第十三周项目3-Dijkstra算法的验证

本文介绍了一个基于Dijkstra算法实现的程序,该程序用于寻找图中各顶点间的最短路径。通过具体实例演示了算法的工作原理及其应用过程。

问题及代码:

  1. /* 
  2. * Copyright (c)2016,烟台大学计算机与控制工程学院 
  3. * All rights reserved. 
  4. * 文件名称:项目3.cbp 
  5. * 作    者:董雪 
  6. * 完成日期:2016年11月23日 
  7. * 版 本 号:v1.0 
  8.  
  9. * 问题描述:Dijkstra算法的验证。 
  10.  
  11. * 输入描述:无 
  12. * 程序输出:测试数据 
  13. */  
头文件及功能函数详见 图算法库

代码:

#include "graph.h"  
#define MaxSize 100  
  
  
void Ppath(int path[],int i,int v)  //前向递归查找路径上的顶点  
{  
    int k;  
    k=path[i];  
    if (k==v)  return;          //找到了起点则返回  
    Ppath(path,k,v);            //找顶点k的前一个顶点  
    printf("%d,",k);            //输出顶点k  
}  
void Dispath(int dist[],int path[],int s[],int n,int v)  
{  
    int i;  
    for (i=0; i<n; i++)  
        if (s[i]==1)  
        {  
            printf("  从%d到%d的最短路径长度为:%d\t路径为:",v,i,dist[i]);  
            printf("%d,",v);    //输出路径上的起点  
            Ppath(path,i,v);    //输出路径上的中间点  
            printf("%d\n",i);   //输出路径上的终点  
        }  
        else  printf("从%d到%d不存在路径\n",v,i);  
}  
void Dijkstra(MGraph g,int v)  
{  
    int dist[MAXV],path[MAXV];  
    int s[MAXV];  
    int mindis,i,j,u;  
    for (i=0; i<g.n; i++)  
    {  
        dist[i]=g.edges[v][i];      //距离初始化  
        s[i]=0;                     //s[]置空  
        if (g.edges[v][i]<INF)      //路径初始化  
            path[i]=v;  
        else  
            path[i]=-1;  
    }  
    s[v]=1;  
    path[v]=0;              //源点编号v放入s中  
    for (i=0; i<g.n; i++)               //循环直到所有顶点的最短路径都求出  
    {  
        mindis=INF;                 //mindis置最小长度初值  
        for (j=0; j<g.n; j++)       //选取不在s中且具有最小距离的顶点u  
            if (s[j]==0 && dist[j]<mindis)  
            {  
                u=j;  
                mindis=dist[j];  
            }  
        s[u]=1;                     //顶点u加入s中  
        for (j=0; j<g.n; j++)       //修改不在s中的顶点的距离  
            if (s[j]==0)  
                if (g.edges[u][j]<INF && dist[u]+g.edges[u][j]<dist[j])  
                {  
                    dist[j]=dist[u]+g.edges[u][j];  
                    path[j]=u;  
                }  
    }  
    Dispath(dist,path,s,g.n,v);     //输出最短路径  
}  
  
  
int main()  
{  
    MGraph g;  
    int A[6][6]=  
    {  
        {0,50,10,INF,45,INF},  
        {50,0,15,INF,5,INF},  
        {20,INF,0,15,INF,INF},  
        {INF,20,INF,0,35,INF},  
        {INF,INF,INF,30,0,INF},  
        {INF,INF,INF,3,INF,0},  
    };  
    ArrayToMat(A[0], 6, g);  
    Dijkstra(g,0);  
    return 0;  
}  

测试用图:

这里写图片描述

运行结果截图:


知识点总结:Dijkstra算法的验证。

【轴承故障诊断】加权多尺度字典学习模型(WMSDL)及其在轴承故障诊断上的应用(Matlab代码实现)内容概要:本文介绍了加权多尺度字典学习模型(WMSDL)在轴承故障诊断中的应用,并提供了基于Matlab的代码实现。该模型结合多尺度分析与字典学习技术,能够有效提取轴承振动信号中的故障特征,提升故障识别精度。文档重点阐述了WMSDL模型的理论基础、算法流程及其在实际故障诊断中的实施步骤,展示了其相较于传统方法在特征表达能力和诊断准确性方面的优势。同时,文中还提及该资源属于一个涵盖多个科研方向的技术合集,包括智能优化算法、机器学习、信号处理、电力系统等多个领域的Matlab仿真案例。; 适合人群:具备一定信号处理和机器学习基础,从事机械故障诊断、工业自动化、智能制造等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①学习并掌握加权多尺度字典学习模型的基本原理与实现方法;②将其应用于旋转机械的轴承故障特征提取与智能诊断;③结合实际工程数据复现算法,提升故障诊断系统的准确性和鲁棒性。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注字典学习的训练过程与多尺度分解的实现细节,同时可参考文中提到的其他相关技术(如VMD、CNN、BILSTM等)进行对比实验与算法优化。
【硕士论文复现】可再生能源发电与电动汽车的协同调度策略研究(Matlab代码实现)内容概要:本文档围绕“可再生能源发电与电动汽车的协同调度策略研究”展开,旨在通过Matlab代码复现硕士论文中的核心模型与算法,探讨可再生能源(如风电、光伏)与大规模电动汽车接入电网后的协同优化调度方法。研究重点包括考虑需求侧响应的多时间尺度调度、电动汽车集群有序充电优化、源荷不确定性建模及鲁棒优化方法的应用。文中提供了完整的Matlab实现代码与仿真模型,涵盖从场景生成、数学建模到求解算法(如NSGA-III、粒子群优化、ADMM等)的全过程,帮助读者深入理解微电网与智能电网中的能量管理机制。; 适合人群:具备一定电力系统基础知识和Matlab编程能力的研究生、科研人员及从事新能源、智能电网、电动汽车等领域技术研发的工程人员。; 使用场景及目标:①用于复现和验证硕士论文中的协同调度模型;②支撑科研工作中关于可再生能源消纳、电动汽车V2G调度、需求响应机制等课题的算法开发与仿真验证;③作为教学案例辅助讲授能源互联网中的优化调度理论与实践。; 阅读建议:建议结合文档提供的网盘资源下载完整代码,按照目录顺序逐步学习各模块实现,重点关注模型构建逻辑与优化算法的Matlab实现细节,并通过修改参数进行仿真实验以加深理解。
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