hdu 2112(最短路+hash+二分)

本文介绍了一种基于邻接矩阵的最短路算法,结合哈希表判重和统计顶点数,实现路径优化。通过二分查找定位顶点位置,解决起始点和终点不在给出路线中的情况,适用于复杂图论问题求解。
/*
  Name: 最短路(dijkstra邻接矩阵)+hash判重并统计顶点数+二分查找返回顶点位置 
  Copyright: 
  Author: Try_86
  Date: 12/04/12 20:57
  Description: 注意:起始点和终点不在给出的路线中的情况!!! 
*/
#include <cstdio>
#include <cstdlib>
#include <cstring>
#include <iostream>

using namespace std;

const int S = 163; 
const int N = 155;
const int M = 12000;
const int MAX = 1000000000; 

char names[N][35], sName[35], eName[35];
int dis[N], sumVs;
struct edge {
    char u[35];
    char v[35];
    int w;
}e[M];
bool vis[N];
int map[N][N];

struct node {//hash表相关数据信息 
    char str[35];
    node *next;
    node(char *ch, node *p) {
        strcpy(str, ch);
        next = p;
    }
};
struct hash {
    node *link;
}hashTable[S];

void initHashTable() {//hash表初始化 
    for (int i=0; i<S; ++i) hashTable[i].link = NULL;
    return ;
}

unsigned int BKDRHash(char *str) {//hash
    unsigned int seed = 131;
    unsigned int hash = 0;
    while (*str) hash = hash * seed + (*str++);
    return hash & 0x7FFFFFFF;
}

void insertAndFind(char *str) {//hash表中插入与查找 
    int k = BKDRHash(str) % S;
    node *p = hashTable[k].link;
    while (p) {
        if (!strcmp(p->str, str)) return ;
        p = p->next;
    }
    node *q = new node(str, NULL);
    q->next = hashTable[k].link;
    hashTable[k].link = q;
    strcpy(names[sumVs++], str);
    return ;
}

void del(node *p) {//释放哈希表所占内存 
    if (!p) return ;
    del(p->next);
    delete p;
}

int cmp(const void *a, const void *b) {
    return (strcmp((char *)a, (char *)b));
}

int binarySearch(char *str) {//二分查找定位顶点位置 
    int left = 0;
    int right = sumVs;
    while (left <= right) {
        int mid = (left + right) / 2;
        if (!strcmp(names[mid], str)) return mid;
        if (strcmp(names[mid], str) > 0) right = mid - 1;
        else left = mid + 1;
    }
    return -1;//起始点或终点不在二分查找表中是返回-1 
}

void init(int vs) {//邻接矩阵初始化 
    for (int i=0; i<vs-1; ++i) {
        map[i][i] = 0;
        for (int j=i+1; j<vs; ++j)    map[i][j] = map[j][i] = MAX;
    }
    return ;
}

void dijkstra(int vs, int s) {//最短路 
    memset(vis, false, sizeof(vis));
    int pos = s;
    vis[pos] = true;
    for (int i=0; i<vs; ++i) dis[i] = map[pos][i];
    dis[pos] = 0;
    int minLen;
    for (int i=1; i<vs; ++i) {
        pos = s;
        minLen = MAX;
        for (int j=0; j<vs; ++j) {
            if (!vis[j] && minLen>dis[j]) minLen = dis[j], pos = j;
        } 
        vis[pos] = true;
        for (int j=0; j<vs; ++j) {
            int len = dis[pos] + map[pos][j];
            if (!vis[j] && dis[j]>len) dis[j] = len;    
        }
    }
    return ;
}

int main() {
    int n;
    while (scanf("%d", &n), n!=-1) {
        scanf ("%s%s", sName, eName);
        sumVs = 0;
        initHashTable();
        for (int i=0; i<n; ++i) {
            scanf ("%s%s%d", e[i].u, e[i].v, &e[i].w);
            insertAndFind(e[i].u); //插入hash表 
            insertAndFind(e[i].v); //插入hash表 
        }
        qsort(names, sumVs, sizeof(names[0]), cmp);
        init(sumVs);
        for (int i=0; i<n; ++i) {
            int u = binarySearch(e[i].u); //对每条线路的起始点和终点返回顶点位置 
            int v = binarySearch(e[i].v); 
            if (map[u][v] > e[i].w) map[u][v] = map[v][u] = e[i].w;//判重,选最小者 
        }
        int s = binarySearch(sName);
        int t = binarySearch(eName);
        if (s==-1 || t==-1) {//起点或终点不在二分查找表中 
            printf ("-1\n");
            continue;
        }
        dijkstra(sumVs, s);
        if (dis[t] == MAX) printf ("-1\n");
        else printf ("%d\n", dis[t]);
        for (int i=0; i<S; ++i) del(hashTable[i].link);
    }
    return 0;
}

 

转载于:https://www.cnblogs.com/try86/archive/2012/04/12/2444709.html

成都市作为中国西部地区具有战略地位的核心都市,其人口的空间分布状况对于城市规划、社会经济发展及公共资源配置等研究具有基础性数据价值。本文聚焦于2019年度成都市人口分布的空间数据集,该数据以矢量格式存储,属于地理信息系统中常用的数据交换形式。以下将对数据集内容及其相关技术要点进行系统阐述。 Shapefile 是一种由 Esri 公司提出的开放型地理空间数据格式,用于记录点、线、面等几何要素。该格式通常由一组相互关联的文件构成,主要包括存储几何信息的 SHP 文件、记录属性信息的 DBF 文件、定义坐标系统的 PRJ 文件以及提供快速检索功能的 SHX 文件。 1. **DBF 文件**:该文件以 dBase 表格形式保存与各地理要素相关联的属性信息,例如各区域的人口统计数值、行政区划名称及编码等。这类表格结构便于在各类 GIS 平台中进行查询与编辑。 2. **PRJ 文件**:此文件明确了数据所采用的空间参考系统。本数据集基于 WGS84 地理坐标系,该坐标系在全球范围内广泛应用于定位与空间分析,有助于实现跨区域数据的准确整合。 3. **SHP 文件**:该文件存储成都市各区(县)的几何边界,以多边形要素表示。每个多边形均配有唯一标识符,可与属性表中的相应记录关联,实现空间数据与统计数据的联结。 4. **SHX 文件**:作为形状索引文件,它提升了在大型数据集中定位特定几何对象的效率,支持快速读取与显示。 基于上述数据,可开展以下几类空间分析: - **人口密度评估**:结合各区域面积与对应人口数,计算并比较人口密度,识别高密度与低密度区域。 - **空间集聚识别**:运用热点分析(如 Getis-Ord Gi* 统计)或聚类算法(如 DBSCAN),探测人口在空间上的聚集特征。 - **空间相关性检验**:通过莫兰指数等空间自相关方法,分析人口分布是否呈现显著的空间关联模式。 - **多要素叠加分析**:将人口分布数据与地形、交通网络、环境指标等其他地理图层进行叠加,探究自然与人文因素对人口布局的影响机制。 2019 年成都市人口空间数据集为深入解析城市人口格局、优化国土空间规划及完善公共服务体系提供了重要的数据基础。借助地理信息系统工具,可开展多尺度、多维度的定量分析,从而为城市管理与学术研究提供科学依据。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
【顶级EI复现】计及连锁故障传播路径的电力系统 N-k 多阶段双层优化及故障场景筛选模型(Matlab代码实现)内容概要:本文介绍了名为《【顶级EI复现】计及连锁故障传播路径的电力系统 N-k 多阶段双层优化及故障场景筛选模型(Matlab代码实现)》的技术资源,重点围绕电力系统中连锁故障的传播路径展开研究,提出了一种N-k多阶段双层优化模型,并结合故障场景筛选方法,用于提升电力系统在复杂故障条件下的安全性与鲁棒性。该模型通过Matlab代码实现,具备较强的工程应用价值和学术参考意义,适用于电力系统风险评估、脆弱性分析及预防控制策略设计等场景。文中还列举了大量相关的科研技术支持方向,涵盖智能优化算法、机器学习、路径规划、信号处理、电力系统管理等多个领域,展示了广泛的仿真与复现能力。; 适合人群:具备电力系统、自动化、电气工程等相关背景,熟悉Matlab编程,有一定科研基础的研究生、高校教师及工程技术人员。; 使用场景及目标:①用于电力系统连锁故障建模与风险评估研究;②支撑高水平论文(如EI/SCI)的模型复现与算法验证;③为电网安全分析、故障传播防控提供优化决策工具;④结合YALMIP等工具进行数学规划求解,提升科研效率。; 阅读建议:建议读者结合提供的网盘资源,下载完整代码与案例进行实践操作,重点关注双层优化结构与场景筛选逻辑的设计思路,同时可参考文档中提及的其他复现案例拓展研究视野。
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