《算法竞赛指南》GF与猫咪的关系

本文介绍了一种算法问题,涉及在一个有向图中寻找两个边数最多的节点之间的最少连接路径,类似猫咪与GF之间的关系,需要考虑环路中等效连接。通过Ford-Fulkerson方法和深度优先搜索策略求解,展示了如何在C++代码中实现这一问题的解决思路。

GF与猫咪的关系

大意

给定n个点,m个边,求两个边数最多的点之间的边数,注意当两个环之间有几个绳索数相等的连接方法时,只算其中一条连接方法拉紧。

思路

跑一遍flord,遍历数组找到其中的最大值。

#include<bits/stdc++.h>
using namespace std;
int a[1086][1086];
int ans=-1;
int n,m;
int main()
{
	memset(a,0x3f,sizeof(a));
	scanf("%d%d",&n,&m);
	for(int i=1;i<=n;i++)
	{
		a[i][i]=0;
	}
	for(int i=1;i<=m;i++)
	{
		int x,y;
		scanf("%d%d",&x,&y);
		a[x][y]=a[y][x]=1;
	}
	for(int k=1;k<=n;k++)
	{
		for(int i=1;i<=n;i++)
		{
			for(int j=1;j<=n;j++)
			{
				a[i][j]=min(a[i][j],a[i][k]+a[k][j]);
				
			}
		}
	 } 
	 for(int k=1;k<=n;k++)
	{
		for(int i=1;i<=n;i++)
		{
			if(a[i][k]!=0x3f3f3f3f) ans=max(ans,a[i][k]);
		}
	 } 
	 cout<<ans<<endl;
	 return 0;
	 
}
六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,详细介绍了正向逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程的理论Matlab代码实现过程。文档还涵盖了PINN物理信息神经网络在微分方程求解、主动噪声控制、天线分析、电动汽车调度、储能优化等多个工程科研领域的应用案例,并提供了丰富的Matlab/Simulink仿真资源和技术支持方向,体现了其在多学科交叉仿真优化中的综合性价值。; 适合人群:具备一定Matlab编程基础,从事机器人控制、自动化、智能制造、电力系统或相关工程领域研究的科研人员、研究生及工程师。; 使用场景及目标:①掌握六自由度机械臂的运动学动力学建模方法;②学习人工神经网络在复杂非线性系统控制中的应用;③借助Matlab实现动力学方程推导仿真验证;④拓展至路径规划、优化调度、信号处理等相关课题的研究复现。; 阅读建议:建议按目录顺序系统学习,重点关注机械臂建模神经网络控制部分的代码实现,结合提供的网盘资源进行实践操作,并参考文中列举的优化算法仿真方法拓展自身研究思路。
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