UVA 10034 By ACReaper

本文介绍了一种使用C++实现的最小生成树算法,通过构建完全图并利用排序和并查集来寻找最小生成树。该算法适用于解决图论中的经典问题。
#include <cstdio>
#include <cstring>
#include <cmath>
#include <algorithm>
using namespace std;
const int maxn = 15024;
int u[maxn];
int v[maxn];
double w[5 * maxn];
int r[5 * maxn];
int fa[maxn];
struct pos{
	double x,y;
};
pos A[maxn];

int cmp(const int a,const int b){
	return w[a] < w[b];
}

int find(int root){
	return root == fa[root]?root:find(fa[root]);
}

int main(){
			int tc;
			scanf("%d",&tc);
			for(int t = 1; t <= tc; t++){
				int n;
				scanf("%d",&n);
				for(int i = 1 ; i <= n; i++){
					scanf("%lf%lf",&A[i].x,&A[i].y);
				}
				memset(w,0,sizeof(w));
				int k = 1;
				for(int i = 1; i <= n; i++){//构建完全图 
					for(int j = i + 1;j <= n; j++){
							double d = sqrt((A[i].x - A[j].x) * (A[i].x - A[j].x) + (A[i].y - A[j].y) * (A[i].y - A[j].y));
							u[k] = i,v[k] = j,w[k++] = d;
					}
				}
				double ans = 0.0;
				int num_e = n * (n - 1) /2;
				for(int i = 1; i <= n; i++)
					fa[i] = i;
				
				for(int i = 1; i <= num_e; i++)
					r[i] = i;
				sort(r + 1,r + 1 + num_e,cmp);//
			
				for(int i = 1; i <= num_e;i++){
					int e = r[i];
					int x = find(u[e]);//找到起点
					int y = find(v[e]);
					if( x != y){
						fa[x] = y;
						ans += w[e];
					} 
				}
				printf("%s", t == 1? "" : "\n");
				printf("%.2lf\n",ans);
			}	
	
	return 0;
}


2013 05 07

By ACReaper

转载于:https://www.cnblogs.com/sixcoder/archive/2013/05/07/3825971.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