kuangbin专题八 POJ1679 The Unique MST(Kruskal模板)

题意:
给你一个有权值的无相图,判断最小生成树是否唯一。
题解:
这个题的题解我另外一个prim写法有,想看详细的可以去看那个,这个我主要说一下这几天我看的Kruskal的次小生成树的写法吧。
Kruskal的次小生成树比原来的写法多了三个变量,eq,del,used,这三个的作用分别是eq:是否有相等的边,del:删除原来生成树中的边,used:是否为生成树中的边。然后在你把边放进结构体之后sort,再跑一遍双层for循环找到相同权值的边,进行eq标记,然后就用一个flag来确定哪些边为第一次的最小生成树中的边。之后再枚举每条边进行判断看看那些边是最小生成树中的边并且有相同权值的,然后进行删边,再进行一次Kruskal来判断是否成为生成树,再判断这个生成树与最小生成树的值是否相等。
记得如果是次小生成树的话,有重边是不能去重的,这时候用Krusal就好用的多了。
个人感觉Krusal比prim的次小生成树更好理解。

#include<stdio.h>
#include<string.h>
#include<algorithm>
using namespace std;
#define INF 0x3f3f3f3f 
const int MAXN=105*105;
struct node
{
    int u,v,w;
    bool del,used;//这两个的作用是del:删除原来生成树中的边,used:是否为生成树中的边。 
}map[MAXN];
int fa[105];
int n,m;
bool flag;//这个flag的作用是用来确定最小生成树的边,因为在后面加非生成树中的边的时候要删去最小生成树中的边。 
void init()
{
    for(int i=1;i<=n;i++)
    fa[i]=i;
} 
int find(int p)
{
    return p==fa[p]? p:fa[p]=find(fa[p]);
}
bool cmp(node c,node d)
{
    return c.w<d.w;
}
int Kruskal()
{
    int sum=0;
    int num=0;//树中有多少条边 
    init();//每次都要初始化点的祖先,不然枚举生成树的时候会出现错误 
    for(int i=0;i<m;i++)
    {
        if(map[i].del)//成环之后删除原来在生成树中的边 
        continue;
        int P=find(map[i].u);
        int Q=find(map[i].v);
        if(P!=Q)
        {
            sum+=map[i].w;
            if(!flag) map[i].used=true;//用来确定最小生成树中的边 
            num++;
            fa[P]=Q;
        }
        if(num>=n-1)
        break;
    }
    if(num>=n-1)
    return sum;
    else
    return INF;
}
int main()
{
    int t;
    scanf("%d",&t);
    while(t--)
    {
        scanf("%d%d",&n,&m);
        for(int i=0;i<m;i++)
        {
            scanf("%d%d%d",&map[i].u,&map[i].v,&map[i].w);
            map[i].del=map[i].used=false;
        }
        sort(map,map+m,cmp);
        flag=false;
        int mst=Kruskal();
        flag=true;
        int minn=INF;
        for(int i=0;i<m;i++)
        {
            if(map[i].used)//如果这条是最小生成树中的边,而且有相等权值的边,可以加进去,看看能否构成生成树 
            {
                map[i].del=true;//用来删去原生成树中的边 
                minn=min(minn,Kruskal());
                map[i].del=false;
            }
        }
        if(minn!=mst)
        printf("%d\n",mst);
        else
        printf("Not Unique!\n");
    }
}
六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,详细介绍了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程的理论与Matlab代码实现过程。文档还涵盖了PINN物理信息神经网络在微分方程求解、主动噪声控制、天线分析、电动汽车调度、储能优化等多个工程与科研领域的应用案例,并提供了丰富的Matlab/Simulink仿真资源和技术支持方向,体现了其在多学科交叉仿真与优化中的综合性价值。; 适合人群:具备一定Matlab编程基础,从事机器人控制、自动化、智能制造、电力系统或相关工程领域研究的科研人员、研究生及工程师。; 使用场景及目标:①掌握六自由度机械臂的运动学与动力学建模方法;②学习人工神经网络在复杂非线性系统控制中的应用;③借助Matlab实现动力学方程推导与仿真验证;④拓展至路径规划、优化调度、信号处理等相关课题的研究与复现。; 阅读建议:建议按目录顺序系统学习,重点关注机械臂建模与神经网络控制部分的代码实现,结合提供的网盘资源进行实践操作,并参考文中列举的优化算法与仿真方法拓展自身研究思路。
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