修路方案(次小生成树)

修路方案

时间限制: 3000 ms  |  内存限制: 65535 KB
难度: 5
描述

南将军率领着许多部队,它们分别驻扎在N个不同的城市里,这些城市分别编号1~N,由于交通不太便利,南将军准备修路。

现在已经知道哪些城市之间可以修路,如果修路,花费是多少。

现在,军师小工已经找到了一种修路的方案,能够使各个城市都联通起来,而且花费最少。

但是,南将军说,这个修路方案所拼成的图案很不吉利,想让小工计算一下是否存在另外一种方案花费和刚才的方案一样,现在你来帮小工写一个程序算一下吧。

输入
第一行输入一个整数T(1<T<20),表示测试数据的组数
每组测试数据的第一行是两个整数V,E,(3<V<500,10<E<200000)分别表示城市的个数和城市之间路的条数。数据保证所有的城市都有路相连。
随后的E行,每行有三个数字A B L,表示A号城市与B号城市之间修路花费为L。
输出
对于每组测试数据输出Yes或No(如果存在两种以上的最小花费方案则输出Yes,如果最小花费的方案只有一种,则输出No)
样例输入
2
3 3
1 2 1
2 3 2
3 1 3
4 4
1 2 2
2 3 2
3 4 2
4 1 2
样例输出
No
Yes
来源
POJ题目改编
上传者
张云聪

没看懂次小生成树,仿照别人的代码自己写了一个,以后就仿照这个模板写,直到自

己领悟为止!

#include<cstdio>
#include<iostream>
#include<cstring>
const int infinity=0x3f3f3f3f;
const int maxnum=505;
using namespace std;
int nodenum;
int map1[maxnum][maxnum],visited[maxnum],low[maxnum];//最小生成树基本变量
int mmax[maxnum][maxnum],pre[maxnum],connect[maxnum][maxnum];//次小生成树必须变量
void prim()
{
    int result=0,i,j,Min,pos=1,fa;
    memset(visited,0,sizeof(visited));//初始化都未标记
    memset(mmax,0,sizeof(mmax));//*****mmax初始化为0*****
    for(i=1;i<=nodenum;i++)
    {
        low[i]=map1[pos][i];
        pre[i]=pos;//*****把所有的点的前节点记录为1*****
    }
    low[pos]=0;
    visited[pos]=1;//把1号作为起点
    for(i=2;i<=nodenum;i++)//这个i没有其他的意思就是一个循环次数
    {
        Min=infinity;pos=-1;//从1号开始找最小的边
        for(j=1;j<=nodenum;j++)
        {
            if(!visited[j]&&Min>low[j])
            {
                Min=low[j];
                pos=j;
            }
        }
        if(pos==-1)
        {
            return ;
        }
        visited[pos]=1;//做到与1os号最近的边
        result+=Min;//加权值
        fa=pre[pos];//*****取得这个点的前节点*****
        connect[fa][pos]=connect[pos][fa]=0;//*****让前节点与当前点不是联通的!
        mmax[fa][pos]=Min;//*****设置前点与当前点的距离为Min*****
        for(j=1;j<=nodenum;j++)
        {
            if(!visited[j]&&low[j]>map1[pos][j])
            {
                low[j]=map1[pos][j];//这个就是替换未被标记的最小权值!
                pre[j]=pos;//*****更新此时所有被更换权值节点的前节点为pos*****
            }
        }
        //*****以下为次小生成树新增*****
        for(j=1;j<=nodenum;j++)
        {
            mmax[j][pos]=mmax[fa][pos]>mmax[j][fa]?mmax[fa][pos]:mmax[j][fa];//更新次小权值
        }
        //*****以上为次小生成树新增*****
    }
    return ;
}
int main()
{
    int t,m,i,j,a,b,c,flag;
    cin>>t;
    while(t--)
    {
        memset(map1,infinity,sizeof(map1));
    /*   for(i=1;i<=nodenum;i++)
       {
           for(j=1;j<=nodenum;j++)
           {
               map1[i][j]=infinity;
           }
       }把这个替换成上面那个就WA了不知道为什么,以后注意一点!
       */
        memset(connect,0,sizeof(connect));//*****
        cin>>nodenum>>m;
        while(m--)
        {
            cin>>a>>b>>c;
            if(c<map1[a][b])
            {
                map1[a][b]=map1[b][a]=c;
                connect[a][b]=connect[b][a]=1;//*****
            }
        }
        prim();
        flag=0;
        for(i=1;i<=nodenum;i++)
        {
            for(j=1;j<=nodenum;j++)
            {
                if(connect[i][j]==0||map1[i][j]==infinity)
                {
                    continue;
                }
                if(map1[i][j]==mmax[i][j])
                {
                    flag=1;
                    break;
                }
            }
        }
        if(flag)
        {
            cout<<"Yes"<<endl;
        }
        else
        {
            cout<<"No"<<endl;
        }
    }
}



内容概要:本文详细介绍了扫描单分子定位显微镜(scanSMLM)技术及其在三维超分辨体积成像中的应用。scanSMLM通过电调透镜(ETL)实现快速轴向扫描,结合4f检测系统将不同焦平面的荧光信号聚焦到固定成像面,从而实现快速、大视场的三维超分辨成像。文章不仅涵盖了系统硬件的设计与实现,还提供了详细的软件代码实现,包括ETL控制、3D样本模拟、体积扫描、单分子定位、3D重建和分子聚类分析等功能。此外,文章还比较了循环扫描与常规扫描模式,展示了前者在光漂白效应上的优势,并通过荧光珠校准、肌动蛋白丝、线粒体网络和流感A病毒血凝素(HA)蛋白聚类的三维成像实验,验证了系统的性能和应用潜力。最后,文章深入探讨了HA蛋白聚类与病毒感染的关系,模拟了24小时内HA聚类的动态变化,提供了从分子到细胞尺度的多尺度分析能力。 适合人群:具备生物学、物理学或工程学背景,对超分辨显微成像技术感兴趣的科研人员,尤其是从事细胞生物学、病毒学或光学成像研究的科学家和技术人员。 使用场景及目标:①理解和掌握scanSMLM技术的工作原理及其在三维超分辨成像中的应用;②学习如何通过Python代码实现完整的scanSMLM系统,包括硬件控制、图像采集、3D重建和数据分析;③应用于单分子水平研究细胞内结构和动态过程,如病毒入侵机制、蛋白质聚类等。 其他说明:本文提供的代码不仅实现了scanSMLM系统的完整工作流程,还涵盖了多种超分辨成像技术的模拟和比较,如STED、GSDIM等。此外,文章还强调了系统在硬件改动小、成像速度快等方面的优势,为研究人员提供了从理论到实践的全面指导。
内容概要:本文详细介绍了基于Seggiani提出的渣层计算模型,针对Prenflo气流床气化炉中炉渣的积累和流动进行了模拟。模型不仅集成了三维代码以提供气化炉内部的温度和浓度分布,还探讨了操作条件变化对炉渣行为的影响。文章通过Python代码实现了模型的核心功能,包括炉渣粘度模型、流动速率计算、厚度更新、与三维模型的集成以及可视化展示。此外,还扩展了模型以考虑炉渣组成对特性的影响,并引入了Bingham流体模型,更精确地描述了含未溶解颗粒的熔渣流动。最后,通过实例展示了氧气-蒸汽流量增加2%时的动态响应,分析了温度、流动特性和渣层分布的变化。 适合人群:从事煤气化技术研究的专业人士、化工过程模拟工程师、以及对工业气化炉操作优化感兴趣的科研人员。 使用场景及目标:①评估不同操作条件下气化炉内炉渣的行为变化;②预测并优化气化炉的操作参数(如温度、氧煤比等),以防止炉渣堵塞;③为工业气化炉的设计和操作提供理论支持和技术指导。 其他说明:该模型的实现基于理论公式和经验数据,为确保模型准确性,实际应用中需要根据具体气化炉的数据进行参数校准。模型还考虑了多个物理场的耦合,包括质量、动量和能量守恒方程,能够模拟不同操作条件下的渣层演变。此外,提供了稳态求解器和动态模拟工具,可用于扰动测试和工业应用案例分析。
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