【算法题】多段图的最短路径问题(动态规划)

在这里插入图片描述
在这里插入图片描述
时间复杂度为O(m+k):m为边的数目,k为段的数目。

#include<iostream>
using namespace std;
#define INF 999

int arc[100][100]; // 最多100个点 

int CreateGraph()
{
	int vnum,arcnum;
	cout<<"请输入顶点和边的个数:"<<endl;
	cin>>vnum>>arcnum;
	for(int i=0;i<vnum;i++){ // 初始化边的权值 
		for(int j=0;j<vnum;j++){
			arc[i][j] = INF;
		}	
	}
	int weight;
	for(int k=0;k<arcnum;k++){
		int i,j;
		cout<<"请输入第"<<k+1<<"条边的两个顶点和权值:"<<endl;
		cin>>i>>j>>weight;
		arc[i][j] = weight;
	}
	return vnum;  // 返回顶点的个数(传入BackPath函数中)
}

// 求 n个顶点的多段图的最短路径 
int BackPath(int n) 
{
	int i,j,temp;
	int cost[100],path[100]; // 存储路径长度和路径 
	for(i=1;i<n;i++){
		cost[i] = INF;
		path[i] = -1;
	}
	// 顶点0为源点 
	cost[0] = 0;
	path[0] = -1;
	for(j=1;j<n;j++){ // 依次计算后面下标为1到n-1的点(填表) 
		for(i=j-1;i>=0;i--){
			if(cost[i]+arc[i][j]<cost[j]){
				cost[j] = cost[i]+arc[i][j]; // 更新值 
				path[j] = i; // 记录前一个点 
			}
		}
	} 
	// 输出路径
	i = n-1;
	cout<<i;
	while(path[i]>=0){ // 前一个点大于0 
		cout<<"<-"<<path[i];
		i = path[i]; // 更新为前一个点 
	} 
	cout<<endl;
	return cost[n-1]; // 返回最短路径长度 
}

int main()
{
	cout<<"最短路径长度为:"<<BackPath(CreateGraph())<<endl;
	 
	return 0;
}
  • 19
    点赞
  • 154
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
动态规划多段最短路径问题可以使用Dijkstra算法或Bellman-Ford算法来解决。这里介绍Bellman-Ford算法的解决方法。 Bellman-Ford算法是一种解决单源最短路径问题算法,可以处理有向和负权边,但不能处理负权回路。对于多段最短路径问题,可以将分为多个阶段,每个阶段包含若干个节点,每个节点只能到达下一个阶段的节点。因此,可以将多段转化为有向无环,然后使用Bellman-Ford算法求解。 具体步骤如下: 1. 将多段转化为有向无环,将每个阶段的节点拆分为若干个节点,每个节点表示该阶段的一个节点。 2. 对于每个节点,初始化其到起点的距离为无穷大,起点的距离为0。 3. 对于每个阶段,依次更新每个节点的距离,更新方法为:对于每个节点,遍历其前驱节点,计算前驱节点到该节点的距离加上前驱节点的距离,如果小于该节点的距离,则更新该节点的距离。 4. 最后得到终点的距离即为多段的最短路径长度。 下面是Python代码示例: ```python def shortest_path(graph, start, end): # 将多段转化为有向无环 dag = [] for i in range(len(graph)): for j in range(len(graph[i])): for k in range(len(graph[i][j])): if i == 0: dag.append((start, graph[i][j][k][0], graph[i][j][k][1])) elif i == len(graph) - 1: dag.append((graph[i][j][k][0], end, graph[i][j][k][1])) else: for l in range(len(graph[i - 1])): for m in range(len(graph[i - 1][l])): if graph[i - 1][l][m][0] == graph[i][j][k][0]: dag.append((graph[i - 1][l][m][0], graph[i][j][k][0], graph[i][j][k][1])) # 初始化距离 dist = {node: float('inf') for node in set([start] + [edge[1] for edge in dag])} dist[start] = 0 # 更新距离 for i in range(len(graph)): for j in range(len(graph[i])): for k in range(len(graph[i][j])): u, v, w = graph[i][j][k] if dist[u] + w < dist[v]: dist[v] = dist[u] + w return dist[end] ```

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
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