有 n 个城市通过一些航班连接。给你一个数组 flights ,其中 flights[i] = [fromi, toi, pricei] ,表示该航班都从城市 fromi 开始,以价格 pricei 抵达 toi。
现在给定所有的城市和航班,以及出发城市 src 和目的地 dst,你的任务是找到出一条最多经过 k 站中转的路线,使得从 src 到 dst 的 价格最便宜 ,并返回该价格。 如果不存在这样的路线,则输出 -1。
787. K 站中转内最便宜的航班
难度中等430
有 n
个城市通过一些航班连接。给你一个数组 flights
,其中 flights[i] = [fromi, toi, pricei]
,表示该航班都从城市 fromi
开始,以价格 pricei
抵达 toi
。
现在给定所有的城市和航班,以及出发城市 src
和目的地 dst
,你的任务是找到出一条最多经过 k
站中转的路线,使得从 src
到 dst
的 价格最便宜 ,并返回该价格。 如果不存在这样的路线,则输出 -1
。
示例 1:
输入:
n = 3, edges = [[0,1,100],[1,2,100],[0,2,500]]
src = 0, dst = 2, k = 1
输出: 200
解释:
城市航班图如下
从城市 0 到城市 2 在 1 站中转以内的最便宜价格是 200,如图中红色所示。
示例 2:
输入:
n = 3, edges = [[0,1,100],[1,2,100],[0,2,500]]
src = 0, dst = 2, k = 0
输出: 500
解释:
城市航班图如下
从城市 0 到城市 2 在 0 站中转以内的最便宜价格是 500,如图中蓝色所示。
解析:
求最短路径,肯定可以用 BFS 算法来解决。因为 BFS 算法相当于从起始点开始,一步一步向外扩散,那当然是离起点越近的节点越先被遍历到,如果 BFS 遍历的过程中遇到终点,那么走的肯定是最短路径。
不过呢,我们在 BFS 算法框架详解 用的是普通的队列Queue
来遍历多叉树,而对于加权图的最短路径来说,普通的队列不管用了,得用优先级队列PriorityQueue
。
因为:
在多叉树(或者扩展到无权图)的遍历中,与其说边没有权重,不如说每条边的权重都是 1,起点与终点之间的路径权重就是它们之间「边」的条数。按照 BFS 算法一步步向四周扩散的逻辑,先遍历到的节点和起点之间的「边」更少,累计的权重当然少。
换言之,先进入Queue
的节点就是离起点近的,路径权重小的节点。
但对于加权图,路径中边的条数和路径的权重并不是正相关的关系了,有的路径可能边的条数很少,但每条边的权重都很大,那显然这条路径权重也会很大,很难成为最短路径。
所以,对于加权图的场景,我们需要优先级队列「自动排序」的特性,将路径权重较小的节点排在队列前面,以此为基础施展 BFS 算法。
采用动态规划思想:
- 若先不管k的限制:
s1, s2
是指向dst
的相邻节点,它们之间的权重我是知道的,分别是w1, w2
。
只要我知道了从src
到s1, s2
的最短路径,我不就知道src
到dst
的最短路径了吗!
minPath(src, dst) = min(
minPath(src, s1) + w1,
minPath(src, s2) + w2
)
这其实就是递归关系了
- 考虑路径条数k+1条边(k个站点即k+1条边)的限制
- dp函数定义:
从起点src
出发,k
步之内(一步就是一条边)到达节点s
的最小路径权重为dp(s, k)
。
- basecase
// 定义:从 src 出发,k 步之内到达 s 的最小成本
int dp(int s, int k) {
// 从 src 到 src,一步都不用走
if (s == src) {
return 0;
}
// 如果步数用尽,就无解了
if (k == 0) {
return -1;
}
// ...
}
题目想求的最小机票开销就可以用dp(dst, K+1)
来表示:
int findCheapestPrice(int n, int[][] flights, int src, int dst, int K) {
// 将中转站个数转化成边的条数
K++;
//...
return dp(dst, K);
- 状态转移
s1, s2
是指向dst
的相邻节点,我只要能够在K - 1
步之内从src
到达s1, s2
,那我就可以在K
步之内从src
到达dst
。
也就是如下关系式:
dp(dst, k) = min(
dp(s1, k - 1) + w1,
dp(s2, k - 1) + w2
)
- 实现细节:
- 怎么知道
s1, s2
是指向dst
的相邻节点,他们之间的权重是w1, w2
?HashMap
给一个节点,就能知道有谁指向这个节点,还知道它们之间的权重。得用一个数据结构记录每个节点的「入度」indegree:
代码
class Solution {
int src,dst;
HashMap<Integer, List<int[]>> indegree;
int[][] memo;
public int findCheapestPrice(int n, int[][] flights, int src, int dst, int k) {
k++;// 将中转站个数转化成边的条数
this.src=src;
this.dst=dst;
memo=new int[n][k+1];
for(int[] row:memo){
Arrays.fill(row,-888);
}
indegree=new HashMap<>();
for(int[] f:flights){
int from=f[0];
int to=f[1];
int price=f[2];
// 记录谁指向该节点,以及之间的权重
indegree.putIfAbsent(to,new LinkedList<>());
indegree.get(to).add(new int[]{from,price});
}
return dp(dst,k);
}
int dp(int s,int k){
// base case
if(s==src) return 0;
if(k==0) return -1;
// 查备忘录,防止冗余计算
if(memo[s][k]!=-888) return memo[s][k];
int res=Integer.MAX_VALUE;
if(indegree.containsKey(s)){
// 当 s 有入度节点时,分解为子问题
for(int[] v:indegree.get(s)){
int from=v[0];
int price=v[1];
int subProblem=dp(from,k-1);
if(subProblem!=-1){
res=Math.min(res,subProblem+price);
}
}
}
memo[s][k]= res == Integer.MAX_VALUE ? -1 : res;
return memo[s][k];
}
}