【bzoj2654]】tree

本文介绍了一种通过调整白色边权重来优化最小生成树的方法,目的是减少选择的白边数量,同时保持最小生成树的性质不变。使用了并查集进行路径压缩,并通过二分查找确定最优权重阈值。

给白色边都加上一个值,二分这个值,使得选取的白边数量减少

#include<algorithm>
#include<iostream>
#include<cstdlib>
#include<cstring>
#include<cstdio>
#include<cmath>
using namespace std;
 
typedef long long LL;
 
#define N 100010
 
struct Node
{
    int x,y,z,c;
}e[N],a[N];
 
int n,m,need;
 
LL ans,cnt,tot;
 
int l,r,mid;
 
int f[N];
 
int cmp(Node a,Node b)
{
    return a.z==b.z ? a.c<b.c : a.z<b.z;
}
 
int find(int x)
{
    return f[x]!=x ? f[x]=find(f[x]) : f[x];
}
 
void kruskal()
{
    cnt=0,ans=0;
    int k=0;
    for (int i=1;i<=n;i++)
        f[i]=i;
    for (int i=1;k<n-1;i++)
    {
        int fa=find(e[i].x);
        int fb=find(e[i].y);
        if (fa!=fb)
        {
            f[fa]=fb;
            ans+=e[i].z;
            k++;
            if (!e[i].c)
                cnt++;  
        }
    }
}
 
int main()
{
    scanf("%d%d%d",&n,&m,&need);
    for (int i=1;i<=m;i++)
        scanf("%d%d%d%d",&a[i].x,&a[i].y,&a[i].z,&a[i].c),a[i].x++,a[i].y++;
    l=-1010,r=1010;
    while (l<=r)
    {
        mid=(l+r)>>1;
        for (int i=1;i<=m;i++)
            e[i]=a[i];
        for (int i=1;i<=m;i++)
            if (!e[i].c)
                e[i].z-=mid;
        sort(e+1,e+m+1,cmp);
        kruskal();
        if (cnt<need)
            l=mid+1;
        else
            r=mid-1,tot=ans+need*mid;
    }
    printf("%lld\n",tot);
    return 0;
}

  

转载于:https://www.cnblogs.com/yangjiyuan/p/5699384.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