最短路径之Floyd算法

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;

namespace 最短路径之Floyd算法
{
    class Program
    {
        public static readonly int M = 999999;//表示不可到达距离

        static int[,] map = new int[,] {
                { 0, 6, 3, M,M,M },
                { 6, 0, 2, 5,M,M },
                { 3, 2, 0, 3, 4, M },
                { M, 5, 3, 0, 2, 3 },
                { M,M, 4, 2, 0, 5 },
                { M,M,M, 3, 5, 0 }
            };//路径图

        static int places = (int)Math.Sqrt(map.Length);//获取地点数;
        static int[,] path = new int[places, places];//路径
        static void Main(string[] args)
        {
            Console.WriteLine("原路径图:");
            DisplayMap();
            Console.WriteLine();
            Console.WriteLine();
            Console.WriteLine("计算后的路径图:");
            floyd_alg();
            DisplayMap();
            Console.WriteLine();
            Console.WriteLine();

            displayResult();

            Console.ReadKey();
        }

        /// <summary>
        /// 表示A-E六个地点
        /// </summary>
        public enum Place
        {
            A = 0,
            B = 1,
            C = 2,
            D = 3,
            E = 4,
            F = 5
        }

        /// <summary>
        /// 将原矩阵显示
        /// </summary>
        public static void DisplayMap()
        {
            Console.Write("    ");
            for (int i = 0; i < places; i++)
            {
                Console.Write((Place)i + "   ");
            }
            Console.Write("\r\n");
            for (int i = 0; i < places; i++)
            {
                Console.Write((Place)i + "   ");
                for (int j = 0; j < places; j++)
                {
                    if (map[i, j] == M)
                        Console.Write("M   ");
                    else if (map[i, j] < 0)
                        Console.Write(map[i, j] + "  ");
                    else
                        Console.Write(map[i, j] + "   ");
                }
                Console.Write("\r\n");
            }
        }

        /// <summary>
        /// Flody算法
        /// </summary>
        public static void floyd_alg()
        {
            //初始化路径
            for (int i = 0; i < places; i++)
                for (int j = 0; j < places; j++)
                    path[i, j] = -1;

            for (int k = 0; k < places; k++)
                for (int i = 0; i < places; i++)
                    for (int j = 0; j < places; j++)
                        if (map[i, j] > (map[i, k] + map[k, j]))
                        {
                            map[i, j] = map[i, k] + map[k, j];
                            path[i, j] = k;
                        }
        }

        /// <summary>
        /// 输出路径和距离
        /// </summary>
        public static void displayResult()
        {

            for (int i = 0; i < places; i++)
            {
                string str = ((Place)i).ToString();
                int k = path[0, i];
                while (k != -1)
                {
                    str = (Place)k + "-" + str;
                    k = path[i, k];
                }
                Console.WriteLine((Place)0 + "-" + str + ";最短距离为:" + map[0, i]);
            }

        }
    }
}


内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
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