POJ3621-Sightseeing Cows

本文介绍了一种结合二分密度搜索与Bellman-Ford算法的方法,用于判断图中是否存在负权回路。通过调整边的权值,即边权=e[i]*mid-cost[b[i]],并在每轮二分过程中运行Bellman-Ford算法,可以有效地检测出图中可能存在的负权回路。

二分密度+bellman-ford判断是否存在负权回路。

a,b,e分别代表每条边的起点、终点、权值,mid为当前密度,cost为点的快乐值

在二分密度时,要注意更新边权为e[i]=e[i]*mid-cost[b[i]]

 

[pascal 代码]

VAR
        A,B,COST:ARRAY[1..100000]OF LONGINT;
        DIS,E,EE:ARRAY[1..100000]OF DOUBLE;
        N,M:LONGINT;
PROCEDURE INIT;
 VAR
        I:LONGINT;
 BEGIN
        READLN(N,M);
        FOR I:=1 TO N DO READLN(COST[I]);
        FOR I:=1 TO M DO READLN(A[I],B[I],E[I]);
        EE:=E;
 END;
FUNCTION BELLMAN_FORD:BOOLEAN;
 VAR
        I,J:LONGINT;
        FLAG:BOOLEAN;
 BEGIN
        FILLCHAR(DIS,SIZEOF(DIS),0);
        FOR I:=1 TO N DO
                BEGIN
                        FLAG:=FALSE;
                        FOR J:=1 TO M DO IF DIS[A[J]]+E[J]<DIS[B[J]] THEN
                                BEGIN
                                        DIS[B[J]]:=DIS[A[J]]+E[J];
                                        FLAG:=TRUE;
                                END;
                        IF NOT FLAG THEN EXIT(TRUE);
                END;
        EXIT(FALSE);
 END;
PROCEDURE MAIN;
 VAR
        L,R,MID:DOUBLE;
        I:LONGINT;
 BEGIN
        L:=0;R:=1997;
        WHILE L+1E-6<R DO
                BEGIN
                        MID:=(L+R)/2;
                        FOR I:=1 TO M DO E[I]:=EE[I]*MID-COST[B[I]];
                        IF BELLMAN_FORD THEN R:=MID ELSE L:=MID;
                END;
        WRITELN(R:0:2);
 END;
BEGIN
        INIT;
        MAIN;
END.

转载于:https://www.cnblogs.com/FreeDestiny/archive/2011/10/31/2229988.html

源码地址: https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
《基于STM32微控制器集成温湿度监测与显示功能的系统实现方案》 本方案提供了一套完整的嵌入式系统设计参考,实现了环境参数的实时采集、可视化呈现与异常状态提示。系统核心采用意法半导体公司生产的STM32系列32位微控制器作为主控单元,负责协调各外设模块的工作流程。 系统通过数字式温湿度复合传感器周期性获取环境参数,该传感器采用单总线通信协议,具有响应迅速、数据可靠的特点。采集到的数值信息通过两种途径进行处理:首先,数据被传输至有机发光二极管显示屏进行实时图形化显示,该显示屏支持高对比度输出,能够在不同光照条件下清晰呈现当前温度与湿度数值;其次,所有采集数据同时通过通用异步收发传输接口输出,可供上位机软件进行记录与分析。 当监测参数超出预设安全范围时,系统会启动声学警示装置,该装置可发出不同频率的提示音,以区分温度异常或湿度异常状态。所有功能模块的驱动代码均采用模块化设计原则编写,包含完整的硬件抽象层接口定义、传感器数据解析算法、显示缓冲区管理机制以及串口通信协议实现。 本参考实现重点阐述了多外设协同工作的时序控制策略、低功耗数据采集模式的应用方法,以及确保系统稳定性的错误处理机制。代码库中包含了详细的初始化配置流程、中断服务程序设计和各功能模块的应用程序接口说明,为嵌入式环境监测系统的开发提供了可靠的技术实现范例。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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