UVA 10986 Sending email 最短路问题

本文介绍了一种优化的Dijkstra算法实现,用于处理大规模图数据集的最短路径问题。通过使用优先队列和节点结构,算法能够有效避免超时错误,并在大量顶点和边的情况下保持高效运行。文章详细展示了算法的代码实现过程,包括读取图数据、初始化结构、执行Dijkstra算法并输出结果。

基本的最短路问题 就是数据需要稍微处理一下。(N比较大)dijkstra也要优化。不优化应该会T;

#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 N,M,S,T;
const int INF = 0x3f3f3f3f;
typedef pair<int,int> pii;
#define MAXN 20005
priority_queue<pii,vector<pii>,greater<pii> >q;
struct node
{
    int v;
    int w;
};
vector <node>G[MAXN];//G[u].v = w present dis[u][v] = w;
int d[MAXN];
void read()
{
    scanf("%d%d%d%d",&N,&M,&S,&T);
    for (int i = 0; i <= N; i++)G[i].clear();
    while (M--)
    {
        int u,v,w;
        scanf("%d%d%d",&u,&v,&w);
        node tmp; tmp.v = v; tmp.w = w;
        G[u].push_back(tmp);
        tmp.v = u; tmp.w = w;
        G[v].push_back(tmp);
    }
}
void dijkstra(int st)
{
    memset(d,0x3f,sizeof(d));
    d[st] = 0;
   // printf("%d\n",st);
    while (!q.empty()) q.pop();
    q.push(make_pair(d[st],st));
    while (!q.empty())
    {
        pii u = q.top(); q.pop();
        int x = u.second;
        if (u.first != d[x]) continue;
        for (int i = 0; i < (int)G[x].size(); i++)
        {
            int v = G[x][i].v, w = G[x][i].w;
            //printf("%d %d\n",v,w);
            if (d[v] > d[x] + w)
            {
                d[v] = d[x] + w;
                //printf("%d %d\n",d[v],v);
                q.push(make_pair(d[v],v));
            }
        }
    }
}
int main()
{
    int num, kase = 1;
    scanf("%d",&num);
    while (num--)
    {
        read();
        dijkstra(S);
        if (d[T] == INF) printf("Case #%d: unreachable\n",kase++);
        else printf("Case #%d: %d\n",kase++,d[T]);
    }
    return 0;
}

 

转载于:https://www.cnblogs.com/Commence/p/4008620.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
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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