C--最短路 (SPFA模板)

本文介绍了一种使用C++实现的最短路径算法,通过SPFA算法解决带权无向图中两点间的最短路径问题,并提供完整的代码示例及Dijkstra和Bellman-Ford算法的模板链接。

C–最短路
Description
给出一个带权无向图,包含n个点,m条边。求出s,e的最短路。保证最短路存在。

Input
多组输入。

对于每组数据。

第一行输入n,m(1<= n && n<=510^5,1 <= m && m <= 310^6)。
接下来m行,每行三个整数,u,v,w,表示u,v之间有一条权值为w(w >= 0)的边。
最后输入s,e。

Output
对于每组数据输出一个整数代表答案。

Sample
Input
3 1
1 2 3
1 2
Output
3

#include <bits/stdc++.h>
#define inf 0x3f3f3f3f
using namespace std;
const int N = 6e6 + 10;
int cnt, h[N];
int n, m, u, v, w, x, y;
int dis[N], vis[N];
struct node {
    int v, w, next;
} s[N];
void add(int u, int v, int w) {
    s[++cnt].v = v;
    s[cnt].w = w;
    s[cnt].next = h[u];
    h[u] = cnt;
}
void SPFA() {
    queue<int> q;
    memset(vis, 0, sizeof(vis));
    memset(dis, inf, sizeof(dis));
    dis[x] = 0;
    vis[x] = 1;
    q.push(x);
    while (!q.empty()) {
        u = q.front();
        q.pop();
        vis[u] = 0;
        for (int i = h[u]; i; i = s[i].next) {
            v = s[i].v;
            w = s[i].w;
            if (dis[v] > dis[u] + w) {
                dis[v] = dis[u] + w;
                if (vis[v] == 0) {
                    q.push(v);
                    vis[v] = 1;
                }
            }
        }
    }
}
int main() {
    ios::sync_with_stdio(false);
    while (cin >> n >> m) {
        cnt = 0;
        memset(h, 0, sizeof(h));
        for (int i = 0; i < m; i++) {
            cin >> u >> v >> w;
            add(u, v, w);
            add(v, u, w);
        }
        cin >> x >> y;
        SPFA();
        cout << dis[y] << '\n';
    }
}

另外两种解法模板链接
Dijkstra算法模板
Bellman-Ford算法模板

【轴承故障诊断】加权多尺度字典学习模型(WMSDL)及其在轴承故障诊断上的应用(Matlab代码实现)内容概要:本文介绍了加权多尺度字典学习模型(WMSDL)在轴承故障诊断中的应用,并提供了基于Matlab的代码实现。该模型结合多尺度分析与字典学习技术,能够有效提取轴承振动信号中的故障特征,提升故障识别精度。文档重点阐述了WMSDL模型的理论基础、算法流程及其在实际故障诊断中的实施步骤,展示了其相较于传统方法在特征表达能力和诊断准确性方面的优势。同时,文中还提及该资源属于一个涵盖多个科研方向的技术合集,包括智能优化算法、机器学习、信号处理、电力系统等多个领域的Matlab仿真案例。; 适合人群:具备一定信号处理和机器学习基础,从事机械故障诊断、工业自动化、智能制造等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①学习并掌握加权多尺度字典学习模型的基本原理与实现方法;②将其应用于旋转机械的轴承故障特征提取与智能诊断;③结合实际工程数据复现算法,提升故障诊断系统的准确性和鲁棒性。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注字典学习的训练过程与多尺度分解的实现细节,同时可参考文中提到的其他相关技术(如VMD、CNN、BILSTM等)进行对比实验与算法优化。
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