学这一节之前,我们已经在“初探深搜与广搜”这一篇博客中了解到:搜索其实也是一种状态的转移。我们甚至可以类比动态规划与图论,将每个状态视为节点,bfs的求解就相当于求出从起点到终点的最短路。那么下面是对于理论的具体诠释:
双端队列bfs
例题1:AcWing 175.电路维修
这题问的是需要移动多少根电线使得发动机与电源联通,那么我们不妨认为:不连通的两个接点之间的权值是1(即需要旋转1次),联通的两个接点之间的权值为0。那么只要用Dijkstra对全图求一个最短路就可以了。但是又因为这个图是0/1权图,所以考虑采用双端队列代替优先队列,将0放队头,1放队尾即可。代码如下:
#include<iostream>
#include<cstdio>
#include<cstring>
#include<deque>
using namespace std;
const int N=505,INF=0x3f3f3f3f;
int n,m;
int d[N][N];
char s[N][N];
bool st[N][N];
struct Node{
int x,y,z;
};
int dx[4]={
-1,-1,1,1};//点的坐标偏移量
int dy[4]={
-1,1,1,-1};
int ix[4]={
0,0,-1,-1};//把点转移成格子
int iy[4]={
0,-1,-1,0};
char c[5]="\\/\\/";
bool check(int x,int y){
return x<=n && x>=0 && y<=m && y>=0;
}
deque<Node> q;
int dijkstra(){
memset(d,0x3f,sizeof d);
memset(st,false,sizeof st);
d[0][0]=0;
q.push_front({
0,0,0});
while(q.size()){
Node t=q.front();
q.pop_front();
if(st[t.x][t.y]) continue;
st[t.x][t.y]=true;
for(int i=0;i<4;i++){
int kx=t.x+dx[i],wx=kx+ix[i];
int ky=t.y+dy[i],wy=ky+iy[i];
if(!check(kx,ky)) continue;
int w;
if(s[wx][wy]==c[i]){
w=0;
}
else w=1;
if(d[t.x][t.y]+w<d[kx][ky]){
d[kx][ky]=d[t.x][t.y]+w;
if(!w){
q.push_front({
kx,ky,w});
}
else{
q.push_back({
kx,ky,w});
}
}
}
}
return d[n][m];
}
int main(){
int T;
cin>>T;
while(T--){
cin>>n>>m;
for(int i=0;i<n;i++) cin>>s[i];
int t=dijkstra();
if(t==INF) puts("NO SOLUTION");
else cout<<t<<endl;
}
return 0;
}
优先队列bfs
例题2:AcWing 176.装满的油箱(优先队列bfs)
这题乍一看:是贪心吗?逆推?显然过于复杂。看到这是一个在图中的问题,考虑使用类似于图论的算法。再考虑到之前说到的:搜索也是一种状态的转移。所以不妨用dist[city][fuel]来表示当前处于city节点,且邮箱里的油量为fuel时,起点S到city所耗费的最少油费。那么这个问题就变得很清晰了:一个二维状态的Dijkstra。
具体转移方法:见蓝书P123
代码如下:
#include<iostream>
#include<cstring>
#include<queue>
using namespace std;
const int N=1005,M=20005;<