-
目录 目录 2016总结2016总结2016承上启下的一年，这一年自己改变了很多，学习了很多，虽然现在看来没有留下什么，该做的很多事都没有做好，但自己也算努力了。明天就要回家了，告别线上网路半个月的时间，对春节也没有特别大的期待，回去和以前的老友聚聚，来年必定是人生最好的一年。本人现就读于武汉高校的学硕一枚，现研一，电路与系统专业；大的方向为数字图像处理和机器视觉。主要从自己这一年的经历，学习，生活方面聊聊人生。去年十一月份开始接触博客园，CSDN，Github这些东西，说实话不知道怎...…
-
数据结构学习笔记排序 (冒泡、插入、希尔、堆排序、归并排序) 前提void X_Sort ( ElementType A[], int N ) 大多数情况下，为简单起见，讨论从小大的整数排序 N是正整数 只讨论基于比较的排序（> = < 有定义） 只讨论内部排序 稳定性：任意两个相等的数据，排序前后的相对位置不发生改变 没有一种排序算法是任何情况下都表现最好的冒泡排序 (从小到大排序)物理意义：大泡泡往下沉，小泡泡往上冒 每次比较相邻两个泡泡，符合条件，交换位...…
-
题目 现有村落间道路的统计数据表中，列出了有可能建设成标准公路的若干条道路的成本，求使每个村落都有公路连通所需要的最低成本。输入格式: 输入数据包括城镇数目正整数N（≤1000）和候选道路数目M（≤3N）；随后的M行对应M条道路，每行给出3个正整数，分别是该条道路直接连通的两个城镇的编号以及该道路改建的预算成本。为简单起见，城镇从1到N编号。输出格式: 输出村村通需要的最低成本。如果输入数据不足以保证畅通，则输出−1，表示需要建设更多公路。输入样例:6 151 2 51 3 31 4...…
-
目录 目录 最小生成树Minimum Spanning Tree Prim算法— 让一棵小树长大 思路 步骤 代码描述如下： Kruskal算法— 将森林合并成树 代码描述： Reference最小生成树Minimum Spanning Tree 一个有 n 个结点的连通图的生成树是原图的极小连通子图，且包含原图中的所有 n 个结点，并且有保持图连通的最少的边。 ...…
-
目录 目录 题目 输入格式: 输出格式: 输入样例: 输出样例: 思路 延伸思路 AC代码 Reference题目 有了一张自驾旅游路线图，你会知道城市间的高速公路长度、以及该公路要收取的过路费。现在需要你写一个程序，帮助前来咨询的游客找一条出发地和目的地之间的最短路径。如果有若干条路径都是最短的，那么需要输出最便宜的一条路径。输入格式: 输入说明：输入数据的第1行给出4个正整数N、M、...…
-
目录 目录 拓扑排序（AOV网络） 代码实现： 拓扑排序的应用–关键路径问题（AOE网络） Reference拓扑排序（AOV网络） 排课的时候，根据课程的难易程度及知识体系有些课是要先上有些课需要后上，那么在给定了一些课的先后顺序，我们怎样来安排这些课的总体顺序呢？ 实际中拓扑排序的应用必入关键路径问题，一般用于安排项目的工序。 首先明确下拓扑序的概念：如果图中从v到w有一条有向路径，则v一定排在w之前。...…
-
目录 目录 最短路径问题 无权图单源最短路径 有权图单源最短路径 一.最短路径的最优子结构性质 二.Dijkstra算法 理解思路 算法复杂度 测试结果： 多源最短路 算法描述 实现 Reference最短路径问题 两个不同顶点之间的所有路径中，边的权值之和最小的那一条路径；第一个顶点为源点(Source)；最后一个...…
-
目录 目录 邻接表 BFS广度优先搜索(Breadth First Search, BFS) DFS深度优先搜索索(Depth First Search, DFS) 测试代码： 结果： Reference邻接表 G[N]为指针数组，对应矩阵每行一个链表，只存非0元素。 邻接表的优点 - 方便找任一顶点的所有“邻接点” - 节约稀疏图的空间 - 需要N个头指针+ 2E个结点（每个结点至少2个域） - 方便计算任一顶点的“度”？ ...…
-
目录 目录 图基概念(Graph) 邻接矩阵 BFS广度优先搜索(Breadth First Search, BFS) DFS深度优先搜索索(Depth First Search, DFS) 测试代码： 结果： Reference图基概念(Graph) 包含 一组顶点：通常用V (Vertex) 表示顶点集合 一组边：通常用E (Edge) 表示边的集合 边是顶点对：(v, w) ∈E ，其中v, w ∈ V有向边<v, w&g...…
-
目录 目录 Week 5： Neural Networks: Learning 之前的学习 学习资料 学习目录 目录 Week1 机器学习介绍 Week1 单变量线性回归 Week2 多变量线性回归 Week2 多项式回归和正规方程 Week3 归一化 Week3 归一化 Week4 神经网络：表达 We...…
