【最短路入门专题1】 hdu 1874 B - 畅通工程续 坑题【dijkstra】

某省自从实行了很多年的畅通工程计划后,终于修建了很多路。不过路多了也不好,每次要从一个城镇到另一个城镇时,都有许多种道路方案可以选择,而某些方案要比另一些方案行走的距离要短很多。这让行人很困扰。 

现在,已知起点和终点,请你计算出要从起点到终点,最短需要行走多少距离。
Input 本题目包含多组数据,请处理到文件结束。 
每组数据第一行包含两个正整数N和M(0<N<200,0<M<1000),分别代表现有城镇的数目和已修建的道路的数目。城镇分别以0~N-1编号。 
接下来是M行道路信息。每一行有三个整数A,B,X(0<=A,B<N,A!=B,0<X<10000),表示城镇A和城镇B之间有一条长度为X的双向道路。 
再接下一行有两个整数S,T(0<=S,T<N),分别代表起点和终点。
Output 对于每组数据,请在一行里输出最短需要行走的距离。如果不存在从S到T的路线,就输出-1. 
Sample Input
3 3
0 1 1
0 2 3
1 2 1
0 2
3 1
0 1 1
1 2
Sample Output
2
-1

思路:就是dijsktra的模板题,但是如果不注意一个小细节的话,还是会wrong到爆炸。路是会重复的,比如,1-〉3权值为1  下次1-〉3权值为4 ,这种情况下是就不能够存入。自己wrong了一遍后是队友提醒自己给改的,其他小伙伴就比较惨烈了。

#include<stdio.h>
#define N 250
#define inf 99999999

int e[N][N],book[N],dis[N];
int n,m;
int main()
{
	int i,j,starts,ends,count,min;
	int t1,t2,t3,u;
	while(scanf("%d%d",&n,&m)!=EOF)
	{
		for(i = 0; i < n; i ++)
			book[i] = 0;
		for(i = 0; i < n; i ++)
			for(j = 0; j < n; j ++)
			{
				if(i == j)
					e[i][j] = 0;
				else
					e[i][j] = inf;
			}
		for(i = 1; i <= m; i ++)
		{
			scanf("%d%d%d",&t1,&t2,&t3);
			if(t3 < e[t1][t2])
			{
				e[t1][t2] = t3;
				e[t2][t1] = t3;
			}
			
		}
		scanf("%d%d",&starts,&ends);
		for(i = 0; i < n; i ++)
			dis[i] = e[starts][i];
		book[starts] = 1;
		count = 1;
		for(i = 1; i <= m; i ++)
		{
			min = inf;
			for(j = 0; j < n; j ++)
				if(!book[j]&&dis[j]<min)
				{
					min = dis[j];
					u = j;
				}
			book[u] = 1;
			count ++;
			for(j = 0; j < n; j ++)
				if(!book[j]&&dis[j] > dis[u]+e[u][j])
				{
					dis[j] = dis[u]+e[u][j];
					
				}
					
			if(count == n-1)
				break;
		}
		if(dis[ends] == inf)
			printf("-1\n");
		else
			printf("%d\n",dis[ends]);
	}
	return 0;
}
















转载于:https://www.cnblogs.com/hellocheng/p/7350076.html

主要内容:本文详细介绍了一种QRBiLSTM(分位数回归双向长短期记忆网络)的时间序列区间预测方法。首先介绍了项目背景以及模型的优势,比如能够有效利用双向的信息,并对未来的趋势上限和下限做出估计。接着从数据生成出发讲述了具体的代码操作过程:数据预处理,搭建模型,进行训练,并最终可视化预测结果与计算分位数回归的边界线。提供的示例代码可以完全运行并且包含了数据生成环节,便于新手快速上手,深入学习。此外还指出了模型未来发展的方向,例如加入额外的输入特性和改善超参数配置等途径提高模型的表现。文中强调了时间序列的标准化和平稳检验,在样本划分阶段需要按时间序列顺序进行划分,并在训练阶段采取合适的手段预防过度拟合发生。 适合人群:对于希望学习和应用双向长短时记忆网络解决时序数据预测的初学者和具有一定基础的研究人员。尤其适用于有金融数据分析需求、需要做多一步或多步预测任务的从业者。 使用场景及目标:应用于金融市场波动预报、天气状况变化预测或是物流管理等多个领域内的决策支持。主要目的在于不仅能够提供精确的数值预计还能描绘出相应的区间概率图以增强结论置信程度。 补充说明:本教程通过一个由正弦信号加白噪构造而成的简单实例来指导大家理解和执行QRBiLSTM流程的所有关键步骤,这既方便于初学者跟踪学习,又有利于专业人士作为现有系统的补充参考工具。
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