1. 问题描述:
有 n 个城市,按从 0 到 n-1 编号。给你一个边数组 edges,其中 edges[i] = [fromi, toi, weighti] 代表 fromi 和 toi 两个城市之间的双向加权边,距离阈值是一个整数 distanceThreshold。
返回能通过某些路径到达其他城市数目最少、且路径距离 最大 为 distanceThreshold 的城市。如果有多个这样的城市,则返回编号最大的城市。
注意,连接城市 i 和 j 的路径的距离等于沿该路径的所有边的权重之和。
示例 1:
输入:n = 4, edges = [[0,1,3],[1,2,1],[1,3,4],[2,3,1]], distanceThreshold = 4
输出:3
解释:城市分布图如上。
每个城市阈值距离 distanceThreshold = 4 内的邻居城市分别是:
城市 0 -> [城市 1, 城市 2]
城市 1 -> [城市 0, 城市 2, 城市 3]
城市 2 -> [城市 0, 城市 1, 城市 3]
城市 3 -> [城市 1, 城市 2]
城市 0 和 3 在阈值距离 4 以内都有 2 个邻居城市,但是我们必须返回城市 3,因为它的编号最大。
示例 2:
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/find-the-city-with-the-smallest-number-of-neighbors-at-a-threshold-distance
2. 思路分析:
① 一开始的时候想到使用dfs但是发现比较麻烦,因为构建两个及节点之间权重的关系比较麻烦,所以没有使用这个方法来解决,仔细分析题目可以知道我们是要求解出从原顶点到达其余的各个顶点的最短路径,所以本质上考察的是图论的最短路径的知识,所以我们只需要求解出源顶点到其余顶点的最短路径即可,然后与distanceThreshold 比较来确定这个城市是否满足条件
② 求解源点到其余顶点最短路径的问题可以使用常用的Dijkstra算法来解决,此外我们需要求解出每一对顶点到其余顶点的最短距离,所以在Dijkstra算法的基础上我们需要再嵌套一层for循环来模拟不同的源点,其实与Dijkstra算法基本上是一样的,只是处理的细节不一样
3. 代码如下:
class Solution {
public int findTheCity(int n, int[][] edges, int distanceThreshold) {
int [][]map = new int[n][n];
int max = 100000;
int res = -1;
int MIN = n + 1;
for (int []cur : map) Arrays.fill(cur, max);
for (int i = 0; i < n; i++) {
map[i][i] = 0;
}
/*初始化图的无向边*/
for (int []cur : edges){
map[cur[0]][cur[1]] = map[cur[1]][cur[0]] = cur[2];
}
/*最外层的for循环是用来表示从当前的顶点进行出发的*/
for (int i = 0; i < n; ++i){
int []vis = new int[n];
int []dis = new int[n];
/*下面这个是Dijkstra算法的模板*/
Arrays.fill(dis, max);
dis[i] = 0;
vis[i] = 1;
for (int v = 0; v < n; ++v){
dis[v] = map[i][v];
}
for (int j = 0; j < n - 1; ++j){
int min = max, start = 0;
for (int k = 0; k < n; ++k){
if (vis[k] == 0 && dis[k] < min) {
start = k;
min = dis[k];
}
}
vis[start] = 1;
for (int k = 0; k < n; ++k){
if (vis[k] == 0 && dis[k] > dis[start] + map[start][k]){
dis[k] = dis[start] + map[start][k];
}
}
}
int count = 0;
for (int k = 0; k < n; ++k){
if (dis[k] <= distanceThreshold) ++count;
}
if (count <= MIN) {
MIN = count;
res = i;
}
}
return res;
}
}