有权图的Floyed

本文详细介绍了Floyd算法的实现过程,用于解决给定矩阵中任意两点间的最短路径问题。通过克隆矩阵并迭代更新连接表,最终得到包含所有节点间最短路径的矩阵。

public class Floyed {

    public final static int UNLIMITED = Integer.MAX_VALUE;

    public static int[][] caculate(final int[][] linkedMatrix) {
        int M = linkedMatrix.length;
        int[][] connectTable = linkedMatrix.clone();
        for (int mid = 0; mid < M; mid++) {
            for (int left = 0; left < M; left++) {
                if (connectTable[left][mid] < UNLIMITED) {
                    for (int right = 0; right < M; right++) {
                        if (connectTable[mid][right] < UNLIMITED) {
                            int newValue = connectTable[left][mid] + connectTable[mid][right];
                            if (newValue < connectTable[left][right]) {
                                connectTable[left][right] = newValue;
                            }
                        }
                    }
                }
            }
        }
        return connectTable;
    }

    public static void main(String[] args) {
        int[][] linkedMatrix = new int[][]{
            {0, 50, UNLIMITED, 80, UNLIMITED},
            {UNLIMITED, 0, 60, 90, UNLIMITED},
            {UNLIMITED, UNLIMITED, 0, UNLIMITED, 40},
            {UNLIMITED, UNLIMITED, 20, 0, 70},
            {UNLIMITED, 50, UNLIMITED, UNLIMITED, 0}
        };
        int[][] connectTable = Floyed.caculate(linkedMatrix);
        int M = connectTable.length;
        for (int i = 0; i < M; i++) {
            for (int j = 0; j < M; j++) {
                System.out.print((connectTable[i][j] == UNLIMITED ? "-" : connectTable[i][j]) + "\t");
            }
            System.out.println();
        }

    }
}

输出:

0	50	100	80	140	
-	0	60	90	100	
-	90	0	180	40	
-	110	20	0	60	
-	50	110	140	0	






转载于:https://www.cnblogs.com/leeeee/p/7276140.html

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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