POJ1860Currency Exchange(判负环)

本文深入探讨了Bellman-Ford算法在解决带负权边的最短路径问题中的应用,通过具体实例展示了如何初始化图结构,添加边,并运行Bellman-Ford算法检查是否存在负权回路。代码实现部分使用C++语言,详细解释了每一步操作,包括节点和边的数据结构定义,以及算法的具体执行流程。

两个坑
1.不要在意爆double
2.一条路其实可以走多次,题目在逗你
综上,跑个bellmanford就好了

#include<iostream>
#include<cstring>
#include<cstdlib>
#include<queue>
#include<algorithm>
using namespace std;
struct edge{
    int v,nxt;
    double c,w;
}e[205];
int h[105];
double dis[105];
int cnt;
void init(){
    memset(dis,0,sizeof dis);
    memset(h,-1,sizeof h);
    memset(e,-1,sizeof e);
    cnt=0;
}
void add(int u,int v,double c,double w){
    e[cnt].v=v;
    e[cnt].w=w;
    e[cnt].c=c;
    e[cnt].nxt=h[u];
    h[u]=cnt++;
}
int bellman_ford(int n){
    for(int i=1;i<n;i++){
        for(int j=1;j<=n;j++){
            for(int k=h[j];~k;k=e[k].nxt){
                int v=e[k].v;
                double w=e[k].w;
                double c=e[k].c;
                dis[v]=max(dis[v],(dis[j]-c)*w);
            }
        }
    }
    for(int i=1;i<=n;i++){
        for(int k=h[i];~k;k=e[k].nxt){
            int v=e[k].v;
            double w=e[k].w;
            double c=e[k].c;
            if((dis[i]-c)*w>dis[v]){
                return 1;
            }
        }
    }
    return 0;
}
int main(){
    int n,m,id;
    double val;
    ios::sync_with_stdio(false);
    cin.tie(0);
    while(cin>>n>>m>>id>>val){
        int ida,idb;
        double rab,cab,rba,cba;
        init();
        for(int i=1;i<=m;i++){
            cin>>ida>>idb>>rab>>cab>>rba>>cba;
            add(ida,idb,cab,rab);
            add(idb,ida,cba,rba);
        }
        dis[id]=val;
        if(bellman_ford(n))cout<<"YES"<<endl;
        else cout<<"NO"<<endl;
    }
    return 0;
}
数据集介绍:电力线目标检测数据集 一、基础信息 数据集名称:电力线目标检测数据集 图片数量: 训练集:2898张图片 验证集:263张图片 测试集:138张图片 总计:3299张图片 分类类别: 类别ID: 0(电力线) 标注格式: YOLO格式,包含对象标注信息,适用于目标检测任务。 数据格式:JPEG/PNG图片,来源于空中拍摄或监控视觉。 二、适用场景 电力设施监控与巡检: 数据集支持目标检测任务,帮助构建能够自动识别和定位电力线的AI模型,用于无人机或固定摄像头巡检,提升电力设施维护效率和安全性。 能源与公用事业管理: 集成至能源管理系统中,提供实时电力线检测功能,辅助进行风险 assessment 和预防性维护,优化能源分配。 计算机视觉算法研究: 支持目标检测技术在特定领域的应用研究,促进AI在能源和公用事业行业的创新与发展。 专业培训与教育: 数据集可用于电力行业培训课程,作为工程师和技术人员学习电力线检测与识别的重要资源。 三、数据集优势 标注精准可靠: 每张图片均经过专业标注,确保电力线对象的定位准确,适用于高精度模型训练。 数据多样性丰富: 包含多种境下的电力线图片,如空中视角,覆盖不同场景条件,提升模型的泛化能力和鲁棒性。 任务适配性强: 标注格式兼容YOLO等主流深度学习框架,便于快速集成和模型开发,支持目标检测任务的直接应用。 实用价值突出: 专注于电力线检测,为智能电网、自动化巡检和能源设施监控提供关键数据支撑,具有较高的行业应用价值。
【弹簧阻尼器】基于卡尔曼滤波弹簧质量阻尼器系统噪声测量实时状态估计研究(Matlab代码实现)内容概要:本文围绕“基于卡尔曼滤波的弹簧质量阻尼器系统噪声测量与实时状态估计”展开研究,利用Matlab代码实现对系统状态的精确估计。重点在于应用卡尔曼滤波技术处理系统中存在的噪声干扰,提升对弹簧质量阻尼器系统动态行为的实时观测能力。文中详细阐述了系统建模、噪声特性分析及卡尔曼滤波算法的设计与实现过程,展示了滤波算法在抑制测量噪声、提高状态估计精度方面的有效性。同时,该研究属于更广泛的信号处理与状态估计技术应用范畴,适用于复杂动态系统的监控与控制。; 适合人群:具备一定控制系统理论基础和Matlab编程经验的高校研究生、科研人员及工程技术人员,尤其适合从事动态系统建模、状态估计与滤波算法研究的相关人员。; 使用场景及目标:①应用于机械、航空航天、自动化等领域中对振动系统状态的高精度实时估计;②为噪声境下的传感器数据融合与状态预测提供算法支持;③作为卡尔曼滤波算法在实际物理系统中应用的教学与科研案例。; 阅读建议:建议读者结合Matlab代码实践,深入理解系统建模与滤波器设计的关键步骤,关注噪声建模与滤波参数调优对估计性能的影响,并可进一步拓展至扩展卡尔曼滤波(EKF)或无迹卡尔曼滤波(UKF)在非线性系统中的应用。
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