hdu 1595 find the longest of the shortest

本文详细阐述了如何使用Dijkstra算法在路径查找中处理拥堵情况,通过两次Dijkstra算法运行,一次在正常情况下找到路径,另一次在每条路径上模拟拥堵,从而找出拥堵情况下最优路径。此过程涉及路径记录、前驱节点追踪及DFS算法应用,最终通过比较不同路径下的最优结果,得到拥堵情况下的最短路径。

思路很简单,先跑一遍dijkstra算法,把没有路被堵的情况下的路径找出来,再枚举这些路径,求出这条路被堵的时候的最短路(dijkstra算法),取枚举结果的最大值,其实关键在于路径的记录,记录路径方法为:每次更新的时候记录前驱,然后DFS找出路径......哎,搞了1个多小时,要死要死要死

#include<iostream>
#include<vector>
#include<algorithm>
#include<cstring>
#define inf 1<<29
#define maxn 1010
using namespace std;
int n,m,k;
vector<int>mapp[maxn];
int vaule[maxn][maxn];
int f[maxn];
int d[maxn],visit[maxn],way[maxn];
void init()
{
	k=0;
	for(int i=0;i<=n;i++) mapp[i].clear(),f[i]=i;
}
void input()
{
	for(int i=0;i<m;i++)
	{
		int x,y,z;
		cin>>x>>y>>z;
		mapp[x].push_back(y);
		mapp[y].push_back(x);
		vaule[x][y]=z;
		vaule[y][x]=z;
	}
}
int dj(int flag)
{
	fill(d,d+n+1,inf);
	fill(visit,visit+1+n,0);
	d[1]=0;
	while(!visit[n])
	{
		int v=-1;
		for(int i=1;i<=n;i++)
		{
			if(!visit[i]&&(v==-1||d[i]<d[v])) v=i;
		}
		//cout<<v<<endl;
		if(v==-1||d[v]==inf) return -1;
		visit[v]=1;
		//if(!flag) way[k++]=v,cout<<v<<endl;
		for(int i=0;i<mapp[v].size();i++)
		{
			int x=mapp[v][i];
			if(d[v]+vaule[v][x]<d[x]&&!visit[x])
			{
				d[x]=d[v]+vaule[v][x];
				if(!flag) f[x]=v;
			}	
		}
	}
	return d[n];
}
void find(int x)
{
	if(f[x]!=x)
	{
		way[k++]=x;
		find(f[x]);
	}
	else way[k++]=1;
}
void solve()
{
	dj(0);
	int re=-1;
	find(n);
	for(int i=0;i<k-1;i++)
	{
		int x=way[i],y=way[i+1];
		int de=vaule[x][y];
		vaule[x][y]=inf;
		vaule[y][x]=inf;
		re=max(re,dj(1));
		vaule[x][y]=de;
		vaule[y][x]=de;
	}
	cout<<re<<endl;
}
int main()
{
	while(cin>>n>>m)
	{
		init();
		input();
		solve();
	}
	return 0;
}


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