SDUT 2056-完美网络

本文介绍了一道名为完美网络的算法题,目标是最少增加多少条边使连通网络变为完美网络。通过使用优先队列进行有效计算,详细解释了实现过程及代码细节。

SDUT 2056-完美网络

Problem Description
完美网络是连通网络的基础上要求去掉网络上任意一条线路,网络仍然是连通网络。求一个连通网络要至少增加多少条边可以成为完美网络。

Input
第一行输入一个数T代表测试数据个数(T<=20)。每个测试数据第一行2个数n,m 分别代表网络基站数和基站间线路数。基站的序号为从1到n。接下来m行两个数代表x,y 代表基站x,y间有一条线路。
(0 < n < m < 10000)

Output
对于每个样例输出最少增加多少线路可以成为完美网络。每行输出一个结果。

Example Input
2
3 1
1 2
3 2
1 2
2 3

Example Output
2
1

Author
中国海洋大学第三届“朗讯杯”编程比赛高级组试题

*所有顶点的入度都大于或等于2的连通图,才是完美网络(但是这题很水,给的第一个样例就不是一个连通图...)
这个题用优先队列很合适*
#include<iostream>
#include<string.h>
#include<functional>
#include<algorithm>
#include<queue>
using namespace std;
int main()
{
    int t,m,n,a,b,sor[10001];//sor数组记录各个顶点的入度
    priority_queue<int,vector<int>,greater<int> >q;//升序排列的队列
    cin>>t;
    while(t--)
    {
        cin>>n>>m;
        memset(sor,0,sizeof(sor));
        for(int i=0;i<m;i++)
        {
            cin>>a>>b;
            sor[a]++;
            sor[b]++;
        }
        sort(sor+1,sor+n+1);
        for(int i=1;i<=n;i++)
        {
            if(sor[i]<2)
            {
                q.push(sor[i]);
            }
            else break;//因为sor数组已经排序,后面的不用再看,直接跳出
        }
        int x,y,count=0;//count记录要加的边数
        while(q.size()>=2)//加边,只有两个顶点间才能加边
        {
            x=q.top();
            q.pop();
            y=q.top();
            q.pop();
            x++;
            y++;
            count++;
            if(x<2) q.push(x);
            if(y<2) q.push(y);
        }
        if(!q.empty()) count++;//不存在一个单独的点,肯定有与之相连的,所以+1
        cout<<count<<endl;
    }
    return 0;
}
内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值