Daizi's path system

本文介绍了一个基于图论的最短路径查询系统的实现方法,该系统能够接收多个查询请求并返回两点间最短路径的长度。通过使用Floyd算法预处理所有点对间的最短路径,系统可以高效地响应查询。

http://cs.scu.edu.cn/soj/problem.action?id=2427
题目
 呆子是个没有方向感的人,经常在科大校园内迷路,所以他经常手里拿着一张 地图。每天呆子都在科大校园内转来转去,寻找新奇的人和事物,但是呆子 不是一个喜欢浪费时间的人,每次转悠的时候,他总想找到一条从起点到终点 的最短路。现在这个任务就交给了你,希望你给呆子设计一个查询系统, 呆子每次只需要输入起点和终点,你就要告诉呆子这两点间的最短路是什么。

输入

 输入可能有多组。 每组输入的第一行包括两个数字 n和m,其中1 <= n <= 100,表示地图上 的路口的个数(呆子只会从一个路口到另外一个路口),0 <= m < n(n-1)/2, 表示图上的小路的个数,每条小路连接一对路口。 如果m > 0,那么后面将紧跟m行,每行包括三个整数,分别是这条路连接 的两个路口i,j(1<=i,j<=n)和这条路的长度L(1<=L<=1000)。
 
我们保证,输入的地图都是对的,而且没有两个路口之间存在两条或以上 的路,每条路的长度都是正的,还有这里的路都是双向的,没有一条路 是连接两个相同的路口。 紧接下来的一行是一个整数100000 > k > 0,表示有多少次查询。 紧接下来的k行,每行由两个整数i,j组成,表示查询这两个路口之间的最短路 的长度。(1 <= i,j <= n) 最后一组输入保证 n = 0, 这组输入不需要处理。

输出
 对每组输入的每个查询,单独使用一行来输出查询结果:如果两个路口之间 存在一条路,输出其最短路的长度;否则输出“pity”(引号不用输出)。 每组输出使用一个空行作为结尾。
输入例子
3 3
1 2 1
2 3 1
1 3 1
2
1 2
1 3
 3 3
 1 2 1
 2 3 1
 1 3 1
 2
 1 2
 1 3
 0 0
输出例子
 1
 1

 1
 1
$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$
#include<stdio.h>
#include<iostream>
#define NN 200000000
int main()
{
int i,j,k,m,n,x,y,z;
int map[105][105];
while(scanf("%d%d",&m,&n),m,n)
{
for(i=1;i<=m;i++)
for(j=1;j<=m;j++)
map[i][j]=NN;

for(i=0;i<n;i++)
{
scanf("%d%d%d",&x,&y,&z);
if(map[x][y]>z)
map[y][x]=map[x][y]=z;
}
for(i=1;i<=m;i++)
map[i][i]=0;
for(k=1;k<=m;k++)
for(i=1;i<=m;i++)
for(j=1;j<=m;j++)
if(map[i][j]>map[i][k]+map[k][j])
map[i][j]=map[i][k]+map[k][j];
scanf("%d",&m);
while(m--)
{
scanf("%d%d",&x,&y);
if(map[x][y]<NN)
printf("%d\n",map[x][y]);
else
printf("pity\n");
}
printf("\n");
}
return 0;
}

4. 实验与结果(Experiments and Results) 实验设置(Experimental Setup) 硬件环境: 本实验的训练环境为:11th Gen Intel(R) Core(TM) i5-1135G7 @ 2.40GHz 2.42 GHz,16G内存 。 软件环境: 操作系统:Ubuntu 20.04 LTS 深度学习框架:TensorFlow 2.0、Keras 图像处理库:OpenCV、PIL(Python Imaging Library) 数据库:MySQL,用于存储仓库管理系统的物品数据和库存信息。 数据集: 训练数据集:本实验使用的是自建的仓库图像数据集,包含不同类别的物品(如箱子、袋子、瓶子等)及其标签。数据集包括5000张带有物品位置标签的仓库图像。 验证数据集:从训练数据集中随机选取1000张图像作为验证集,确保训练的泛化能力。 测试数据集:独立的1000张测试图像,用于测试模型在真实环境中的表现。 评估指标: 准确率(Accuracy):表示所有预测中,正确预测的比例。 召回率(Recall):表示模型能正确识别的正样本比例。 F1分数(F1 Score):综合考虑准确率与召回率的指标,尤其适用于类别不平衡的情况。 模型训练与验证(Model Training and Validation) 训练过程: 采用**卷积神经网络(CNN)**进行物品检测与分类。首先进行数据预处理,如图像的裁剪、缩放及归一化等,之后将处理后的数据输入到CNN模型进行训练。 **YOLO(You Only Look Once)**模型用于实时目标检测,其训练过程包括前向传播、损失计算(使用交叉熵损失函数),并通过反向传播优化权重。 在训练过程中,使用了数据增强技术(如旋转、镜像、亮度调整等)来增加数据的多样性,提高模型的泛化能力。 学习曲线: 训练过程中监控模型的学习曲线,记录每个epoch的训练损失与验证损失。经过若干次迭代,模型损失趋于平稳,准确率逐渐提高。 性能对比: 为了评估模型的性能,我们比较了YOLO与其他几种常见的深度学习模型(如ResNet和VGG)的训练结果。实验结果表明,YOLO在目标检测任务中表现最优,训练时间较短,并且能够同时检测多个物体。 系统实现与测试(System Implementation and T
05-08
内容概要:本文设计了一种基于PLC的全自动洗衣机控制系统内容概要:本文设计了一种,采用三菱FX基于PLC的全自动洗衣机控制系统,采用3U-32MT型PLC作为三菱FX3U核心控制器,替代传统继-32MT电器控制方式,提升了型PLC作为系统的稳定性与自动化核心控制器,替代水平。系统具备传统继电器控制方式高/低水,实现洗衣机工作位选择、柔和过程的自动化控制/标准洗衣模式切换。系统具备高、暂停加衣、低水位选择、手动脱水及和柔和、标准两种蜂鸣提示等功能洗衣模式,支持,通过GX Works2软件编写梯形图程序,实现进洗衣过程中暂停添加水、洗涤、排水衣物,并增加了手动脱水功能和、脱水等工序蜂鸣器提示的自动循环控制功能,提升了使用的,并引入MCGS组便捷性与灵活性态软件实现人机交互界面监控。控制系统通过GX。硬件设计包括 Works2软件进行主电路、PLC接梯形图编程线与关键元,完成了启动、进水器件选型,软件、正反转洗涤部分完成I/O分配、排水、脱、逻辑流程规划水等工序的逻辑及各功能模块梯设计,并实现了大形图编程。循环与小循环的嵌; 适合人群:自动化套控制流程。此外、电气工程及相关,还利用MCGS组态软件构建专业本科学生,具备PL了人机交互C基础知识和梯界面,实现对洗衣机形图编程能力的运行状态的监控与操作。整体设计涵盖了初级工程技术人员。硬件选型、; 使用场景及目标:I/O分配、电路接线、程序逻辑设计及组①掌握PLC在态监控等多个方面家电自动化控制中的应用方法;②学习,体现了PLC在工业自动化控制中的高效全自动洗衣机控制系统的性与可靠性。;软硬件设计流程 适合人群:电气;③实践工程、自动化及相关MCGS组态软件与PLC的专业的本科生、初级通信与联调工程技术人员以及从事;④完成PLC控制系统开发毕业设计或工业的学习者;具备控制类项目开发参考一定PLC基础知识。; 阅读和梯形图建议:建议结合三菱编程能力的人员GX Works2仿真更为适宜。; 使用场景及目标:①应用于环境与MCGS组态平台进行程序高校毕业设计或调试与运行验证课程项目,帮助学生掌握PLC控制系统的设计,重点关注I/O分配逻辑、梯形图与实现方法;②为工业自动化领域互锁机制及循环控制结构的设计中类似家电控制系统的开发提供参考方案;③思路,深入理解PL通过实际案例理解C在实际工程项目PLC在电机中的应用全过程。控制、时间循环、互锁保护、手动干预等方面的应用逻辑。; 阅读建议:建议结合三菱GX Works2编程软件和MCGS组态软件同步实践,重点理解梯形图程序中各环节的时序逻辑与互锁机制,关注I/O分配与硬件接线的对应关系,并尝试在仿真环境中调试程序以加深对全自动洗衣机控制流程的理解。
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