Codeforce 295B Greg and Graph 活用Floyd 任意两点的最短路径

本文深入探讨了Floyd算法的原理与应用,通过具体实例解释了如何利用该算法求解最短路径问题,并提供了完整的代码实现。

http://codeforces.com/problemset/problem/295/B

该题就是活学活用Floyd,Floyd的本质是每次在原图中加入一个点,看是不是能用该点中间点使得一个点到另一个点的距离更小。

比如现在有三个点,1,2,3

1直接到3的距离是10,1到2的距离是2,2到3的距离是2,那么本来初始状态时1到3的距离为1直接到3,距离为10,在加入了点2后容易发现,1先到2,2再到3,距离一共只有4,小于直接到达,所以1到3的最短距离修改为4

依次考察每个点能否成为中间点从而缩短路径,在加入一个点后,更新所有点对的最短距离。所以当顶点个数为n时,复杂度为O(n^3).

这个依次删除,那么反过来看,就变成了依次添加````

这是校队讨论时**童鞋讲的题`````

下面贴代码:

View Code
 1 #include <cstdio>
 2 #include <iostream>
 3 using namespace std;
 4 #define MAXN 505
 5 int main()
 6 {
 7 //    freopen("out.cpp","r",stdin);
 8     int n;
 9     long long int sum[MAXN];
10     int A[MAXN][MAXN];
11     int m[MAXN];
12     scanf("%d",&n);
13     for(int i=1; i<=n; ++i)
14     {
15         for(int j=1; j<=n; ++j)
16         {
17             scanf("%d",&A[i][j]);
18         }
19     }
20     for(int i=0; i<n; ++i)
21     {
22         scanf("%d",&m[i]);
23         sum[i] = 0;
24     }
25     for(int k=n-1; k>=0; --k)
26     {
27         for(int i=1; i<=n; ++i)
28         {
29             for(int j=1; j<=n; ++j)
30             {
31                 int d = A[i][m[k]] + A[m[k]][j];
32                 if( d< A[i][j])
33                     A[i][j] = d;
34             }
35         }
36         for(int i=n-1; i>=k; --i)
37             for(int j=n-1; j>=k; --j)
38                 sum[k] += A[m[i]][m[j]];
39     }
40     for(int i=0; i<n; ++i)
41     {
42         if(i!=0) printf(" ");
43         cout<<sum[i];
44     }
45     puts("");
46     return 0;
47 }

 

转载于:https://www.cnblogs.com/allh123/archive/2013/04/16/3024287.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