HDU 2066 一个人的旅行

本文深入探讨了Dijkstra算法的原理与实现细节,并通过具体代码实例展示了如何灵活运用该算法解决实际问题。

Dijkstra算法的题目,看到题目知道是用Dijkstra算法,但是有些细节还是不会,只知道这个算法的框架,还不会灵活运用

代码:

#include<iostream>
#include<cstdio>
#define MAX 10000000
#define M 1005
using namespace std;
int map[M][M];
int a[M],b[M];
int dist[M];
bool flag[M];
int T,S,D;
int dj(int s)
{
    int i,j;
    int min;
    for(i=0;i<M;i++)
    {
        flag[i]=0;
        dist[i]=map[s][i];
    }
    int v=s;
    dist[v]=0;
    flag[v]=1;
    for(j=0;j<M;j++){
        min=MAX;
        for(i=0;i<M;i++)
        {
            if(min>dist[i]&&!flag[i])
            {
                min=dist[i];
                v=i;
            }
        }
        flag[v]=1;
        if(min==MAX) break;                           //剪枝
        for(i=0;i<M;i++)                                 //更新dist的值
        {
            if(!flag[i]&&dist[i]>dist[v]+map[v][i])
            {
                dist[i]=dist[v]+map[v][i];
            }
        }

    }
    min=MAX;
    for(i=0;i<D;i++){                          //求到达最喜欢的地方的最小值
        if(min>dist[b[i]]) min=dist[b[i]];
    }
    return min;
}
int main()
{
  //  freopen("in.txt","r",stdin);
    int i,j,w,e,time;
    while(scanf("%d%d%d",&T,&S,&D)!=EOF)
    {
        for(i=0;i<M;i++)
        {
            for(j=0;j<M;j++)
                map[i][j]=MAX;
        }
        for(i=0;i<T;i++)
        {
            scanf("%d%d%d",&w,&e,&time);
            if(map[w][e]>time)                    //一定要加上这一条件,不然就WA,
                map[w][e]=map[e][w]=time;
        }
        for(i=0;i<S;i++)
        {
            scanf("%d",&a[i]);
        }
        for(i=0;i<D;i++)
        {
            scanf("%d",&b[i]);
        }
        int min1=MAX;
        for(i=0;i<S;i++)
        {
            min1=min1<dj(a[i])? min1:dj(a[i]);
        }
        printf("%d\n",min1);
    }

    return 0;
}


根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是工智能(Artificial Intelligence)的一个分支,也是实现工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
HDU(Hangzhou Dianzi University)OJ 中经常涉及到几何计算的问题,其中“判断两条线段是否相交”是一个经典的算法问题。以下是关于如何判断两线段是否相交的基本思路及其实现步骤: ### 判断两条线段相交的核心思想 可以利用向量叉积以及端点位置的关系来确定两条线段是否相交。 #### 具体步骤: 1. **定义基本概念** - 假设两条线段分别为 `AB` 和 `CD`。 - 使用二维平面中的坐标表示各顶点:A(x₁,y₁), B(x₂,y₂),C(x₃,y₃) ,D(x₄,y₄)。 2. **叉积的作用** 叉积可以帮助我们了解两点相对于一条直线的位置关系。 对于三个点 P、Q、R ,我们可以用叉乘 `(Q-P)x(R-P)` 来检测 R 是否在 QP 直线的一侧还是另一侧。 如果结果为正数,则表明顺时针;如果负则逆时针;若等于0则共线。 3. **快速排斥实验** 首先做一个矩形包围盒测试——即检查两个线段所在的最小外接矩形是否有重叠区域。如果没有重叠直接判定为不相交。 4. **跨立试验 (Cross-over Test)** 确认每个线段的两端分别位于另一个线段两侧即可认为它们交叉了。这通过上述提到过的叉积运算完成。 5. **特殊情况处理** 包含但不限于如下的几种情况需要单独讨论: - 完全重合的部分; - 存在一个公共端点但并不完全穿过等边缘状况。 6. **代码框架示例(Pseudo code):** ```python def cross_product(p1,p2,p3): return (p2[0]-p1[0])*(p3[1]-p1[1])-(p2[1]-p1[1])*(p3[0]-p1[0]) def on_segment(p,q,r): if ((q[0] <= max(p[0], r[0])) and (q[0] >= min(p[0], r[0])) and (q[1] <= max(p[1], r[1])) and (q[1] >= min(p[1], r[1]))): return True; return False; def do_segments_intersect(A,B,C,D): # 计算四个方向的叉积值 o1 = cross_product(A, C, B) o2 = cross_product(A, D, B) o3 = cross_product(C, A, D) o4 = cross_product(C, B, D) # 标准情况判断 if(o1 !=o2 && o3!=o4): return True # 特殊情况逐一验证... ``` 7. 最终结合所有条件得出结论。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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