最短路-Bellman-Ford, SPFA

本文详细介绍了Bellman-Ford算法及其优化版本SPFA算法,这两种算法主要用于解决带负权边的最短路径问题。Bellman-Ford算法通过多次循环松弛操作来查找最短路径,并能检测负权回路的存在。而SPFA算法则进一步通过队列优化减少了不必要的节点检查,提高了算法效率。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Bellman-Ford

描述
可以应用于有负环的情况。
在含负环的情况中, 如果最短路存在,那么一定存在不含环的最短路,这样最短路最多经过n-1个结点, 因此进行n-1次循环, 每次循环检查所有的边d[u][v] ,进行松弛操作。n-1次松弛操作完成后, 寻找是不是存在d[y] < d[x] + w[i], 如果存在, 说明有负环->最短路不存在

代码

    for(int i=0; i<n; i++)
        d[i] = INF;
    d[0] = 0;
    for(int i=0; i<n-1; i++)
    {
        for(int j=0; i<m ; j++)
        {
            int x = u[i], y = v[i];
            if(d[x] < INF)
                d[y] = min(d[y], d[x] + w[x][y]);
        }
    }
    bool flag = 1;
    for(int i=0; i<n; i++)
    {
        int x = u[i], y = v[i];
        if(d[y] > d[x]+w[x][y])
        {
            flag = 0;
            break;
        }
    }

SPFA

描述
就是Bellman-Ford算法的队列优化,用先进先出的队列代替循环检查,减少本来就不能更新的结点的重新检查,提高效率:
维护一个队列,将源点放入队列,对与它相邻的点进行松弛, 将松弛成功的点放入队列,直到队列为空时算法结束。

struct Edge
{
    int from; to; dist;
    Edge(int u, int v, int d):from(u), to(v), dist(d){}
};

bool SPFA(int s)
{
    queue<int> Q;
    memset(inq, 0, sizeof(inq));
    memset(cnt, 0, sizeof(cnt));
    for(int i=0; i<n; i++)
    {
        d[i] = INF;
    }
    d[s] = 0;
    inq[s] = 1;
    Q.push(s);

    while(!q.empty)
    {
        int u = Q.front();
        Q.pop();
        inq[u] = 0;
        for(int i=0; i<G[u].size(); i++)
        {
            Edge& e = edges[G[u][i]];
            if(d[u] = INF && d[e.to] > d[u] + e.dist)
            {
                d[e.to] = d[u] + e.dist;
                p[e.to] = G[u][i];
                if(!inq[e.to])
                {
                    Q.push(e.to);
                    inq[e.to] = 1;
                    if(++cnt[e.to] > n)
                        return 0;
                }
            }
        }
    }
    return 1;
}
内容概要:该研究通过在黑龙江省某示范村进行24小时实地测试,比较了燃煤炉具与自动/手动进料生物质炉具的污染物排放特征。结果显示,生物质炉具相比燃煤炉具显著降低了PM2.5、CO和SO2的排放(自动进料分别降低41.2%、54.3%、40.0%;手动进料降低35.3%、22.1%、20.0%),但NOx排放未降低甚至有所增加。研究还发现,经济性和便利性是影响生物质炉具推广的重要因素。该研究不仅提供了实际排放数据支持,还通过Python代码详细复现了排放特征比较、减排效果计算和结果可视化,进一步探讨了燃料性质、动态排放特征、碳平衡计算以及政策建议。 适合人群:从事环境科学研究的学者、政府环保部门工作人员、能源政策制定者、关注农村能源转型的社会人士。 使用场景及目标:①评估生物质炉具在农村地区的推广潜力;②为政策制定者提供科学依据,优化补贴政策;③帮助研究人员深入了解生物质炉具的排放特征和技术改进方向;④为企业研发更高效的生物质炉具提供参考。 其他说明:该研究通过大量数据分析和模拟,揭示了生物质炉具在实际应用中的优点和挑战,特别是NOx排放增加的问题。研究还提出了多项具体的技术改进方向和政策建议,如优化进料方式、提高热效率、建设本地颗粒厂等,为生物质炉具的广泛推广提供了可行路径。此外,研究还开发了一个智能政策建议生成系统,可以根据不同地区的特征定制化生成政策建议,为农村能源转型提供了有力支持。
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