单源最短路

最新推荐文章于 2022-10-19 17:30:46 发布

Better-1

最新推荐文章于 2022-10-19 17:30:46 发布

阅读量160

点赞数

分类专栏：剑指

本文链接：https://blog.csdn.net/caihuanqia/article/details/117594603

版权

剑指专栏收录该内容

192 篇文章 4 订阅

订阅专栏

这篇博客探讨了在存在重边的情况下，如何使用深度优先搜索（DFS）策略来找到图中两个节点间的最短路径。文章介绍了两种不同的存储策略，一种是基于字典的方法，需要处理重边并确保不会遗漏路径，另一种是动态规划（DP）二维列表存储，简化了处理重边的过程。两种方法都在DFS过程中进行优化，避免了无效的回溯。博客通过代码示例详细解释了这两种方法，并指出了各自在实现中的注意事项。

摘要由CSDN通过智能技术生成

在这里插入图片描述
这道题本不难，难点是在重边。正常逻辑应该都可以想到存储顶点与顶点之间的长度的关系，然后dfs从1到n，相当于回溯~
存储的话第一种解法是字典，稍许麻烦，因为重边的原因，先排序，然后后续进来一致的都否掉；第二种解法是dp二维列表存储，dp[i] [j]代表的是顶点i到顶点j的距离，下次来就是求min。

然后就是常规的dfs。第一种解法遇到的障碍是忽略了可能不在record里面，相当于在利用字典的时候，还是应该提前判断是否在字典中，否则很难检查，遗留大患！！！！

class Solution:
    def findShortestPath(self , n , m , graph ):
        # write code here
        record = {}
        graph = sorted(graph, key=lambda x:(x[0], x[2]))
        res = 1
                
        for i in range(len(graph)):
            node1, node2, length = graph[i]
            if node1 not in record:
                record[node1] = [[node2, length]]
            else:
                if record[node1][-1][0] == node2:
                    continue
                else:
                    record[node1].append([node2, length])
                    
        self.max_length = 100000000
        sign = {}
        def dfs(node, weight):
            if node == n:
                if weight < self.max_length:
                    self.max_length = weight
                return 
            if node not in record: # 失败源头！！
                return 
            for i in range(len(record[node])):
                res, length = record[node][i]
                if res in sign:
                    continue
                sign[res] = 1
                dfs(res, weight+length)
                sign.pop(res)
                
        dfs(1, 0)
        if self.max_length == 100000000:
            return -1
        return self.max_length

这道题其实和上面的一样，区别是使用了DP来保存i到j的weight。比起字典似乎更加简便。
class Solution:
    def findShortestPath(self , n , m , graph ):
        dp = []
        for i in range(n):
            dp.append([float(1000000)]*n)
        
        for i in range(len(graph)):
            node1, node2, length = graph[i]
            dp[node1-1][node2-1] = min(length, dp[node1-1][node2-1])
        
        sign = {}
        self.max_length = 1000000
        def dfs(node, weight):
            if node == n-1:
                if weight < self.max_length:
                    self.max_length = weight
                return 
            for i in range(n):
                if i in sign:
                    continue
                if dp[node][i] != 1000000:
                    sign[i] = 1
                    dfs(i, weight+dp[node][i])
                    sign.pop(i)
                else:
                    continue
        dfs(0, 0)
        if self.max_length == 1000000:
            return -1
        return self.max_length