【旅游】题解

题目

题目描述

这里写图片描述

输入

这里写图片描述

输出

这里写图片描述

样例输入

1
5 5 3
2 3 6334
1 5 15724
3 5 5705
4 3 12382
1 3 21726
6000
10000
13000

样例输出

2
6
12

数据制约

这里写图片描述

分析

先把路径和询问也按权值排序,依次按权值把边加入图中,则增加的边数就是边的两头所在的连通块的节点数的积再乘2(如果在同一个连通块就不用),再用并查集维护就可以了。

#include <cmath>
#include <cstdio>
#include <cstdlib>
#include <iostream>
int n,m,tot,q,test;
using namespace std;
int a[110000][4],bcj[21000],ans[6000],bl[21000],qu[6000][3];
//bl数组是以x为祖宗的连通块的节点数,bcj即并查集
void q1(int l,int r)
{
    int i=l,j=r,mid=a[(l+r)/2][3],e;
    while(i<j)
    {
        while(a[i][3]<mid) i++;
        while(a[j][3]>mid) j--;
        if(i<=j)
        {
            e=a[i][2];
            a[i][2]=a[j][2];
            a[j][2]=e;
            e=a[i][1];
            a[i][1]=a[j][1];
            a[j][1]=e;
            e=a[i][3];
            a[i][3]=a[j][3];
            a[j][3]=e;
            i++;
            j--;
        }
    }
    if(i<r) q1(i,r);
    if(l<j) q1(l,j);
}
void q2(int l,int r)
{
    int i=l,j=r,mid=qu[(l+r)/2][1],e;
    while(i<j)
    {
        while(qu[i][1]<mid) i++;
        while(qu[j][1]>mid) j--;
        if(i<=j)
        {
            e=qu[i][1];
            qu[i][1]=qu[j][1];
            qu[j][1]=e;
            e=qu[i][2];
            qu[i][2]=qu[j][2];
            qu[j][2]=e;
            i++;
            j--;
        }
    }
    if(i<r) q2(i,r);
    if(l<j) q2(l,j);
}
int zz(int x)
{
    if(x==bcj[x]) return x;
    bcj[x]=zz(bcj[x]);
    return bcj[x];
}
int main()
{
    cin>>test;
    int i,j,k,x,y,l;
    while(test--)
    {
        scanf("%d%d%d",&n,&m,&q);
        fill(qu[1],qu[1]+5600,0);
        fill(qu[2],qu[2]+5600,0);
        for(i=1;i<=n;i++)
        {
            bcj[i]=i;
            bl[i]=1;
        }
        for(i=1;i<=m;i++)
        {
            scanf("%d%d%d",&a[i][1],&a[i][2],&a[i][3]);
        }
        for(i=m+1;i<=100000;i++)
            a[m+1][1]=a[m+1][2]=a[m+1][3]=200000000;
        q1(1,m);
        for(i=1;i<=q;i++)
        {
            scanf("%d",&qu[i][1]);
            qu[i][2]=i;
        }
        q2(1,q);
        j=1;
        int t=0;//t用来累加
        for(i=1;i<=q;i++)
        {
            while(qu[i][1]>=a[j][3] && j<m)
            {
                x=zz(a[j][1]);//找祖宗
                y=zz(a[j][2]);//找祖宗
                if(x!=y)
                {
                    bcj[y]=x;
                    t+=bl[x]*bl[y]*2;
                    bl[x]+=bl[y];
                    bl[y]=0;
                }
                j++;
            }
            ans[qu[i][2]]=t;
        }
        for(i=1;i<=q;i++)
        {
            printf("%d\n",ans[i]);
        }
    }
}
【6层】一字型框架办公楼(含建筑结构图、计算书) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
1、资源项目源码均已通过严格测试验证,保证能够正常运行;、 2项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
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