prim(普里姆)

Prim算法求最小生成树

题意:

N个点M条边的无向连通图,每条边有一个权值,求该图的最小生成树。

Prim算法和Dijkstra算法十分相似,惟一的区别是:  Prim算法要寻找的是离已加入顶点距离最近的顶点;
Dijkstra算法是寻找离固定顶点距离最近的顶点。

输入

 

第1行:2个数N,M中间用空格分隔,N为点的数量,M为边的数量。(2 <= N <= 1000, 1 <= M <= 50000)
第2 - M + 1行:每行3个数S E W,分别表示M条边的2个顶点及权值。(1 <= S, E <= N,1 <= W <= 10000)

 

输出

 

输出最小生成树的所有边的权值之和。

输入示例

 

9 14
1 2 4
2 3 8
3 4 7
4 5 9
5 6 10
6 7 2
7 8 1
8 9 7
2 8 11
3 9 2
7 9 6
3 6 4
4 6 14
1 8 8


输出示例

 

37

 

代码:详解,具体请看51nod中的教程

一个点一个点连接,找刚连接的点到另一个未连接点的最小距离,进行连接。

 

#include<iostream>
#include<cstring>
using namespace std;
#define N 1001
#define M 999999
int num[N];
int map[N][N];
int n,m,tt;
int p[N];
void dijkstra()
{
    memset(p,0,sizeof(p));  
    memset(num,M,sizeof(num));  
    int s=1;
    for(int i=1;i<=n;i++)
    {
        num[i]=map[s][i];
    }
    num[s]=0;
    p[s]=1;
    for(int i=1;i<=n;i++)
    {
       int min=M,k;
       for(int j=1;j<=n;j++)
       {
              if(p[j]==0&&min>num[j])
              {
                   min=num[j];
                   k=j;
           }
       }
       if(min==M)
       break;
       tt+=min;
       p[k]=1;
       for(int j=1;j<=n;j++)
       {
               if(p[j]==0&&num[j]>map[k][j])
               {
                    num[j]=map[k][j];
            }
       }
    }
    cout<<tt<<endl;
}
int main()
{
  while(cin>>n>>m)
  {
           tt=0;
           for(int i=0;i<=n;i++)
           {
               for(int j=0;j<=n;j++)
               {
                   map[i][j]=M;
            }
            map[i][i]=0;
         }
        
         for(int j=0;j<m;j++)
         {
            int x,y,z;
             cin>>x>>y>>z;
             map[x][y]=z;
             map[y][x]=z;
         }
         dijkstra();
  }
return 0;
}

【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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