poj 3107 树重心

题目大意和思路同上题类似, 本题特殊点为其需要将多组满足要求的结果按递增全部输出。

解题代码:

  

View Code
#include<stdio.h>
#include<string.h>
#include<stdlib.h>
using namespace std;
#define MAX(a,b) (a)>(b)?(a):(b)
#define MIN(a,b) (a)<(b)?(a):(b)
const int N = 50010;

int M[N], n;
int head[N], idx;
struct node{
    int max, sum;
}D[N];
struct Edge{
    int v, next;
}edge[N<<2];

void AddEdge(int a, int b)
{
    edge[idx].v = b; edge[idx].next = head[a]; head[a] = idx++;
    edge[idx].v = a; edge[idx].next = head[b]; head[b] = idx++;
}
void input()
{
    int a, b;    
    //scanf("%d", &n);
    memset( head, 0xff, sizeof(head));
    idx = 0;    
    for(int i = 0; i < n-1; i++)
    {
        scanf("%d%d", &a,&b );
        AddEdge(a, b);
    }
}
int dfs( int u, int pre )
{
    D[u].sum = 1; D[u].max = 0;
    for(int i = head[u]; ~i; i = edge[i].next )
    {
        if( edge[i].v != pre )
        {
            int t = dfs( edge[i].v, u );
            D[u].sum += t;
            D[u].max = MAX( D[u].max, t );
        }
    }
    return D[u].sum;
}
void solve()
{
    dfs( 1, 0 );
    int ans = 0x3fffffff, rt;    
    for(int i = 1; i <= n; i++)
    {
        D[i].max = MAX( D[i].max, n-D[i].sum );    
        if( ans > D[i].max )
        {
            rt = i; ans = D[i].max;    
        }
    }
    bool flag = true;    
    for(int i = 1; i <= n; i++)
    {
        if( D[i].max == ans ){
            if( flag ) flag = false;
            else    printf(" ");
            printf("%d", i);    
        }
    }
}
int main()
{ ;
    while( scanf("%d", &n) != EOF) 
    {
        input();
        solve();
    }
    return 0;
}

 

转载于:https://www.cnblogs.com/yefeng1627/archive/2012/12/18/2823025.html

内容概要:该论文研究增程式电动汽车(REEV)的能量管理策略,针对现有优化策略实时性差的问题,提出基于工况识别的自适应等效燃油消耗最小策略(A-ECMS)。首先建立整车Simulink模型和基于规则的策略;然后研究动态规划(DP)算法和等效燃油最小策略;接着通过聚类分析将道路工况分为四类,并设计工况识别算法;最后开发基于工况识别的A-ECMS,通过高德地图预判工况类型并自适应调整SOC分配。仿真显示该策略比规则策略节油8%,比简单SOC规划策略节油2%,并通过硬件在环实验验证了实时可行性。 适合人群:具备一定编程基础,特别是对电动汽车能量管理策略有兴趣的研发人员和技术爱好者。 使用场景及目标:①理解增程式电动汽车能量管理策略的基本原理;②掌握动态规划算法和等效燃油消耗最小策略的应用;③学习工况识别算法的设计和实现;④了解基于工况识别的A-ECMS策略的具体实现及其优化效果。 其他说明:此资源不仅提供了详细的MATLAB/Simulink代码实现,还深入分析了各算法的原理和应用场景,适合用于学术研究和工业实践。在学习过程中,建议结合代码调试和实际数据进行实践,以便更好地理解策略的优化效果。此外,论文还探讨了未来的研究方向,如深度学习替代聚类、多目标优化以及V2X集成等,为后续研究提供了思路。
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