hdu2544最短路dijkstra

本文详细介绍了如何使用基本的Dijkstra算法解决HDOJ网站上的2544题,包括代码实现和核心步骤解析。

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

题目地址:http://acm.hdu.edu.cn/showproblem.php?pid=2544

解法:基本的dijkstra

package hdu2544_shortestpath;

import java.util.Scanner;

/**
 * submitted:Accepted
 * algorithm:dijkstra
 * @author Kindevil
 *
 */
public class Main {
	
	static int[][] G;
	static int[] dist;
	static boolean[] visit;
	static int INF=0xFFFFFFF;
	static int n,m;
	static int a,b,c;
	
	public static void main(String args[])
	{
		Scanner cin=new Scanner(System.in);
		n=cin.nextInt();
		m=cin.nextInt();
		while( n!=0 && m!=0)
		{
			G=new int[n+1][n+1];
			dist=new int[n+1];
			visit=new boolean[n+1];
			
			for(int i=1;i<=n;i++)
			{
				for(int j=1;j<=n;j++)
				{
					if(i==j) G[i][j]=0;
					else G[i][j]=INF;
				}
			}
			
			for(int i=0;i<m;i++)
			{
				a=cin.nextInt();
				b=cin.nextInt();
				c=cin.nextInt();
				if(c<G[a][b]) G[a][b]=G[b][a]=c; //判重边
			}
			
			dijkstra(1);
			System.out.println(dist[n]);
			
			n=cin.nextInt();
			m=cin.nextInt();
		}
	}
	
	public static void dijkstra(int s)
	{
		for(int i=1;i<=n;i++)
		{
			dist[i]=G[s][i];
			visit[i]=false;
		}
		
		visit[1]=true;
		for(int x=2;x<=n;x++)//将n-1个顶点并入visit集合
		{
			int u=s;
			int mindis=INF;
			for(int i=2;i<=n;i++)
			{
				if(!visit[i] && dist[i]<mindis)
				{
					mindis=dist[i];
					u=i;
				}
			}
			
			visit[u]=true;
			for(int i=1;i<=n;i++)
			{
				if(visit[i]) continue;
				if(dist[i]>dist[u]+G[u][i])//松弛
				{
					dist[i]=dist[u]+G[u][i];
				}
			}
		}
	}
}


 

内容概要:本文介绍了基于SMA-BP黏菌优化算法优化反向传播神经网络(BP)进行多变量回归预测的项目实例。项目旨在通过SMA优化BP神经网络的权重和阈值,解决BP神经网络易陷入局部优、收敛速度慢及参数调优困难等问题。SMA算法模拟黏菌寻找食物的行为,具备优秀的全局搜索能力,能有效提高模型的预测准确性和训练效率。项目涵盖了数据预处理、模型设计、算法实现、性能验证等环节,适用于多变量非线性数据的建模和预测。; 适合人群:具备一定机器学习基础,特别是对神经网络和优化算法有一定了解的研发人员、数据科学家和研究人员。; 使用场景及目标:① 提升多变量回归模型的预测准确性,特别是在工业过程控制、金融风险管理等领域;② 加速神经网络训练过程,减少迭代次数和训练时间;③ 提高模型的稳定性和泛化能力,确保模型在不同数据集上均能保持良好表现;④ 推动智能优化算法与深度学习的融合创新,促进多领域复杂数据分析能力的提升。; 其他说明:项目采用Python实现,包含详细的代码示例和注释,便于理解和二次开发。模型架构由数据预处理模块、基于SMA优化的BP神经网络训练模块以及模型预测与评估模块组成,各模块接口清晰,便于扩展和维护。此外,项目还提供了多种评价指标和可视化分析方法,确保实验结果科学可信。
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