旅行

本文探讨了一种针对旅行图的特殊遍历算法,重点介绍了如何处理带环的图结构,确保路径的正确性和完整性。通过关注断开的边来简化问题,并详细解释了对于基环点的处理策略,确保算法的高效运行。

旅行

这题也太坑了,如果我现场打这题估计要挂掉,不过部分分还是很好拿的

其 实 本 题 记 住 一 个 原 则 , 考 虑 的 是 断 掉 的 那 条 边 , 这 样 讨 论 就 不 会 错 , 具 体 来 说 , 对 于 一 个 基 环 点 , 如 果 下 一 点 不 是 基 环 点 , 就 要 直 接 走 ( 参 见 图 一 ) , 而 影 响 当 前 是 否 走 基 环 点 的 只 有 上 一 个 有 环 的 基 环 点 ( 参 见 图 一 ) 其实本题记住一个原则,考虑的是断掉的那条边,这样讨论就不会错,具体来说,对于一个基环点,如果下一点不是基环点,就要直接走(参见图一),而影响当前是否走基环点的只有上一个有环的基环点(参见图一)

图一
如果走到3,下一个点是8就直接走,因为不走(断掉3,4)就再也走不了了

如果走到5,那么6一定比7先走

#include<bits/stdc++.h>
using namespace std;

const int N=5005;
int n,m,head[N],cnt=0;
struct edge{
	int link,v;
}q[N<<1];
void put(int u,int v){
	q[++cnt].v=v;
	q[cnt].link=head[u];
	head[u]=cnt;
}
struct node{
	int id;
	bool operator <(const node&x)const{
	    return x.id<id;
	}
};
void dfs(int s,int fa){
	priority_queue<node> myl;
	for(int i=head[s];i;i=q[i].link){
		int v=q[i].v;
		if(fa==v) continue;
		myl.push((node){v});
	}
	while(!myl.empty()){
		node xx=myl.top();myl.pop();int x=xx.id;
		printf("%d ",x);
		dfs(x,s);
	}
}
int sjh;
bool jh[N],vis[N],met=0,viss[N],cg=0;
void find_jh(int s,int fa){
	vis[s]=1;
	for(int i=head[s];i;i=q[i].link){
		int v=q[i].v;
		if(v==fa) continue;
		if(vis[v]&&(!sjh)) {jh[s]=1;sjh=v;continue;}
		else if(vis[v]) continue;
		find_jh(v,s);
		if(jh[v]&&s!=sjh&&(!met)) jh[s]|=jh[v];
		else if(s==sjh){
			jh[s]=1;
			met=1;
		}
	}
}
int upd[N],fa[N];
struct node2{
	int id,ff;
    bool operator <(const node2 &x)const {
	   return x.id<id;
	}
};
int tpp,tppf;
priority_queue<node2> myll;
void dfs3(int s,int fa){
     priority_queue<node> myl;
	 viss[s]=1;
     if(!jh[s]||cg)
     {
     for(int i=head[s];i;i=q[i].link){
     	int v=q[i].v;
     	if(v==fa) continue;
     	if(viss[v]) continue;
     	myl.push((node){v});
	 }
	 while(!myl.empty()){
	 	node x=myl.top();
	 	myl.pop();
		 int xx=x.id;
		 if(viss[xx]) continue;
	 	printf("%d ",xx);
	 	dfs3(xx,s);
	 }
    }
    else{
    	int tmp=tpp,tmp2=tppf;
    	for(int i=head[s];i;i=q[i].link){
    		int v=q[i].v;
    		if(v==fa) continue;
		     if(viss[v]) continue;
			 myl.push((node){v});
		}
		bool fff=0;
		while(!myl.empty()){
			node x=myl.top();
			myl.pop();
			int xx=x.id;
			if(viss[xx]){continue;}
			if(!jh[xx]||(cg)){printf("%d ",xx);dfs3(xx,s);continue;}
			if(!fff) while(!myll.empty()) myll.pop();
			if(!myl.empty()&&(!fff)){
			fff=1;
			node x2=myl.top();
		    int xx2=x2.id;
			myll.push((node2){xx2,s});
		    tpp=xx2,tppf=s;
		}
		    else if(!fff){
		    	if(tpp)myll.push((node2){tpp,tppf});
			}	
		    int  XX,F;
			 if(!myll.empty()){node2 X=myll.top();XX=X.id,F=X.ff;}
			 while((viss[XX]||XX==xx)&&(!myll.empty())){
			 	myll.pop();
			 	if(myll.empty()) break;
			 	node2 X=myll.top();
			 	XX=X.id,F=X.ff;
			 }
			if(XX<xx&&(!cg)&&XX){
		        printf("%d ",XX);
				myll.pop();
				cg=1;
				if(viss[XX]) {
				 myl.push((node){xx});
				 continue;
			  }
				dfs3(XX,F);
				return;
				myl.push((node){xx});	
			}
			else{
				printf("%d ",xx);
				dfs3(xx,s);
			}
			tpp=tmp;
			tppf=tmp2; 
		}
	}
}
int main(){
	scanf("%d%d",&n,&m);
	for(int i=1;i<=m;i++){
		int u,v;
		scanf("%d%d",&u,&v);
	    put(u,v),put(v,u);
	}
	if(m==n-1){
		printf("1 ");
		dfs(1,0);
	}
	else{
		find_jh(1,0);
		viss[1]=1;
		printf("1 ");
		dfs3(1,0);
	}
}
内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
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