本文介绍了K短路算法，结合A*算法探讨如何优化寻找图中第K短路径的过程。通过分析A*算法的原理，提出利用dis值作为d∗函数，保证算法效率。并提及洛谷P2901 [USACO08MAR]Cow Jogging G题目，作为K短路算法的应用示例。
前置知识——A ∗ 算法 \color{green}{\text{前置知识——A}^{*} \text{算法}} 前置知识——A∗算法
A*算法，就是启发式的 BFS 算法。它依赖于以下几个函数：
- g g g 函数：即从开始到当前状态的花费。
- g ∗ g^* g∗ 函数：估计的从开始到当前状态的花费。由于
BFS的特殊性，我们一定有 g = g ∗ g=g^* g=g∗。 - h h h 函数：从当前状态到结束状态的实际花费。
- h ∗ h^* h∗ 函数：从当前状态到结束状态的估计花费。
- f f f 函数：从起始状态到当前状态再到结束状态的总花费。即 f = g + h f=g+h f=g+h。
- f ∗ f^* f∗ 函数：从起始状态到当前状态再到结束状态的估计花费。即 f ∗ = g ∗ + h ∗ = g + h ∗ f^* = g^*+h^* = g +h^* f∗=g∗+h
最低0.47元/天 解锁文章
601
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
