继续畅通工程 hdu1879

本文介绍了一种使用Kruskal算法和并查集解决道路畅通问题的方法,旨在计算使所有村庄间均可通过公路交通的最低成本。通过实际案例展示了算法的具体应用过程。

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

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)。现得到城镇道路统计表,表中列出了任意两城镇间修建道路的费用,以及该道路是否已经修通的状态。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行给出村庄数目N ( 1< N < 100 );随后的 N(N-1)/2 行对应村庄间道路的成本及修建状态,每行给4个正整数,分别是两个村庄的编号(从1编号到N),此两村庄间道路的成本,以及修建状态:1表示已建,0表示未建。 

当N为0时输入结束。

Output

每个测试用例的输出占一行,输出全省畅通需要的最低成本。

Sample Input

3
1 2 1 0
1 3 2 0
2 3 4 0
3
1 2 1 0
1 3 2 0
2 3 4 1
3
1 2 1 0
1 3 2 1
2 3 4 1
0

Sample Output

3
1
0

方法:用的Krukal算法,以及并查集。

注意:如果两个村庄的状态是已经连通的话,那就要将两个村庄加入到同一个集合中去。 可以用Union()函数,也可以直接

f[v1]=v2;//就是,直接让村庄1的父亲成为村庄2 (传送门)

#include<iostream>
#include<cstdio>
#include<algorithm>
#include<cstring>
using namespace std;
struct edge
{
    int a,b,w,s;
};
struct edge node[5002];
int f[110];
int getf(int v)
{
    while(v!=f[v]) { v=f[v];}
    return v;

}
int Union(int u,int v)
{
    int t1=getf(u);
    int t2=getf(v);
    if(t1!=t2)
    {
        f[t2]=t1;
        return 1;
    }
    else return 0;
}
bool cmp(struct edge a,struct edge b)
{
    return a.w<b.w;
}
int main()
{
    int n,v1,v2,sum=0,cnt=0;
    while(cin>>n)
    {
        if(n==0) break;
        memset(f,0,sizeof(f));
        for(int i=1;i<=n;i++) f[i]=i;
        for(int i=1;i<=n*(n-1)/2;i++)
        {
            cin>>node[i].a>>node[i].b>>node[i].w>>node[i].s;
            if(node[i].s) Union(node[i].a,node[i].b);
        }
        sort(node+1,node+n*(n-1)/2+1,cmp);
        //Kruskal
        for(int i=1;i<=n*(n-1)/2;i++)
        {
            if(Union(node[i].a,node[i].b)==1)
            {
                sum+=node[i].w;
                cnt++;
            }


            if(cnt==n-1) break;
        }
        printf("%d\n",sum);
        sum=0,cnt=0;
    }

    return 0;
}

 

内容概要:本文档详细介绍了基于MATLAB实现多目标差分进化(MODE)算法进行无人机三维路径规划的项目实例。项目旨在提升无人机在复杂三维环境中路径规划的精度、实时性、多目标协调处理能力、障碍物避让能力和路径平滑性。通过引入多目标差分进化算法,项目解决了传统路径规划算法在动态环境和多目标优化中的不足,实现了路径长度、飞行安全距离、能耗等多个目标的协调优化。文档涵盖了环境建模、路径编码、多目标优化策略、障碍物检测与避让、路径平滑处理等关键技术模块,并提供了部分MATLAB代码示例。 适合人群:具备一定编程基础,对无人机路径规划和多目标优化算法感兴趣的科研人员、工程师和研究生。 使用场景及目标:①适用于无人机在军事侦察、环境监测、灾害救援、物流运输、城市管理等领域的三维路径规划;②通过多目标差分进化算法,优化路径长度、飞行安全距离、能耗等多目标,提升无人机任务执行效率和安全性;③解决动态环境变化、实时路径调整和复杂障碍物避让等问题。 其他说明:项目采用模块化设计,便于集成不同的优化目标和动态环境因素,支持后续算法升级与功能扩展。通过系统实现和仿真实验验证,项目不仅提升了理论研究的实用价值,还为无人机智能自主飞行提供了技术基础。文档提供了详细的代码示例,有助于读者深入理解和实践该项目。
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