最小生成树(Kruskal算法)

本文介绍使用Kruskal算法寻找加权图的最小生成树。通过将边按权重排序并依次加入不构成环的边来实现,采用并查集辅助判断环路。

最小生成树就是一张图能生成的边权最小的树。

 

方法(Kruskal算法):将所有边权从小到大排序,然后一条一条边检查,如果加入这条边形成了回路,那么不加入树中,否则加入。至于如何判断回路,用并查集维护即可。

代码:

 1 #include<cstdio>
 2 #include<cstdlib>
 3 #include<cmath>
 4 #include<cstring>
 5 #include<iostream>
 6 #include<algorithm>
 7 #include<string>
 8 #include<vector>
 9 #include<queue>
10 #include<stack>
11 using namespace std;
12 const int MaxN = 1e5;
13 const int Inf = 1 << 30;
14 typedef struct
15 {
16     int u, v, w;//连接u,v两点权值为w的边
17 } Power;
18 
19 Power edge[MaxN+5];
20 Power res[MaxN+5];
21 int father[MaxN+5];
22 int n, m;//点和边的数量
23 
24 bool cmp(Power a, Power b)
25 {
26     return a.w < b.w;
27 }
28 
29 int Find(int x)
30 {
31     if(father[x] == x) return x;
32     else return father[x] = Find(father[x]);
33 }
34 
35 int main()
36 {
37     scanf("%d %d", &n, &m);
38     for(int i = 1;i <= n;i++) father[i] = i;
39     for(int i = 1;i <= m;i++)
40     {
41         scanf("%d %d %d", &edge[i].u, &edge[i].v, &edge[i].w);
42     }
43     sort(edge + 1, edge + 1 + m, cmp);
44     int ans = 0, cnt = 0;
45     for(int i = 1;i <= m;i++)
46     {
47         int u = edge[i].u, v = edge[i].v, w = edge[i].w;
48         if(Find(u) != Find(v))
49         {
50             father[Find(u)] = Find(v);
51             ans += w;
52             cnt++;
53             res[cnt].u = u; res[cnt].v = v; res[cnt].w = w;
54         }
55     }
56     printf("%d\n", ans);
57     for(int i = 1;i <= cnt;i++)
58     {
59         printf("%d %d %d\n", res[i].u, res[i].v, res[i].w);
60     }
61     return 0;
62 }

 

转载于:https://www.cnblogs.com/ScaleCX/p/9334807.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