最小花费(最短路径)

题目传送门

 第一思路是想用搜索来做,直接DFS所有可能的情况,然后找到最小的即可,不过不能满足该题的时间复杂度

#include<bits/stdc++.h>
using namespace std;

const int MAX=2010,inf=0x3f3f3f3f;
double MIN=99999;
int mapp[MAX][MAX];
int n,m,a,b; 
bool visited[MAX];
stack<int>stk;//存储路径


void dfs(int index){
	if(index==b){
		double money=100;
		vector<int>temp;
		while(!stk.empty()){
			temp.push_back(stk.top());
			stk.pop();//回溯
		}
		for(int i=0;i<temp.size();i++){
			money/=(1-temp[i]*1.0/100);//计算
		}
		if(money<MIN){
			MIN=money;
		}
		for(int i=temp.size()-1;i>=0;i--){
			stk.push(temp[i]);
		}
	}
	else{
		for(int i=1;i<=n;i++){
			if(visited[i]||mapp[index][i]==inf){
				continue;
			}
			visited[i]=true;
			stk.push(mapp[index][i]);
			dfs(i);
			visited[i]=false;
			stk.pop();
		}
	}
}

int main(){
	memset(visited,false,sizeof(visited));
	cin>>n>>m;
	for(int i=1;i<=n;i++){
		for(int j=1;j<=n;j++){
			mapp[i][j]=inf;
		}
	}
	for(int i=0;i<m;i++){
		int u,v,w;
		cin>>u>>v>>w;
		mapp[u][v]=mapp[v][u]=w;
	}
	cin>>a>>b;
	visited[a]=true;
	dfs(a);
	cout<<fixed<<setprecision(8)<<MIN<<endl;
	return 0;
}

 第二思路是使用dijkstra

首先需要清楚的是我们的建图,正常计算的话应该是沿着路径用100进行计算,例如走1->2->3的话,我们是(100/(1-2/100))/(1-1/100)=103.07153164

因此我们定义每一条边的权值为1-百分比

这样我们可以确定最后的答案是100/路径乘积

所以找到一条最大路径即可,即最短路径的反面

#include<bits/stdc++.h>
using namespace std;

#define pii pair<double,int> //注意都要使用double
const int MAX=2010*2,inf=0x3f3f3f3f;
double mapp[MAX][MAX];
int n,m,a,b; 
bool visited[MAX];
double dis[MAX];

void dijkstra(){
	memset(visited,false,sizeof(visited));
	for(int i=1;i<=n;i++){
		dis[i]=0;
	}
	dis[a]=1;
	priority_queue<pii,vector<pii>,less<pii> >p;//大根堆
	p.push({1,a});
	while(!p.empty()){
		 int u=p.top().second;
		 p.pop();
		 if(visited[u]){
		 	continue;
		 }
		 visited[u]=true;
		 for(int i=1;i<=n;i++){
		 	if(!visited[i]&&mapp[u][i]!=inf){
		 		if(dis[i]<dis[u]*mapp[u][i]){
		 			dis[i]=dis[u]*mapp[u][i];
		 			p.push({dis[i],i});
				 }
			 }
		 }
	} 
}

int main(){

	cin>>n>>m;
	for(int i=1;i<=n;i++){
		for(int j=1;j<=n;j++){
			mapp[i][j]=inf;
		}
	}
	for(int i=0;i<m;i++){
		int u,v,w;
		cin>>u>>v>>w;
		mapp[u][v]=mapp[v][u]=1-w*1.0/100;
	}
	cin>>a>>b;
	dijkstra();
	cout<<fixed<<setprecision(8)<<100/dis[b]<<endl;
	return 0;
}

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
以下是使用Dijkstra算法求解最短路径花费的Python代码示例: ```python import heapq def dijkstra(graph, start): # 初始化距离字典和前驱节点字典 distance = {node: float('inf') for node in graph} distance[start] = 0 predecessor = {node: None for node in graph} # 使用堆来进行贪心策略的选择 heap = [(0, start)] while heap: # 弹出堆中的距离最小的节点 (current_distance, current_node) = heapq.heappop(heap) # 如果当前节点已经处理过,则跳过 if current_distance > distance[current_node]: continue # 遍历当前节点的所有邻居节点 for neighbor, weight in graph[current_node].items(): # 计算到邻居节点的距离 new_distance = current_distance + weight # 如果新的距离比之前的距离更小,则更新距离和前驱节点 if new_distance < distance[neighbor]: distance[neighbor] = new_distance predecessor[neighbor] = current_node heapq.heappush(heap, (new_distance, neighbor)) return distance, predecessor # 测试数据 graph = { 'A': {'B': 2, 'C': 1}, 'B': {'A': 2, 'C': 3, 'D': 2}, 'C': {'A': 1, 'B': 3, 'D': 1}, 'D': {'B': 2, 'C': 1, 'E': 4}, 'E': {'D': 4} } # 使用Dijkstra算法求解最短路径花费 distance, predecessor = dijkstra(graph, 'A') # 输出结果 print("最短距离:", distance) print("前驱节点:", predecessor) ``` 在上述代码中,我们使用堆来进行贪心策略的选择。首先,我们初始化距离字典和前驱节点字典,将起始节点的距离设为0。然后,我们将起始节点压入堆中,并开始遍历堆。每次从堆中弹出距离最小的节点,然后遍历该节点的所有邻居节点。对于每个邻居节点,我们计算到该节点的距离,如果新的距离比之前的距离更小,则更新距离和前驱节点,并将邻居节点压入堆中。最后,当堆为空时,我们就得到了最短路径花费

“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
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

打赏作者

ZZZWWWFFF_

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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