HDOJ1232 并查集入门题

本文介绍了一个经典的图论问题——畅通工程问题,旨在通过构建最少数量的道路使得任意两个城镇都能互通。利用并查集数据结构有效地解决了该问题,并提供了完整的代码实现。

畅通工程

Time Limit: 4000/2000 MS (Java/Others)    Memory Limit: 65536/32768 K (Java/Others)
Total Submission(s): 57071    Accepted Submission(s): 30525


Problem Description
某省调查城镇交通状况,得到现有城镇道路统计表,表中列出了每条道路直接连通的城镇。省政府“畅通工程”的目标是使全省任何两个城镇间都可以实现交通(但不一定有直接的道路相连,只要互相间接通过道路可达即可)。问最少还需要建设多少条道路? 
 

Input
测试输入包含若干测试用例。每个测试用例的第1行给出两个正整数,分别是城镇数目N ( < 1000 )和道路数目M;随后的M行对应M条道路,每行给出一对正整数,分别是该条道路直接连通的两个城镇的编号。为简单起见,城镇从1到N编号。 
注意:两个城市之间可以有多条道路相通,也就是说
3 3
1 2
1 2
2 1
这种输入也是合法的
当N为0时,输入结束,该用例不被处理。 
 

Output
对每个测试用例,在1行里输出最少还需要建设的道路数目。 
 

Sample Input
  
4 2 1 3 4 3 3 3 1 2 1 3 2 3 5 2 1 2 3 5 999 0 0
 

Sample Output
  
1 0 2 998
Hint
Hint
Huge input, scanf is recommended.
 

Source
 

Recommend
JGShining   |   We have carefully selected several similar problems for you:   1272  1875  1879  1213  1856 

刚自学了并查集,拿这个题目练练手,感觉写起来还是挺容易的。并查集原理不多解释了,直接贴个模板程序吧。

#include <iostream>
#include <ctime>
#include <cmath>
using namespace std;

const int maxn = 1002;
int root[maxn],f[maxn];
int i,j,k,n,m,tot;


int Find(int x){
    int i = x,k;
    int r = x;
    while (r!=root[r]) r = root[r];
    while (root[i]!=r) {
        k = root[i];
        root[i] = r;
        i = k;
    }
    return r;
}

void join(int x , int y){
   int fx = Find(x), fy = Find(y);
   if (fx != fy) root[fx] = fy;
}

void init(){
    for (i=1; i<=n; i++) root[i] = i;
    cin >> m;
    for (j=1; j<=m; j++) {
        cin >> i >> k;
        join(i,k);
    }
}

int main(){
    std::ios::sync_with_stdio(false);
    while (cin >> n && n){
        init();
        tot = 0;
        for (i=1; i<=n; i++) f[i] = 0;
        for (i=1; i<=n; i++) f[Find(i)] = 1;
        for (i=1; i<=n; i++) if (f[i]) tot ++;
        cout << tot-1 << endl;
    }
    return 0;
}



 
内容概要:本文围绕“基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究”展开,提出了一种结合Koopman算子理论与递归神经网络(RNN)的数据驱动建模方法,旨在对非线性纳米定位系统进行有效线性化建模,并实现高精度的模型预测控制(MPC)。该方法利用Koopman算子将非线性系统映射到高维线性空间,通过递归神经网络学习系统的动态演化规律,构建可解释性强、计算效率高的线性化模型,进而提升预测控制在复杂不确定性环境下的鲁棒性与跟踪精度。文中给出了完整的Matlab代码实现,涵盖数据预处理、网络训练、模型验证与MPC控制器设计等环节,具有较强的基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)可复现性和工程应用价值。; 适合人群:具备一定控制理论基础和Matlab编程能力的研究生、科研人员及自动化、精密仪器、机器人等方向的工程技术人员。; 使用场景及目标:①解决高精度纳米定位系统中非线性动态响应带来的控制难;②实现复杂机电系统的数据驱动建模与预测控制一体化设计;③为非线性系统控制提供一种可替代传统机理建模的有效工具。; 阅读建议:建议结合提供的Matlab代码逐模块分析实现流程,重点关注Koopman观测矩阵构造、RNN网络结构设计与MPC控制器耦合机制,同时可通过替换实际系统数据进行迁移验证,深化对数据驱动控制方法的理解与应用能力。
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