hdu 4313

本文介绍了一种基于最大生成树的贪心算法实现方法,通过排序边集并使用并查集来寻找最大生成树,确保加入的每条边都连接了两个尚未直接相连的顶点,最终求得所有加入边的权重之和。
/*
   最大生成树+贪心 

*/

#include<stdio.h>
#include<string.h>
#include<algorithm>
using namespace std;


#define maxn  100005

struct Edge
{
  int s,t;
  int w;       
}edge[maxn];

int set[maxn];
bool visted[maxn];

bool cmp(Edge a,Edge b)
{
   return a.w>b.w;
}

int find(int x)
{
  if(x==set[x])
   return x;
  return  set[x]=find(set[x]);
}

void Union(int x,int y)
{
  set[x]=y; 
  if(visted[x])
  {
    visted[y]=1;             
  } 
  else if(visted[y])
  {
    visted[x]=1;     
  }   
}

int n;
__int64 solve()
{
    sort(edge,edge+n-1,cmp);
    //printf("***\n");
    for(int i=0;i<=n;i++)
       set[i]=i;
    //for(int i=0;i<n-1;i++)
   // printf("%d %d %d\n",edge[i].s,edge[i].t,edge[i].w);   
    __int64  sum=0;
    for(int i=0;i<n-1;i++)
    { 
        int fx=find(edge[i].s);
        int fy=find(edge[i].t);
        
        if(visted[fx] && visted[fy])  
        {  
          sum+=edge[i].w;                      
          continue;   
        }     
       Union(fx,fy);      
        
         
        //visted[edge[i].s]=1;
        //visted[edge[i].t]=1;
          
       // printf("%d+++",sum);   
     }   
       
          
   return sum; 
}


int main()
{
    int t,i,x;
    int m;
    scanf("%d",&t);
    
    while(t--)
    {
      scanf("%d%d",&n,&m);
      
      memset(visted,0,sizeof(visted));
      
      for(i=0;i<n-1;i++)
      {
         scanf("%d%d%d",&edge[i].s,&edge[i].t,&edge[i].w);
      }
      
      while(m--)
      {
        scanf("%d",&x);
        visted[x]=1;          
      }
      printf("%I64d\n",solve());
    }
    
return 0;    
}

基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究”展开,提出了一种结合数据驱动方法与Koopman算子理论的递归神经网络(RNN)模型线性化方法,旨在提升纳米定位系统的预测控制精度与动态响应能力。研究通过构建数据驱动的线性化模型,克服了传统非线性系统建模复杂、计算开销大的问题,并在Matlab平台上实现了完整的算法仿真与验证,展示了该方法在高精度定位控制中的有效性与实用性。; 适合人群:具备一定自动化、控制理论或机器学习背景的科研人员与工程技术人员,尤其是从事精密定位、智能控制、非线性系统建模与预测控制相关领域的研究生与研究人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能预测控制;②为复杂非线性系统的数据驱动建模与线性化提供新思路;③结合深度学习与经典控制理论,推动智能控制算法的实际落地。; 阅读建议:建议读者结合Matlab代码实现部分,深入理解Koopman算子与RNN结合的建模范式,重关注数据预处理、模型训练与控制系统集成等关键环节,并可通过替换实际系统数据进行迁移验证,以掌握该方法的核心思想与工程应用技巧。
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