'''
用树形dp的思想来求解
dp(i, j)表示在i节点为根的子树中选择节点，总开销不超过j的所有选法中，最优选法的价值的最大和
在i子树上选择，根节点是必选的，剩下的容量需要分配给其子树，把每一个
子树看成一个分组，每个分组中选择这个分组需要的容量，这些子树的总容量加起来不能超过i子树的剩下容量
这一步就转换为一个分组背包问题，物品就是选择的分配给子树的容量，价值就是这个子树在该容量约束下的最大子节点价值和
分组背包完成后，就可以得到一种最佳的剩余容量分配方案让i的所有子树的价值和最大，进而dp(i, j)也就求出来了
'''

N, V = map(int, input().split())
arr = [(0, 0)]
link = {}  # 邻接表

root_id = -1
link = {i: [] for i in range(1, N + 1)}
for i in range(1, N + 1):
    v, w, p = map(int, input().split())
    if p == -1:
        root_id = i
    else:
        link[p].append(i)

    arr.append((v, w))

# print(link)

# i节点为根的子树中选择节点，总开销不超过j的所有选法中，最优选法的价值的最大和
from functools import lru_cache


@lru_cache(typed=False, maxsize=128000000)
def dp(i, j):
    if j < arr[i][0]:
        return 0

    # 根节点的收益
    ans = arr[i][1]
    left_j = j - arr[i][0]
    if left_j == 0:
        return ans

    # 子节点进行分组背包
    if len(link[i]) == 0:
        return ans

    if len(link[i]) == 1:
        ans += dp(link[i][0], left_j)
        return ans

    n = len(link[i])
    f = [0] * (left_j + 1)  # f(ii, jj)表示前ii棵子树总容量不超过jj的约束下，这些子树中选择节点的选法中，最优选法对应的最大的价值和
    for ii in range(n):
        for jj in range(left_j, -1, -1):
            if ii == 0:
                f[jj] = dp(link[i][ii], jj)
            else:
                for kk in range(1, jj + 1):
                    f[jj] = max(f[jj], f[jj - kk] + dp(link[i][ii], kk))

    if i == 0:
        print(ans, f[left_j])
    ans += f[left_j]
    return ans


print(dp(root_id, V))