1408090823-hd-畅通工程再续.cpp

本文通过具体实例介绍了如何使用最小生成树算法解决实际问题。利用C语言实现了一种基于坐标计算距离并构建最小生成树的方法,并通过案例展示了算法的具体应用过程。
#include<stdio.h>
#include<stdlib.h>
#include<algorithm>
#include<math.h>
using namespace std;
struct zb
{
    int x,y;
}zbs[110];
int bridge[110];
bool cmp1(zb a,zb b)
{
    if(a.x!=b.x)
        return a.x<b.x;
    else
        return a.y<b.y;
}
struct road
{
    int x,y;
    double l;
}roads[5000];
bool cmp2(road a,road b)
{
    return a.l<b.l;
}
int find(int a)
{
    if(bridge[a]==a)
        return a;
    else
        return bridge[a]=find(bridge[a]);
}
int main()
{
    int t,n;
    int i,j,k,l,num;
    double sum;
    double c;
    scanf("%d",&t);
    while(t--)
    {
        scanf("%d",&n);
        for(i=1;i<=n;i++)
            bridge[i]=i;
        for(i=1;i<=n;i++)
            scanf("%d%d",&zbs[i].x,&zbs[i].y);
        sort(zbs+1,zbs+1+n,cmp1);
        l=0;
       // for(i=0;i<n*(n-1)/2;i++)
            for(j=1;j<=n;j++)
                for(k=j+1;k<=n;k++)
                {
                    c=sqrt(pow((zbs[k].x-zbs[j].x),2)+pow((zbs[k].y-zbs[j].y),2));
                    if(c>=10.0&&c<=1000.0)
                    //在这儿就判断一下,如果不符合条件直接就不存入结构体
                    {
                        roads[l].x=j;
                        roads[l].y=k;
                        roads[l].l=c;
                        l++;
                    }
                }
        sort(roads,roads+l,cmp2);
        sum=0;
        for(i=0;i<l;i++)
        {
            j=find(roads[i].x);
            k=find(roads[i].y);
            if(j!=k)
            {
                bridge[j]=k;
                sum+=roads[i].l;
            }
        }
        num=0;
        for(i=1;i<=n;i++)
            if(bridge[i]==i)
                num++;
        if(num==1)
            printf("%.1lf\n",sum*100);
        else
            printf("oh!\n");
    }
    return 0;
}
先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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