模板整理——图论·最短路·dijkstra+堆

思想:每次选择当前dis最小的点,更新其出边

时间复杂度:(n+m)logn

typedef pair<long long,int> pa;
priority_queue<pa,vector<pa>,greater<pa> > q;

void dijkstra(int s)
{
    for (int i=1; i<=n; i++) dis[i]=oo; //不要忘记清空
    dis[s]=0;
    q.push(pa(0,s));
    while (!q.empty())
    {
        pa k=q.top();
        vis[k]=1; //如果没有vis标记,可能造成一个点多次入堆出堆,若重边很多则会退化为O(m^2)
        q.pop();
        int u=k.second;
        for (int i=head[u];i;i=next[i])
        {
            int v=vet[i],l=val[i];
            if (dis[u]+l<dis[v])
            {
                dis[v]=dis[u]+l;
                if (!vis[v]) q.push(pa(dis[v],v));
            }
        }
    }
}
内容概要:该研究通过在黑龙江省某示范村进行24小时实地测试,比较了燃煤炉具与自动/手动进料生物质炉具的污染物排放特征。结果显示,生物质炉具相比燃煤炉具显著降低了PM2.5、COSO2的排放(自动进料分别降低41.2%、54.3%、40.0%;手动进料降低35.3%、22.1%、20.0%),但NOx排放未降低甚至有所增加。研究还发现,经济性便利性是影响生物质炉具推广的重要因素。该研究不仅提供了实际排放数据支持,还通过Python代码详细复现了排放特征比较、减排效果计算结果可视化,进一步探讨了燃料性质、动态排放特征、碳平衡计算以及政策建议。 适合人群:从事环境科学研究的学者、政府环保部门工作人员、能源政策制定者、关注农村能源转型的社会人士。 使用场景及目标:①评估生物质炉具在农村地区的推广潜力;②为政策制定者提供科学依据,优化补贴政策;③帮助研究人员深入了解生物质炉具的排放特征技术改进方向;④为企业研发更高效的生物质炉具提供参考。 其他说明:该研究通过大量数据分析模拟,揭示了生物质炉具在实际应用中的优挑战,特别是NOx排放增加的问题。研究还提出了多项具体的技术改进方向政策建议,如优化进料方式、提高热效率、建设本地颗粒厂等,为生物质炉具的广泛推广提供了可行路径。此外,研究还开发了一个智能政策建议生成系统,可以根据不同地区的特征定制化生成政策建议,为农村能源转型提供了有力支持。
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