LC-6255. 两个城市间路径的最小分数(BFS、DFS)【周赛322】

6255. 两个城市间路径的最小分数

难度中等2

给你一个正整数 n ,表示总共有 n 个城市,城市从 1n 编号。给你一个二维数组 roads ,其中 roads[i] = [ai, bi, distancei] 表示城市 aibi 之间有一条 双向 道路,道路距离为 distancei 。城市构成的图不一定是连通的。

两个城市之间一条路径的 分数 定义为这条路径中道路的 最小 距离。

城市 1 和城市 n 之间的所有路径的 最小 分数。

注意:

  • 一条路径指的是两个城市之间的道路序列。
  • 一条路径可以 多次 包含同一条道路,你也可以沿着路径多次到达城市 1 和城市 n
  • 测试数据保证城市 1 和城市n 之间 至少 有一条路径。

示例 1:
在这里插入图片描述

输入:n = 4, roads = [[1,2,9],[2,3,6],[2,4,5],[1,4,7]]
输出:5
解释:城市 1 到城市 4 的路径中,分数最小的一条为:1 -> 2 -> 4 。这条路径的分数是 min(9,5) = 5 。
不存在分数更小的路径。

示例 2:

在这里插入图片描述

输入:n = 4, roads = [[1,2,2],[1,3,4],[3,4,7]]
输出:2
解释:城市 1 到城市 4 分数最小的路径是:1 -> 2 -> 1 -> 3 -> 4 。这条路径的分数是 min(2,2,4,7) = 2 。

提示:

  • 2 <= n <= 105
  • 1 <= roads.length <= 105
  • roads[i].length == 3
  • 1 <= ai, bi <= n
  • ai != bi
  • 1 <= distancei <= 104
  • 不会有重复的边。
  • 城市 1 和城市 n 之间至少有一条路径。

BFS

取连通块中最小的边

class Solution {
    int ans = (int)1e9;
    List<int[]>[] g;
    public int minScore(int n, int[][] roads) {
        g = new ArrayList[n+1];
        Arrays.setAll(g, e -> new ArrayList<int[]>());
        for (var e : roads) {
            int u = e[0], v = e[1], cnt = e[2];
            g[u].add(new int[]{v, cnt});
            g[v].add(new int[]{u, cnt}); // 建图
        }
        Deque<Integer> dq = new ArrayDeque<>();
        boolean[] visited = new boolean[n+1];
        dq.addLast(1);
        visited[1] = true;
        while(!dq.isEmpty()){
            int size = dq.size();
            while(size-- > 0){
                int idx = dq.pollLast();
                List<int[]> list = g[idx];
                for(int[] edge : list){
                    int to = edge[0], val = edge[1];
                    ans = Math.min(ans,val);
                    if(!visited[to]){
                        visited[to] = true;
                        dq.addFirst(to);
                    }
                }
            }
        }
        
        return ans;
    }
    
    
}

DFS

class Solution {
    int ans = (int)1e9;
    boolean[] visited;
    public int minScore(int n, int[][] roads) {
        List<int[]>[] g = new ArrayList[n+1];
        Arrays.setAll(g, e -> new ArrayList<int[]>());
        for (var e : roads) {
            int u = e[0], v = e[1], cnt = e[2];
            g[u].add(new int[]{v, cnt});
            g[v].add(new int[]{u, cnt}); // 建图
        }
        
        visited = new boolean[n+1];
        dfs(1, g);
        return ans;
    }

    public void dfs(int idx, List<int[]>[] g){
        visited[idx] = true;
        List<int[]> list = g[idx];
        for(int[] arr : list){
            int to = arr[0], val = arr[1];
            ans = Math.min(ans,val);
            if(!visited[to]){
                dfs(to,g);
            }
        }
    }
}
  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,你的要求已经记录下来了。让我来解答你的问题。 在 gsearch.py 中实现 DFSBFS、基于 BFS 的最短路径和拓扑排序算法的方法如下: 1. DFS(深度优先搜索): DFS 通过深度优先的方式搜索图形结构。在图形结构中,DFS 沿着一个路径尽可能深入地搜索,直到找到目标节点为止,然后回溯到前一个节点,继续搜索其他路径。 以下是实现 DFS 算法的 Python 代码: ``` def dfs(graph, start, visited=None): if visited is None: visited = set() visited.add(start) for next in graph[start] - visited: dfs(graph, next, visited) return visited ``` 2. BFS(广度优先搜索): BFS 通过广度优先的方式搜索图形结构。在图形结构中,BFS 从起点开始,沿着所有的路径分别搜索一层,然后继续向下搜索下一层,直到找到目标节点为止。 以下是实现 BFS 算法的 Python 代码: ``` def bfs(graph, start): visited, queue = set(), [start] while queue: vertex = queue.pop(0) if vertex not in visited: visited.add(vertex) queue.extend(graph[vertex] - visited) return visited ``` 3. 基于 BFS 的最短路径算法: 基于 BFS 的最短路径算法可以用于在无权图中查找最短路径算法从起点开始,通过 BFS 搜索图形结构,记录每个节点到起点的距离,并在找到目标节点时返回路径。 以下是实现基于 BFS 的最短路径算法的 Python 代码: ``` from collections import deque def shortest_path(graph, start, end): queue = deque([(start, [start])]) while queue: vertex, path = queue.popleft() for next in graph[vertex] - set(path): if next == end: return path + [next] else: queue.append((next, path + [next])) ``` 4. 拓扑排序算法: 拓扑排序算法用于有向无环图(DAG)中的节点排序。算法从 DAG 中选择一个没有前驱节点的节点,并将其输出。然后将该节点从 DAG 中删除,并更新其余节点的前驱节点。重复此过程,直到所有节点都被输出为止。 以下是实现拓扑排序算法的 Python 代码: ``` def topological_sort(graph): in_degree = {vertex: 0 for vertex in graph} for vertex in graph: for neighbor in graph[vertex]: in_degree[neighbor] += 1 queue = deque([vertex for vertex in in_degree if in_degree[vertex] == 0]) result = [] while queue: vertex = queue.popleft() result.append(vertex) for neighbor in graph[vertex]: in_degree[neighbor] -= 1 if in_degree[neighbor] == 0: queue.append(neighbor) return result ``` 希望这些代码可以帮助你实现 gsearch.py 中的算法。如果你有任何问题,请随时问我。

“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
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