LA 3644 X-Plosives [并查集]

并查集解决化合物装载问题
本文探讨了一种使用并查集数据结构解决特定装载问题的方法。在一个装载场景中,若装载的化合物形成闭环,则系统不稳定。通过并查集判断元素间的连通性,避免装载导致不稳定的化合物组合。

#Description
每次给你两个数 a b
表示两种元素构成的一个化合物
然后把这个化合物装到车子里面去
如果一旦出现任意k中化合物恰好由K个元素构成,就爆炸了,
比如说现在车子里有AB BC 再来个CA 就爆炸了,所以CA不能装
不能装进去
问你有多少个不能装的
#Algorithm
并查集
如果是树,就是安全的,一旦有环就不安全了
所以每次来两个,如果相连,就不安全,否则就是安全的
#Code

#include <cstdio>
#include <iostream>
using namespace std;
const int MAXN = 100000 + 9;
int id[MAXN], sz[MAXN];
int ans;
void init()
{
  for (int i = 0; i < MAXN; i++) {
    id[i] = i;
    sz[i] = 1;
  }
}
int find(int p)
{
  if (p != id[p]) {
    id[p] = find(id[p]);
  }
  return id[p];
}
void unite(int p, int q)
{
  int i = find(p);
  int j = find(q);
  if (i == j) {
    ans++;
    return;
  }
  if (sz[i] > sz[j]) {
    id[j] = i;
    sz[i] += sz[j];
  } else
  {
    id[i] = j;
    sz[j] += sz[i];
  }
}
int main()
{
  //freopen("in.txt", "r", stdin);
  init();
  int a, b;
  for(;;)
  {
    if (scanf("%d", &a) == EOF) break;
    if (a == -1) {
      printf("%d\n", ans);
      init();
      ans = 0;
      continue;
    }
    scanf("%d", &b);
    unite(a, b);
  }
}

内容概要:本文提出了一种基于融合鱼鹰算法和柯西变异的改进麻雀优化算法(OCSSA),用于优化变分模态分解(VMD)的参数,进而结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)构建OCSSA-VMD-CNN-BILSTM模型,实现对轴承故障的高【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)精度诊断。研究采用西储大学公开的轴承故障数据集进行实验验证,通过优化VMD的模态数和惩罚因子,有效提升了信号分解的准确性与稳定性,随后利用CNN提取故障特征,BiLSTM捕捉时间序列的深层依赖关系,最终实现故障类型的智能识别。该方法在提升故障诊断精度与鲁棒性方面表现出优越性能。; 适合人群:具备一定信号处理、机器学习基础,从事机械故障诊断、智能运维、工业大数据分析等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①解决传统VMD参数依赖人工经验选取的问题,实现参数自适应优化;②提升复杂工况下滚动轴承早期故障的识别准确率;③为智能制造与预测性维护提供可靠的技术支持。; 阅读建议:建议读者结合Matlab代码实现过程,深入理解OCSSA优化机制、VMD信号分解流程以及CNN-BiLSTM网络架构的设计逻辑,重点关注参数优化与故障分类的联动关系,并可通过更换数据集进一步验证模型泛化能力。
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