[最小生成树] 继续畅通工程 HDU图论03 1004

继续畅通工程

Time Limit : 2000/1000ms (Java/Other)   Memory Limit : 32768/32768K (Java/Other)
Total Submission(s) : 17   Accepted Submission(s) : 14
Font: Times New Roman | Verdana | Georgia
Font Size: ← →

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)。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

Author

ZJU

Source

浙大计算机研究生复试上机考试-2008年



#include <bits/stdc++.h>
using namespace std;

const int mn = 110;
const int mm = 110 * 110;

int n, m;
int p[mn];

int par(int a)
{
	if (p[a] == a)
		return a;
	return p[a] = par(p[a]);
}

struct node
{
	int x, y, z;
} e[mm];
bool cmp(const node& a, const node& b)
{
	return a.z < b.z;
}

int main()
{
	while (scanf("%d", &n) && n)
	{
		for (int i = 1; i <= n; i++)
			p[i] = i;
		
		int sz = 0,sum = 0;
		int ti = n * (n - 1) / 2;
		for (int i = 1 ; i <= ti; i++)
		{
			int a, b, c, con;
			scanf("%d %d %d %d", &a, &b, &c, &con);
			if (con == 1)
			{
				int pa = par(a);
				int pb = par(b);
				if (pa != pb)
				{
					p[pa] = pb;
					sz++;
				}
				continue;
			}
			e[sum].x = a;
			e[sum].y = b;
			e[sum].z = c;
			sum++;
			e[sum].x = b;
			e[sum].y = a;
			e[sum].z = c;
			sum++;
		}
		
		sort (e, e + sum, cmp);
		
		int ans = 0;
		for (int i = 1; i < sum; i++)
		{
			if (sz == n - 1)
				break;
			int px = par(e[i].x);
			int py = par(e[i].y);
			if (px != py)
			{
				p[px] = py;
				sz++;
				ans += e[i].z;
			}
		}
		
		printf("%d\n", ans);
	}

	return 0;
}

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
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