hdu1863 畅通工程 Kruskal 和 Prime求最小生成树

畅通工程

Time Limit: 1000/1000 MS (Java/Others)    Memory Limit: 32768/32768 K (Java/Others)
Total Submission(s): 26667    Accepted Submission(s): 11655


Problem Description
省政府“畅通工程”的目标是使全省任何两个村庄间都可以实现公路交通(但不一定有直接的公路相连,只要能间接通过公路可达即可)。经过调查评估,得到的统计表中列出了有可能建设公路的若干条道路的成本。现请你编写程序,计算出全省畅通需要的最低成本。
 

Input
测试输入包含若干测试用例。每个测试用例的第1行给出评估的道路条数 N、村庄数目M ( < 100 );随后的 N 
行对应村庄间道路的成本,每行给出一对正整数,分别是两个村庄的编号,以及此两村庄间道路的成本(也是正整数)。为简单起见,村庄从1到M编号。当N为0时,全部输入结束,相应的结果不要输出。
 

Output
对每个测试用例,在1行里输出全省畅通需要的最低成本。若统计数据不足以保证畅通,则输出“?”。
 

Sample Input
  
3 3 1 2 1 1 3 2 2 3 4 1 3 2 3 2 0 100
 

Sample Output
  
3 ?
 

Source

两个算法都用来求最小生成树。。。

zyyyyy之前在天黑板(滑稽)上讲过Kruskal算法,即对所有的边根据花费来排个序,然后利用并查集每次贪心地选最小的边加入当前的最小生成树。

Kruskal版本:

#include <iostream>
#include <string>
#include <cstdio>
#include <algorithm>
#include <vector>
#include <queue>
#include <cmath>
using namespace std;
const int maxn = 110;
int n,m;
int father[maxn];
struct unit {
    int from,to;
    long long cost;
}save[maxn*maxn];
bool compare(unit a,unit b){
    return a.cost<b.cost;
}
int find(int x){
    if(x==father[x]) return x;
    return father[x] = find(father[x]);
}
bool isConnected(int a,int b){
    return find(a) == find(b);
}
void mix(int a,int b){
    int u = find(a),v = find(b);
    if(u==v){
        return ;
    }
    father[u] = v;
}
long long Kruskal(){
    long long result = 0;
    sort(save+1, save+1+m, compare);
    for(int i =1 ;i<=m;i++){
        if(isConnected(save[i].from, save[i].to)){
            continue;
        }
        mix(save[i].from, save[i].to);
        result += save[i].cost;
    }
    return result;
}
int main(){
    while(scanf("%d%d",&m,&n)&&m){
        int i;
        for(i=1;i<=n;i++){
            father[i]=i;
        }
        for(i=1;i<=m;i++){
            scanf("%d%d%lld",&save[i].from,&save[i].to,&save[i].cost);
        }
        bool flag = true;
        long long result = Kruskal();
        for(i=1;i<=n;i++){
            if(!isConnected(1, i)){
                flag = false;
            }
        }
        if(flag){
            printf("%lld\n",result);
        }else{
            printf("?\n");
        }
    }
    return 0;
}

而Prime算法好像更复杂一点?想法和Kruskal差不多

利用优先队列来储存每个点连接的边,程序一开始,随机地选择一个点作为起点,每次都是选择和这条边相连并且没有访问过的点的最短的边加入最小生成树,然后标记这些访问过的点。

Prime版本:

#include <iostream>
#include <cstring>
#include <cstdio>
#include <algorithm>
#include <vector>
#include <queue>
#include <cmath>
using namespace std;
const int maxn = 110;
int n,m;
int father[maxn];
struct unit {
    int from,to;
    long long cost;
    bool operator < (const unit &a)const{
        return a.cost<cost;
    }
};
priority_queue<unit> que;
vector<unit> cost[maxn];
bool vis[maxn];//is visited?
long long  Prime(){
    long long result = 0;
    vis[1] =true;
    int i;
    for(i=0;i<cost[1].size();i++){
        que.push(cost[1][i]);
    }
    while(que.size()){
        unit now = que.top();
        que.pop();
        if(!vis[now.to]){
            result += now.cost;
            vis[now.to] = true;
            for(i=0;i<cost[now.to].size();i++){
                que.push(cost[now.to][i]);
            }
        }
    }
    return result;
}

int main(){
    while(scanf("%d%d",&m,&n)&&m){
        int i;
        for(i=1;i<=n;i++){
            cost[i].clear();
        }
        memset(vis, false, sizeof(vis));
        while(que.size()){
            que.pop();
        }
        for(i=1;i<=m;i++){
            unit now;
            scanf("%d%d%lld",&now.from,&now.to,&now.cost);
            cost[now.from].push_back(now);
        }
        bool flag = true;
        long long result = Prime();
        for(i=1;i<=n;i++){
            if(!vis[i]){
                flag = false;
            }
        }
        if(flag){
            printf("%lld\n",result);
        }else{
            printf("?\n");
        }
    }
    return 0;
}





内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化并行计算等改进策略。; 适合人群:具备一定Python编程基础优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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