poj 2421 Constructing Roads

本文介绍了一种基于给定部分路径求解最小生成树(MST)的问题,并通过具体实现展示了如何处理可能存在的环路,使用并查集进行节点集合管理和更新,确保最终生成的树既最小又不包含环。

给定部分路径后的最小生成树

注意给的路径有可能构成回路

 

 

#include<stdio.h>
#include<stdlib.h>
#include <cmath>
#include <iostream>
#include <cstdlib>
using namespace std;

int parent[6001];
int k;
int f[6000][6000];
struct edge
{
 int u,v,w;
} edges[6001];


int compare(const void *a, const void *b)
{
	return (*(edge *)a).w - (*(edge *)b).w;
}


int findset(int x)
{
 int tmp,s;
 s=x;
 while (parent[s]>=0) s=parent[s];
 while (s!=x)
 {
   tmp=parent[x];
   parent[x]=s;
   x=tmp;
 }
 return s;
}

void unionset(int r1,int r2)
{
   int rr1,rr2;
   rr1=findset(r1);
   rr2=findset(r2);
   int tmp=parent[rr1]+parent[rr2];
   if (rr1==rr2) return;
   if (parent[rr1]>parent[rr2]) {
                  parent[rr1]=rr2;
                  parent[rr2]=tmp;
                 }
             else {
                    parent[rr2]=rr1;
                    parent[rr1]=tmp;
                  }

}
int main()
{
 int q,n,m,num,ans,x,y;
 scanf("%d",&n);
 m=0;
 for (int i=0;i<=n;i++) parent[i]=-1;
 for (int i=0;i<n;i++)
  for (int j=0;j<n;j++)
 {
  scanf("%d",&f[i][j]);
  if (i>j){
            edges[m].u=i;
            edges[m].v=j;
            edges[m].w=f[i][j];
            m++;
            }
 }

 scanf("%d",&q);
 int t=0;
 for (int i=1;i<=q;i++)
 {
     scanf("%d%d",&x,&y);
     if (findset(x-1)!=findset(y-1)) {
                    unionset(x-1,y-1);
                    t++;
                    }
 }

 qsort(edges,m,sizeof(edges[0]),compare);

 ans=0;num=0;
 for (int i=0;i<m;i++)
 {

  if (findset(edges[i].u)!=findset(edges[i].v))
                                   {
                                     num++;
                                     ans=ans+edges[i].w;
                                     unionset(edges[i].u,edges[i].v);
                                   }
  if (num>=n-1-t) break;

 }
 printf("%d\n",ans);
}


 

内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,涵盖正向与逆向运动学求解、正向动力学控制,并采用拉格朗日-欧拉法推导逆向动力学方程,所有内容均通过Matlab代码实现。同时结合RRT路径规划与B样条优化技术,提升机械臂运动轨迹的合理性与平滑性。文中还涉及多种先进算法与仿真技术的应用,如状态估计中的UKF、AUKF、EKF等滤波方法,以及PINN、INN、CNN-LSTM等神经网络模型在工程问题中的建模与求解,展示了Matlab在机器人控制、智能算法与系统仿真中的强大能力。; 适合人群:具备一定Ma六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)tlab编程基础,从事机器人控制、自动化、智能制造、人工智能等相关领域的科研人员及研究生;熟悉运动学、动力学建模或对神经网络在控制系统中应用感兴趣的工程技术人员。; 使用场景及目标:①实现六自由度机械臂的精确运动学与动力学建模;②利用人工神经网络解决传统解析方法难以处理的非线性控制问题;③结合路径规划与轨迹优化提升机械臂作业效率;④掌握基于Matlab的状态估计、数据融合与智能算法仿真方法; 阅读建议:建议结合提供的Matlab代码进行实践操作,重点理解运动学建模与神经网络控制的设计流程,关注算法实现细节与仿真结果分析,同时参考文中提及的多种优化与估计方法拓展研究思路。
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