UVA 558 Wormholes

本文介绍了一种使用SPFA算法判断图中是否存在负权回路的方法。通过记录节点的出队次数,若某节点出队次数超过图中节点总数,则表明存在负环。文章提供了完整的C++代码实现,并通过实例演示了算法的应用。

利用SPFA判负环。如果一个节点出队N次有负环这里记录一下

#include <map>
#include <set>
#include <list>
#include <cmath>
#include <ctime>
#include <deque>
#include <stack>
#include <queue>
#include <cctype>
#include <cstdio>
#include <string>
#include <vector>
#include <climits>
#include <cstdlib>
#include <cstring>
#include <iostream>
#include <algorithm>
#define LL long long
#define PI 3.1415926535897932626
using namespace std;
int gcd(int a, int b) {return a % b == 0 ? b : gcd(b, a % b);}
int cnt[1010];
bool inq[1010];
int d[1010];
int w[1010][1010],N,M;
vector<int>G[1010];
queue<int>q;
bool SPFA()
{
    memset(cnt,0,sizeof(cnt));
    memset(inq,false,sizeof(inq));
    memset(d,0x3f,sizeof(d));
    while (!q.empty()) q.pop();
    q.push(0); cnt[0]++;
    inq[0] = true; d[0] = 0;
    while (!q.empty())
    {
        int u = q.front(); q.pop();
        inq[u] = false;
        for (int i = 0; i < (int)G[u].size(); i++)
        {
            int v = G[u][i];
            if (d[v] > d[u] + w[u][v])
            {
                d[v] = d[u] + w[u][v];
                if (!inq[v])
                {
                    inq[v] = true;
                    cnt[v]++;
                    if (cnt[v] >= N) return true;
                    q.push(v);
                }
            }
        }
    }
    return false;
}
int main()
{
    //freopen("sample.txt","r",stdin);
    int T;
    scanf("%d",&T);
    while (T--)
    {
        scanf("%d%d",&N,&M);
        for (int i = 0; i < 1010; i++) G[i].clear();
        while (M--)
        {
            int u,v,we;
            scanf("%d%d%d",&u,&v,&we);
            G[u].push_back(v);
            w[u][v] =  we;
        }
        if (SPFA()) puts("possible");
        else puts("not possible");
    }
    return 0;
}

 

转载于:https://www.cnblogs.com/Commence/p/4009660.html

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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