hdu 1863 畅通工程(水题)

本文介绍了一种解决畅通工程问题的方法,即寻找连接所有村庄的最低成本道路方案。使用了Kruskal算法来确定最小生成树,确保任意两点间都能通过公路连接,同时总成本最低。介绍了算法的具体实现过程,包括输入输出样例。

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

畅通工程

Time Limit: 1000/1000 MS (Java/Others)    Memory Limit: 32768/32768 K (Java/Others)
Total Submission(s): 28528    Accepted Submission(s): 12542


Problem Description
省政府“畅通工程”的目标是使全省任何两个村庄间都可以实现公路交通(但不一定有直接的公路相连,只要能间接通过公路可达即可)。经过调查评估,得到的统计表中列出了有可能建设公路的若干条道路的成本。现请你编写程序,计算出全省畅通需要的最低成本。
 

Input
测试输入包含若干测试用例。每个测试用例的第1行给出评估的道路条数 N、村庄数目M ( < 100 );随后的 N 
行对应村庄间道路的成本,每行给出一对正整数,分别是两个村庄的编号,以及此两村庄间道路的成本(也是正整数)。为简单起见,村庄从1到M编号。当N为0时,全部输入结束,相应的结果不要输出。
 

Output
对每个测试用例,在1行里输出全省畅通需要的最低成本。若统计数据不足以保证畅通,则输出“?”。
 

Sample Input
  
3 3 1 2 1 1 3 2 2 3 4 1 3 2 3 2 0 100
 

Sample Output
  
3 ?
 

Source



自行体会/哈哈


#include<stdio.h>
#include<stdlib.h>
struct In{
	int u,v,w;
}edg[105];
int n,m,p[105];
int cmp(const void*a,const void*b)
{
	return (*(In*)a).w > (*(In*)b).w ?1:-1;
}
void ufset()
{
	for(int i=1;i<=m;i++)
	p[i]=i;
}
int find(int x)
{
	return p[x]==x?x:(p[x]=find(p[x]));
}
void Union(int x,int y)
{
	int tx=find(x),ty=find(y);
	 p[tx]=ty,printf("%d->%d ",tx,ty);
}
void kruskal()
{
	int sum=0,sw=0;
	ufset();
	for(int i=0;i<n;i++)
	{
		if(find(edg[i].u)!=find(edg[i].v))
		{
			sum++;
			sw+=edg[i].w;
			Union(edg[i].u,edg[i].v);
		}
		if(sum>=m-1) break;
	}
	if(sum<m-1) printf("?\n");
	else printf("%d\n",sw);
}
int main()
{
	while(scanf("%d%d",&n,&m)&&n)
	{
		for(int i=0;i<n;i++)
		scanf("%d%d%d",&edg[i].u,&edg[i].v,&edg[i].w);
		qsort(edg,n,sizeof(edg[0]),cmp);
		kruskal();
	}
	return 0;
} /*
3 5
1 2 5
4 5 1 
2 3 3
*/


内容概要:本文档详细介绍了基于MATLAB实现多目标差分进化(MODE)算法进行无人机三维路径规划的项目实例。项目旨在提升无人机在复杂三维环境中路径规划的精度、实时性、多目标协调处理能力、障碍物避让能力和路径平滑性。通过引入多目标差分进化算法,项目解决了传统路径规划算法在动态环境和多目标优化中的不足,实现了路径长度、飞行安全距离、能耗等多个目标的协调优化。文档涵盖了环境建模、路径编码、多目标优化策略、障碍物检测与避让、路径平滑处理等关键技术模块,并提供了部分MATLAB代码示例。 适合人群:具备一定编程基础,对无人机路径规划和多目标优化算法感兴趣的科研人员、工程师和研究生。 使用场景及目标:①适用于无人机在军事侦察、环境监测、灾害救援、物流运输、城市管理等领域的三维路径规划;②通过多目标差分进化算法,优化路径长度、飞行安全距离、能耗等多目标,提升无人机任务执行效率和安全性;③解决动态环境变化、实时路径调整和复杂障碍物避让等问。 其他说明:项目采用模块化设计,便于集成不同的优化目标和动态环境因素,支持后续算法升级与功能扩展。通过系统实现和仿真实验验证,项目不仅提升了理论研究的实用价值,还为无人机智能自主飞行提供了技术基础。文档提供了详细的代码示例,有助于读者深入理解和实践该项目。
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