一个人的旅行------Dijkstra

草儿虽路痴但热爱旅行,计划寒假期间高效利用时间,前往心仪城市。面临多个目的地选择,草儿需通过算法确定从邻近城市出发,到达各目的地的最短时间。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

虽然草儿是个路痴(就是在杭电待了一年多,居然还会在校园里迷路的人,汗~),但是草儿仍然很喜欢旅行,因为在旅途中 会遇见很多人(白马王子,^0^),很多事,还能丰富自己的阅历,还可以看美丽的风景……草儿想去很多地方,她想要去东京铁塔看夜景,去威尼斯看电影,去阳明山上看海芋,去纽约纯粹看雪景,去巴黎喝咖啡写信,去北京探望孟姜女……眼看寒假就快到了,这么一大段时间,可不能浪费啊,一定要给自己好好的放个假,可是也不能荒废了训练啊,所以草儿决定在要在最短的时间去一个自己想去的地方!因为草儿的家在一个小镇上,没有火车经过,所以她只能去邻近的城市坐火车(好可怜啊~)。

Input

输入数据有多组,每组的第一行是三个整数T,S和D,表示有T条路,和草儿家相邻的城市的有S个,草儿想去的地方有D个;
接着有T行,每行有三个整数a,b,time,表示a,b城市之间的车程是time小时;(1=<(a,b)<=1000;a,b 之间可能有多条路)
接着的第T+1行有S个数,表示和草儿家相连的城市;
接着的第T+2行有D个数,表示草儿想去地方。

Output

输出草儿能去某个喜欢的城市的最短时间。

Sample Input

6 2 3
1 3 5
1 4 7
2 8 12
3 8 4
4 9 12
9 10 2
1 2
8 9 10

Sample Output

9

转自学长很好啊搞懂了...:https://blog.youkuaiyun.com/winter2121/article/details/55805210

Dijkstra算法

其实还是这张图

//一个人的旅行//时间最少,路程最短即可 (时间==路程) 
#include<stdio.h>
int max=1000000000;
#define c 1003
int maxnum(int x,int y)
{
    return x>y?x:y;
}
int t[c][c];//用于输入城市i到j的距离 
int mark[c];//用于标记城市是否访问 
int len[c];//记录从起点到城市i的距离 
int maxc;
void begen()
{
    for(int i=0;i<c;i++)//每个两城市的时间初始为max
        for(int j=0;j<c;j++)
            t[i][j]=max;//i=0表家
    for(int i=0;i<c;i++)
    {
        len[i]=max;
        mark[i]=0;
    }
}
void input_time(int T)
{
    int a,b,time;
    for(int i=0;i<T;i++)//路径及时间输入
    {
           scanf("%d%d%d",&a,&b,&time);
           if(time>t[a][b])  //坑
             continue;
           t[b][a]=t[a][b]=time;//不确定a和b谁大
           maxc=maxnum(maxc,maxnum(a,b));
    }
}
void city_begen(int S)//出发城市输入
{
    int a;
    for(int i=0;i<S;i++)
    {
        scanf("%d",&a);
        len[a]=t[a][0]=t[0][a]=0;//从家到相邻城市的时间修改为0;
    }
}
void city_end(int D)
{
    int a;
    for(int i=0;i<D;i++)//目的城市输入
    {
        scanf("%d",&a);
        t[a][maxc]=t[maxc][a]=0;//从目的城市到终点的时间设为0
    }
    
}
int main()
{
    int T,S,D;
    while(~scanf("%d%d%d",&T,&S,&D))
    {
        maxc=0;
        begen();//初始化数组 
        input_time(T);
        maxc++;   //最大城市号加1,(假设从要去的城市到maxc的时间为0,方便dijkstra的套用)
        city_begen(S);      //临近的城市
        city_end(D);         //要到达的城市
        
        for(int i=1;i<=maxc;i++)
        {
            int k=0,min=max;
            for(int j=1;j<=maxc;j++)  //此循环为了找到 目前未访问 的且 距起点最近 的城市
            {
                if(mark[j]==0&&len[j]<min)
                {
                    min=len[j];
                    k=j;
                }
            }
            if(k==0)  // 如果没找到未标记的城市号,说明计算结束
                break;
            mark[k]=1;//城市k标记为已访问 
            for(int j=1;j<=maxc;j++)   //此循环用于更新数据,取短的路径放入数组len
            {
                if(mark[j]==0&&len[j]>len[k]+t[k][j])//比较由0到k原时间与由0到k再到j时间的大小 
                       len[j]=len[k]+t[k][j];
            }
        }
        
        printf("%d\n",len[maxc]);
    }
    return 0;
}

 

内容概要:该论文探讨了一种基于粒子群优化(PSO)的STAR-RIS辅助NOMA无线通信网络优化方法。STAR-RIS作为一种新型可重构智能表面,能同时反射和传输信号,与传统仅能反射的RIS不同。结合NOMA技术,STAR-RIS可以提升覆盖范围、用户容量和频谱效率。针对STAR-RIS元素众多导致获取完整信道状态信息(CSI)开销大的问题,作者提出一种在不依赖完整CSI的情况下,联合优化功率分配、基站波束成形以及STAR-RIS的传输和反射波束成形向量的方法,以最大化总可实现速率并确保每个用户的最低速率要求。仿真结果显示,该方案优于STAR-RIS辅助的OMA系统。 适合群:具备一定无线通信理论基础、对智能反射面技术和非正交多址接入技术感兴趣的科研员和工程师。 使用场景及目标:①适用于希望深入了解STAR-RIS与NOMA结合的研究者;②为解决无线通信中频谱资源紧张、提高系统性能提供新的思路和技术手段;③帮助理解PSO算法在无线通信优化问题中的应用。 其他说明:文中提供了详细的Python代码实现,涵盖系统参数设置、信道建模、速率计算、目标函数定义、约束条件设定、主优化函数设计及结果可视化等环节,便于读者理解和复现实验结果。此外,文章还对比了PSO与其他优化算法(如DDPG)的区别,强调了PSO在不需要显式CSI估计方面的优势。
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