【Python】堆优化的dijkstra：困难Leetcode 2642. 设计可以求最短路径的图类

最新推荐文章于 2024-05-20 22:54:06 发布

Fourier_xyz

最新推荐文章于 2024-05-20 22:54:06 发布

阅读量328

点赞数 9

文章标签： python leetcode

本文链接：https://blog.csdn.net/Fourier_xyz/article/details/137044242

版权

题目描述

给你一个有 n 个节点的有向带权图，节点编号为 0 到 n - 1 。图中的初始边用数组 edges 表示，其中 edges[i] = [fromi, toi, edgeCosti] 表示从 fromi 到 toi 有一条代价为 edgeCosti 的边。

请你实现一个 Graph 类：
Graph(int n, int[][] edges) 初始化图有 n 个节点，并输入初始边。
addEdge(int[] edge) 向边集中添加一条边，其中 edge = [from, to, edgeCost] 。数据保证添加这条边之前对应的两个节点之间没有有向边。
int shortestPath(int node1, int node2) 返回从节点 node1 到 node2 的路径最小代价。如果路径不存在，返回 -1 。一条路径的代价是路径中所有边代价之和。

示例 1：
输入：
[“Graph”, “shortestPath”, “shortestPath”, “addEdge”, “shortestPath”]
[[4, [[0, 2, 5], [0, 1, 2], [1, 2, 1], [3, 0, 3]]], [3, 2], [0, 3], [[1, 3, 4]], [0, 3]]
输出：
[null, 6, -1, null, 6]
在这里插入图片描述

代码

普通dijkstra

class Graph:

    def __init__(self, n: int, edges: List[List[int]]):
        self.adj_hash = {}
        self.n = n

        for i in range(n): self.adj_hash[i] = {}
        for edge in edges: self.addEdge(edge)


    def addEdge(self, edge: List[int]) -> None:
        self.adj_hash[edge[0]][edge[1]] = edge[2]

    def shortestPath(self, node1: int, node2: int) -> int:
        dis_map = {node1: 0}
        visited_map = {}
        while(True):
            
            min_dis = float('inf')
            min_node = -1
            for node,dis in dis_map.items():
                if(node in visited_map): continue
                if(dis < min_dis):
                    min_dis = dis
                    min_node = node
            visited_map[min_node] = True
            if(min_node == node2): return dis_map[min_node]
            if(min_node == -1): return -1
            for adj_node,cost in self.adj_hash[min_node].items():
                if(adj_node in visited_map): continue
                if(adj_node not in dis_map): dis_map[adj_node] = float('inf')
                dis_map[adj_node] = min(dis_map[adj_node],cost+dis_map[min_node])

堆优化的dijkstra：

class Graph:

    def __init__(self, n: int, edges: List[List[int]]):
        self.adj_hash = {}
        self.n = n

        for i in range(n): self.adj_hash[i] = {}
        for edge in edges: self.addEdge(edge)


    def addEdge(self, edge: List[int]) -> None:
        self.adj_hash[edge[0]][edge[1]] = edge[2]

    def shortestPath(self, node1: int, node2: int) -> int:
        # dijkstra + 堆优化

        dis_map = {node1:0}
        q = []
        heapq.heappush(q,(0,node1))

        visited_map = {}
        while(True):
            #print(q)
            if(not q): return -1
            min_dis,min_node = heapq.heappop(q)
            if(min_node in visited_map): continue

            visited_map[min_node] = True
            if(min_node == node2): return dis_map[min_node]

            for adj_node,cost in self.adj_hash[min_node].items():
                if(adj_node in visited_map): continue
                if(adj_node not in dis_map): dis_map[adj_node] = float('inf')
                if(cost+min_dis < dis_map[adj_node]):
                    dis_map[adj_node] = cost+min_dis
                    heapq.heappush(q,(cost+min_dis,adj_node))