hdu_2112

//最短路,需要注意的是,终点和起点有可能相同
//这里写了2个版本spfa和dijkstra
#include <cstdio>
#include <cstring>
#include <iostream>
#include <algorithm>
#include <queue>
#include <map>
using namespace std;

#define MAXN    200
#define INF     0x3f3f3f3f

char hash[MAXN][MAXN];
int  pos, dis[MAXN], each_dis[MAXN][MAXN], used[MAXN];

int get_index(const char *str)
{
        for(int i = 0; i < pos; i ++) {
                if( !strcmp(hash[i], str) ) {
                        return i;
                }
        }
        strcpy(hash[pos ++], str);
        return pos-1;
}

int spfa(int src, int des, int vertex)
{
        int u, v;
        queue<int> q;
        memset(used, 0, sizeof(used));
        fill(dis, dis+vertex+1, INF);
        q.push(src); used[src] = 1; dis[src] = 0;
        while( !q.empty() ) {
                u = q.front(); q.pop(); used[u] = 0;
                for(v = 0; v < vertex; v ++) {
                        if( !each_dis[u][v] || dis[v] < dis[u]+each_dis[u][v] ) {
                                continue;
                        }
                        if( !used[v] ) {
                                q.push(v); used[v] = 1;
                        }
                        dis[v] = dis[u]+each_dis[u][v];
                }
        }
        return (INF <= dis[des])? -1 : dis[des];
}

int dijkstra(int src, int des, int vertex)
{
        int u, v, min_val;
        for(int i = 0; i < vertex; i ++) {
                dis[i] = (each_dis[src][i])? each_dis[src][i] : INF;
        }
        memset(used, 0, sizeof(used));
        dis[src] = 0; used[src] = 1;
        for(int i = 0; i < vertex; i ++) {
                min_val = INF;
                for(int j = 0; j < vertex; j ++) {
                        if( used[j] || min_val < dis[j] ) {
                                continue;
                        }
                        min_val = dis[j]; v = j;
                }
                u = v; used[u] = 1;
                for(int j = 0; j < vertex; j ++) {
                        if( used[j] || !each_dis[u][j] || dis[j] < dis[u]+each_dis[u][j] ) {
                                continue;
                        }
                        dis[j] = dis[u]+each_dis[u][j];
                }
        }
        return (INF == dis[des])? -1 : dis[des];
}

int main(int argc, char const *argv[])
{
#ifndef ONLINE_JUDGE
        freopen("test.in", "r", stdin);
#endif
        int n, t, uu, vv, idx, same, src, des;
        char u[MAXN], v[MAXN];
        while( scanf("%d", &n) && -1 != n ) {
                pos = same = 0;
                scanf("%s %s", u, v);
                src = get_index(u); des = get_index(v);
                if( !strcmp(u, v) ) {
                        printf("0\n"); same = 1;
                }
                memset(each_dis, 0, sizeof(each_dis));
                for(int i = 0; i < n; i ++) {
                        scanf("%s %s %d", u, v, &t);
                        uu = get_index(u); vv = get_index(v);
                        each_dis[uu][vv] = each_dis[vv][uu] = t;
                }
                if( !same ) {
                        //printf("%d\n", spfa(src, des, pos));
                        printf("%d\n", dijkstra(src, des, pos));
                }
        }
        return 0;
}

【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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