HDU 2586 LCA

本文深入探讨了复杂网络结构中最小生成树的概念及其应用,并详细阐述了如何通过并查集和DFS算法高效实现最小生成树。重点讨论了在实际问题中的应用案例,包括但不限于网络优化、路径规划等,旨在为读者提供实用的技术解决方案。
//需要加一句手动扩栈
 #pragma comment(linker, "/STACK:1024000000,1024000000")
#include<iostream>
#include<cstring>
#include<cstdio>
#include<cstdlib>
#include<algorithm>
#include<vector>
#define maxn 50005
using namespace std;
bool vis[maxn];
int fa[maxn];
int dis[maxn];
int ans[maxn];
vector<int> G[maxn],w[maxn],Q[maxn],Num[maxn];
int n;
void init()
{
    for(int i=1;i<=n;i++)
    {

    G[i].clear();
    w[i].clear();
    Num[i].clear();
    Q[i].clear();
    }
    memset(dis,0,sizeof(dis));
    memset(vis,false,sizeof(vis));
    for(int i=1;i<=n;i++)
        fa[i]=i;
}



int Find(int x)
{
    if(x!=fa[x]) return Find(fa[x]);
    else  return fa[x];
}

void Union(int x,int y)///注意合并的顺序,不是随便合并的
{
    int tempa=Find(x);
    int tempb=Find(y);
    fa[tempb]=tempa;
}



void tarjan(int cur,int val)
{
    vis[cur]=true;
    dis[cur]=val;
    for(int i=0;i<G[cur].size();i++)
    {
        int temp=G[cur][i];
        if(vis[temp]) continue;
        tarjan(temp,val+w[cur][i]); ///注意是先递归后合并
        Union(cur,temp);
    }

   ///即使query被重复访问也没关系,因为这一个不会被再合并
    for(int i=0;i<Q[cur].size();i++)
    {

        int tmp=Q[cur][i];
        if(!vis[tmp]) continue;
        //cout<<Num[cur][i]<<" "<<cur<<"  query "<<tmp<<endl;
       /// cout<<cur<<" "<<Find(cur)<<"  query "<<tmp<<"   "<<Find(tmp)<<endl;
        ans[Num[cur][i]]=dis[cur]+dis[tmp]-2*dis[Find(tmp)];
       // cout<<Find(tmp)<<" "<<dis[Find(tmp)]<<" "<<ans[Num[cur][i]]<<endl;
    }

}



int main()
{
    int cas,q;
    scanf("%d",&cas);
    for(int ca=1;ca<=cas;ca++)
    {
        scanf("%d%d",&n,&q);
        init();
        int u,v,len,tempa,tempb;
        for(int i=1;i<n;i++)
        {
            scanf("%d%d%d",&u,&v,&len);///反正push进的序号是一样的。。
            G[u].push_back(v);
            G[v].push_back(u);
            w[u].push_back(len);
            w[v].push_back(len);
        }
        for(int i=1;i<=q;i++)///加一个num vector 记录序号
        {
            scanf("%d%d",&tempa,&tempb);
            Q[tempa].push_back(tempb);
            Q[tempb].push_back(tempa);
            Num[tempa].push_back(i);
            Num[tempb].push_back(i);
        }
        tarjan(1,0);
        for(int i=1;i<=q;i++)
            cout<<ans[i]<<endl;

    }




}














MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
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
 
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