POJ 1251Jungle Roads

本文详细介绍了如何使用最小生成树算法解决典型问题,并通过具体示例展示了算法的实现过程,包括输入处理、并查集应用及关键步骤。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

题意:最小生成树模板题,主要是输入方面的处理,数据不大,可以采用cin输入,也可以用scanf用getchar()来控制即可;

#include<algorithm>
#include<iostream>
#include<queue>
#include<stack>
#include<vector>
#include<map>
#include<set>
#include<string>
#include<cstring>
using namespace std;
typedef struct node{
	int x;int y;int date;
}node;
bool cmp(node b,node c){
	return b.date<c.date;
}
int first[38];int next[38];
void csh(int m){
	for(int i=1;i<=m;i++){
		first[i]=i;
	}
	for(int i=1;i<=m;i++){
		next[i]=1;
	}
	return ;
}
int find(int x){
	if(first[x]==x)  return x;
	else{
		x=first[x];
		return find(x);
	}
}
void hebin(int x,int y){
	x=find(x);
	y=find(y);
	if(x==y)  return ;
	else{
		if(next[x]>next[y]){
			first[y]=x;
		}
		else{
			first[x]=y;
			if(next[x]==next[y]){
				next[y]++;
			}
		}
	}
	return ;
}
node a[500];
int main(){
	int n;
	while(cin>>n&&n!=0){
		int k=0;
		for(int i=1;i<=n-1;i++){
		  char ch;int p;
		  cin>>ch>>p;
		  char ch1;int w;
		  for(int j=1;j<=p;j++){
		  	cin>>ch1>>w;
		  	k++;
		  	a[k].x=(ch-'A'+1);
		  	a[k].y=(ch1-'A'+1);
		  	a[k].date=w;
		  }	
		}
		csh(n);
		sort(a,a+k+1,cmp);
		int sum=0;
		int l=0;
		for(int i=1;i<=k;i++){
			if(find(a[i].x)!=find(a[i].y)){
				sum+=a[i].date;
				l++;
				hebin(a[i].x,a[i].y);
				if(l==(n-1)){
					break;
				}
			}
		}
		cout<<sum<<endl;
	}
	return 0;
}


内容概要:本文档详细介绍了基于MATLAB实现的多头长短期记忆网络(MH-LSTM)结合Transformer编码器进行多变量时间序列预测的项目实例。项目旨在通过融合MH-LSTM对时序动态的细致学习和Transformer对全局依赖的捕捉,显著提升多变量时间序列预测的精度和稳定性。文档涵盖了从项目背景、目标意义、挑战与解决方案、模型架构及代码示例,到具体的应用领域、部署与应用、未来改进方向等方面的全面内容。项目不仅展示了技术实现细节,还提供了从数据预处理、模型构建与训练到性能评估的全流程指导。 适合人群:具备一定编程基础,特别是熟悉MATLAB和深度学习基础知识的研发人员、数据科学家以及从事时间序列预测研究的专业人士。 使用场景及目标:①深入理解MH-LSTM与Transformer结合的多变量时间序列预测模型原理;②掌握MATLAB环境下复杂神经网络的搭建、训练及优化技巧;③应用于金融风险管理、智能电网负荷预测、气象预报、交通流量预测、工业设备健康监测、医疗数据分析、供应链需求预测等多个实际场景,以提高预测精度和决策质量。 阅读建议:此资源不仅适用于希望深入了解多变量时间序列预测技术的读者,也适合希望通过MATLAB实现复杂深度学习模型的开发者。建议读者在学习过程中结合提供的代码示例进行实践操作,并关注模型训练中的关键步骤和超参数调优策略,以便更好地应用于实际项目中。
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