最短路径问题(dijkstra)

本文深入探讨了Dijkstra算法在解决最短路径问题中的应用,通过实例解析算法的复杂性和实现细节,包括如何使用两个数组分别记录距离和费用,以及在更新过程中优先考虑距离相等时费用的比较,避免Floyd算法可能出现的超时问题。

最短路径问题(dijkstra)

原题:hdu3790
这是一道明显但又有点复杂的dijkstra最短路径题,写的时候要设两个数组,一个是距离,一个是费用,算的时候先遍历距离,再在更新数组时先比较距离,距离相同时再比较费用大小,用Floyd的话应该会超时。
代码如下:

#include <iostream>
#include <cstdio>

using namespace std;

int n,m,ma=100000000;
int mp[1050][1050];
int vis[1050];
int dis[1050],cost[1050][1050];

void dijkstra(int l)
{
    int mi,pn;
    for(int i=1;i<=n;i++)
    {
        vis[i]=0;
        dis[i]=mp[l][i];
    }
    vis[l]=1;
    for(int k=0;k<n;k++)
    {
        mi=ma;
        for(int i=1;i<=n;i++)
        {
            if(vis[i]==0&&mi>dis[i])
            {
                mi=dis[i];
                pn=i;
            }
        }
        vis[pn]=1;
        for(int i=1;i<=n;i++)
        {
            if(mp[pn][i]<ma&&!vis[i])
            {
            if(dis[i]>dis[pn]+mp[pn][i])
               {
                   dis[i]=dis[pn]+mp[pn][i];
                   cost[l][i]=cost[l][pn]+cost[pn][i];
               }
               else if(dis[i]==dis[pn]+mp[pn][i]&&cost[l][i]>cost[l][pn]+cost[pn][i])
               {
                   cost[l][i]=cost[l][pn]+cost[pn][i];
               }
            }
        }
    }
}

int main()
{
    while(scanf("%d%d",&n,&m)!=EOF&&(n||m))
    {
        for(int i=1;i<=n;i++)
        {
            for(int j=1;j<=n;j++)
            {
                if(i==j)
                {
                    mp[i][j]=cost[i][j]=0;
                }
                else
                {
                    mp[i][j]=cost[i][j]=ma;
                }
            }
        }
        int a,b,d,p;
        for(int i=0;i<m;i++)
        {
            scanf("%d%d%d%d",&a,&b,&d,&p);
            if(mp[a][b]>d)
            {
                mp[a][b]=mp[b][a]=d;
                cost[a][b]=cost[b][a]=p;
            }
            else if(mp[a][b]==d&&cost[a][b]>p)
            {
                cost[a][b]=cost[b][a]=p;
            }
        }
        int beg,ed;
        scanf("%d%d",&beg,&ed);
        dijkstra(beg);
        printf("%d %d\n",dis[ed],cost[beg][ed]);
    }
    return 0;
}

基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
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