)，其中 L=100 层，K=3 种选择 → 仅需 900 次比较，而非指数级搜索；
- 若需返回具体最优路径，可同步维护 parent[a] 数组回溯，但题目明确只需最大收益值，故省略。
综上，该方法以最小计算开销精准捕获状态依赖关系，是解决此类深层决策树最优化问题的标准且最优策略。