HDU 1875 畅通工程再续

本文探讨了Kruskal算法在解决特定条件下的建桥问题上的应用,通过构建并查找连通组件来确定最小生成树,确保岛屿间桥梁建设的最优化。使用C++实现算法,并详细解释了代码逻辑。

一、题目描述

在这里插入图片描述

二、算法分析说明与代码编写指导

只对距离在 [10, 1000] 范围内的岛之间建桥。建完以后跑一次 Kruskal,判断是否有生成树(选中的边数是否达到 C - 1)。

三、AC 代码

#include<cstdio>
#include<algorithm>
#include<cmath>
#pragma warning(disable:4996)
using namespace std;
template<size_t n> class union_find {
private:
	unsigned root[n]; int rank[n];
public:
	union_find<n>() { init(); }
	union_find<n>(const bool& WannaInit) { if (WannaInit == true)init(); }
	void init() {
		fill(rank, rank + n, 1); for (unsigned i = 0; i < n; ++i)root[i] = i;
	}
	void init(const size_t& _n) {
		fill(rank, rank + _n, 1); for (unsigned i = 0; i < _n; ++i)root[i] = i;
	}
	unsigned find_root(const unsigned& v) {
		unsigned r = v, t = v, u;
		if (t == root[v])return v;
		while (r != root[r]) { r = root[r]; }
		while (t != r) { u = root[t]; root[t] = r; t = u; }
		return r;
	}
	void path_compress() const { for (unsigned i = 0; i < n; ++i)find_root(i); }
	void merge(unsigned u, unsigned v) {
		unsigned fu = find_root(u), fv = find_root(v); int d = rank[fu] - rank[fv];
		if (d < 0) { swap(fu, fv); swap(u, v); }
		else if (d == 0)++rank[fu];
		root[fv] = fu;
	}
	void merge_no_path_compression(const unsigned& u, const unsigned& v) {
		root[v] = u; if (rank[u] == rank[v])++rank[u];
	}
	void merge_directly(const unsigned& u, const unsigned& v) { root[v] = u; }
	unsigned _rank(const unsigned& v) const { return rank[find_root(v)]; }
	size_t size() const { return n; }
};
struct point { int x, y; }; struct edge { unsigned u, v; double w; };
inline bool cmp(const edge& e, const edge& f) { return e.w < f.w; }
inline double dist(const point& p, const point& q) { return hypot(p.x - q.x, p.y - q.y); }
unsigned t, c, n; point p[100], * P; edge e[4950], * E; double d, a; union_find<100> u;
int main() {
	scanf("%u", &t); ++t;
	while (--t) {
		scanf("%u", &c); E = e;
		for (unsigned i = 0; i < c; ++i) {
			P = p + i; scanf("%u%u", &P->x, &P->y);
			for (unsigned j = 0; j < i; ++j) {
				if ((d = dist(*P, p[j])) >= 10 && d <= 1000) {
					E->u = i; E->v = j; E->w = d * 100; ++E;
				}
			}
		}
		u.init(c); sort(e, E, cmp); n = 0; --c; a = 0;
		for (auto i = e; n < c && i != E; ++i) {
			if (u.find_root(i->u) != u.find_root(i->v)) { u.merge(i->u, i->v); ++n; a += i->w; }
		}
		if (n == c)printf("%.1lf\n", a);
		else puts("oh!");
	}
	return 0;
}
【SCI复现】基于纳什博弈的多微网主体电热双层共享策略研究(Matlab代码实现)内容概要:本文围绕“基于纳什博弈的多微网主体电热双层共享策略研究”展开,结合Matlab代码实现,复现了SCI级别的科研成果。研究聚焦于多个微网主体之间的能源共享问题,引入纳什博弈理论构建双层优化模型,上层为各微网间的非合作博弈策略,下层为各微网内部电热联合优化调度,实现能源高效利用与经济性目标的平衡。文中详细阐述了模型构建、博弈均衡求解、约束处理及算法实现过程,并通过Matlab编程进行仿真验证,展示了多微网在电热耦合条件下的运行特性和共享效益。; 适合人群:具备一定电力系统、优化理论和博弈论基础知识的研究生、科研人员及从事能源互联网、微电网优化等相关领域的工程师。; 使用场景及目标:① 学习如何将纳什博弈应用于多主体能源系统优化;② 掌握双层优化模型的建模与求解方法;③ 复现SCI论文中的仿真案例,提升科研实践能力;④ 为微电网集群协同调度、能源共享机制设计提供技术参考。; 阅读建议:建议读者结合Matlab代码逐行理解模型实现细节,重点关注博弈均衡的求解过程与双层结构的迭代逻辑,同时可尝试修改参数或扩展模型以适应不同应用场景,深化对多主体协同优化机制的理解。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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