hdu1874 畅通工程续 最短路 floyd或dijkstra或spfa

Problem Description
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

Author
linle

Source
2008浙大研究生复试热身赛(2)——全真模拟

起点到终点的最短路 这里给出3种算法,Floyd,dijkstra和spfa
从提交的代码得速度来看,dijkstra>spfa>Floyd
但是别人都说spfa最快。。。(我就不知道了)
folyd不推荐使用,因为他最慢,,数据大一点的话更不行。。(不过他最简单)
(1)Floyd

#include<cstdio>
#include<cmath>
#include<cstring>
#include<iostream>
#include<algorithm>
#include<queue>
#include<vector>
#include<map>
#include<stack>
#pragma comment(linker,"/STACK:102400000,102400000")
#define pi acos(-1.0)
#define EPS 1e-6
#define INF (1<<28)
using namespace std;

int cost[205][205];
bool used[205];
int n,m;
int d[205];
void floyd()
{
    for(int k=0;k<n;k++)
        for(int i=0;i<n;i++)
        for(int j=0;j<n;j++)
        cost[i][j]=min(cost[i][j],cost[i][k]+cost[k][j]);
}
int main()
{
    while(scanf("%d %d",&n,&m)!=EOF)
    {
        int i,j;
        for(i=0;i<n;i++)
        {
            cost[i][i]=0;
            for(j=0;j<n;j++)
            {
                if(i!=j) cost[i][j]=INF;
            }
        }
        int a,b,value,start,endl;
        for(i=0;i<m;i++)
        {
            scanf("%d %d %d",&a,&b,&value);
            if(cost[a][b]>value) cost[a][b]=cost[b][a]=value;  //多条路的情况。
        }
        scanf("%d %d",&start,&endl);
        floyd();
        if(cost[start][endl]!=INF) printf("%d\n",cost[start][endl]);
        else printf("-1\n");
    }
    return 0;
}

2:dijkstra

#include<cstdio>
#include<cmath>
#include<cstring>
#include<iostream>
#include<algorithm>
#include<queue>
#include<vector>
#include<map>
#include<stack>
#pragma comment(linker,"/STACK:102400000,102400000")
#define pi acos(-1.0)
#define EPS 1e-6
#define INF (1<<28)
using namespace std;

int cost[205][205];
bool used[205];
int n,m;
int d[205];
void dijkstra(int s)
{
    fill(d,d+n,INF);
    fill(used,used+n,false);
    d[s]=0;
    while(true)
    {
        int v=-1;
        for(int u=0;u<n;u++)
        {
            if(!used[u]&&(v==-1||d[u]<d[v])) v=u;
        }
        if(v==-1) break;
        used[v]=true;
        for(int u=0;u<n;u++)
        {
            d[u]=min(d[u],d[v]+cost[v][u]);
        }
    }
}
int main()
{
    while(scanf("%d %d",&n,&m)!=EOF)
    {
        int i,j;
        for(i=0;i<n;i++)
        {
            cost[i][i]=0;
            for(j=0;j<n;j++)
            {
                if(i!=j) cost[i][j]=INF;
            }
        }
        int a,b,value,start,endl;
        for(i=0;i<m;i++)
        {
            scanf("%d %d %d",&a,&b,&value);
            if(cost[a][b]>value) cost[a][b]=cost[b][a]=value; //多条路的情况。
        }
        scanf("%d %d",&start,&endl);
        dijkstra(start);
        if(d[endl]!=INF) printf("%d\n",d[endl]);
        else printf("-1\n");
    }
    return 0;
}

3:spfa

#include<cstdio>
#include<cmath>
#include<cstring>
#include<iostream>
#include<algorithm>
#include<queue>
#include<vector>
#include<map>
#include<stack>
#pragma comment(linker,"/STACK:102400000,102400000")
#define pi acos(-1.0)
#define EPS 1e-6
#define INF (1<<28)
using namespace std;

int cost[205][205];
bool used[205];
int n,m;
int d[205];
void SPFA(int src,int des)
{
    int i;
    for(i=0;i<n;i++) d[i]=INF;
    memset(used,false,sizeof(used));

    queue<int> myqueue;
    while(!myqueue.empty()) myqueue.pop();//清空队列

    d[src]=0;
    used[src]=1;
    myqueue.push(src);
    int tmp;
    while(!myqueue.empty())
    {
        tmp=myqueue.front();
        myqueue.pop();
        used[tmp]=0;
        for(i=0;i<n;i++)
            if(d[i]>d[tmp]+cost[tmp][i])
            {
                d[i]=d[tmp]+cost[tmp][i];
                if(!used[i])
                {
                    used[i]=1;
                    myqueue.push(i);
                }
            }
    }
}

int main()
{
    while(scanf("%d %d",&n,&m)!=EOF)
    {
        int i,j;
        for(i=0;i<n;i++)
        {
            cost[i][i]=0;
            for(j=0;j<n;j++)
            {
                if(i!=j) cost[i][j]=INF;
            }
        }
        int a,b,value,start,endl;
        for(i=0;i<m;i++)
        {
            scanf("%d %d %d",&a,&b,&value);
            if(cost[a][b]>value) cost[a][b]=cost[b][a]=value; //多条路的情况。
        }
        scanf("%d %d",&start,&endl);
        SPFA(start,endl);
        if(d[endl]!=INF) printf("%d\n",d[endl]);
        else printf("-1\n");
    }
    return 0;
}
【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。
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