【蓝桥刷题】备战国赛——交通信号

蓝桥杯2022国赛真题——交通信号

🚀 每日一题，冲刺国赛 🚀

---

题目导航：

交通信号

🎇思路：$dijkstra$

🔱思路分析：

要求从一点到另一点的最短距离，即为单源最短路径问题，用$dijkstra$算法

step：

🚀1.构图：

本题描述为有向图，但其实是一个的无向图，其权值相同，只是能通过时所对应的灯的颜色不同，正向走对应绿灯时能通过，反向走对应红灯时能通过

而难点就在于如何构图，每条边之间不仅有权值（边长$==$黄灯时间），还可能存在等待相应灯的时间，也就是说，每到一个新的结点时，在继续前往下一个结点之前，要先看红绿灯，因此，对于此类边上信息复杂的图，我们 用类表示一条边：

$classEdge:$

• self.to_red：到达红灯的时间
• self.circle：一个周期：绿$\to$黄$\to$红$\to$黄
• forward(t)：表示当前结点到另一结点时正向走的，即只有绿灯时能走，$t$ 表示当前时间，$return$ 到绿灯时需要等待的时间
• back(t)：表示当前结点到另一结点是反向走的，即只有红灯时能走，$t$ 表示当前时间，$return$ 到红灯时需要等待的时间

class Edge:
    def __init__(self,green,red,yellow):
        self.g,self.r,self.d=green,red,yellow # 存放该边上的绿灯、红灯时间和距离
        self.to_red=self.g+self.d  # 到达红灯的时间
        # 一个循环的时间: 绿 -> 黄 -> 红 -> 黄
        self.circle=self.g+self.r+self.d+self.d # 一个周期的时间

    def forward(self,t): # 计算正向时的时间
        t%=self.circle
        return self.d+ (0 if t<self.g else self.circle-t) # 通过时间+等待时间

    def back(self,t): # 计算反向时的时间
        t=(t-self.to_red)%self.circle # 以红灯为周期起点
        return self.d+ (0 if t<self.r else self.circle-t)

再用邻接表存放这些结点和边，对于给出的点 $i,j$ 来说，正向为：$i\to j$，反向为：$j\to i$

而这里涉及到了$python$的两个语法：

✅ 1. $\ast$ 打包与解引用：

①*a=tuple(map(int,input().split()))：表示打包，将输入的元素打包为元组（或列表）类型，带 $\ast$ 的赋值目标必须位于列表或元组中

②e=Edge(*a)：表示对打包的元组 $a$ 进行解引用再作为参数到类中

✅ 2. 元组内存放类内方法：

在$Python$中，方法实际上是定义在类中的函数，可以像其他函数一样存储在元组中，但是需要注意，通过元组调用方法时，需要使用对应的对象或类来调用。例如：

class MyClass:
    def my_method(self,t):
        print("Hello World"+t)

my_tuple = (MyClass().my_method,1)
my_tuple[0]('!') # 输出：Hello World!

因此，我们可以在结点 $i,j$ 对应的元组中存放不同的方法，在调用时，直接按照对应的方法得到等待时间即可，对于正向 $i\to j$，到绿灯的时间即为等待时间，存放 $forward$ 方法；反向为 $j\to i$，到红灯的时间即为等待时间，存放 $back$ 方法：

n,m,start,end=map(int,input().split())
g=[[] for _ in range(n+1)] # 存图
for _ in range(m):
    i,j,*a=tuple(map(int,input().split())) # 这里*a是将剩余的传入的参数打包为元组(g,r,d)
    e=Edge(*a)  # 这里的*a是将元组a=(g,r,d)解包为g,r,d初始化一个类
    g[i].append((j,e.forward)) # 对于i来说，到结点j为正向，并传递计算时间类内方法
    g[j].append((i,e.back))    # 对于j来说，到结点i为反向

🚀2.$Dijkstra$ 算法

$Dijkstra$ 算法：即每一轮不断选取当前的路径最短且未被确定为最短路径的点，该点的值即为到达该点的最短路径，做上标记，并以该点去更新与之相邻且未确定最短路径的结点的值，取 $min$，直到所有结点都已经得到了最短路径

🎁图解算法：

1. 先构建一张图，初始化到所有点的最短路径为 $\infty$

   

2. 假设要求点 $A\to F$ 的最短路径，我们则以点 $A$ 为源点，则到点 $A$ 的最短距离为 $0$

   

3. 此时不难发现，所有点中，路径最小的点即为 $A$，则表示 $A$ 已经找到了最短路径，做上标记，并更新与 $A$ 相邻点 $B,C$ 的最短距离

   

4. 更新之后，此时的最短路径对应的点为点$C$，表示点 $C$ 已经找到了最短路径，做上标记之后，更新与 $C$ 相邻的未做标记的点 $B,D,E$ 的最短路径

   

5. 重复操作，直到遍历完整张图，得到源点到 $F$ 点的最短路径

   

由于 $dijkstra$ 算法需要不断得到当前的最小路径对应的结点，因此我们用小根堆对当前结点进行储存

💫$python$中的优先队列即为小根堆，即内部的存储结构为二叉树，树的根结点保证为最小权值点，其数组的存储方式为层序存储：

🎇优先队列 $PriorityQueue$：

• 导包：$fromqueueimportPriorityQueue$
• 入队：$q.put()$
• 出队：$q.get()$
• 队列大小：$q.qsize()$

代码实现：

from queue import PriorityQueue

def dijkstra(start):
    """
    源点:start
    到源点某结点的最短时间数组:d
    优先队列:v
    结点的被标记情况：vis
    """
    d=[float('inf') for _ in range(n+1)] # d[i]表示源点start到点i的最短时间
    d[start]=0
    vis=[True for _ in range(n+1)] # True:已找到最短路径；False:未找到最短路径
    v=PriorityQueue()  # 实例化优先队列
    v.put((0,start))   # 记录当前到结点node的最短距离 (d,node)
    while v:
        m=v.get()[1]   # 利用优先队列得到当前距里源点最近的点
        if m==end:
            break
        if vis[m]:     # 如果点m还未找到最短路径
            vis[m]=False
            for m_node,get_time in g[m]:  # 访问与结点m相邻的点
                if vis[m_node]:   # 还是先判断与m相邻的点是否被标记过，避免重复判断
                    time=d[m]+get_time(d[m])  # 得到这条路径到m_node的时间
                    if time<d[m_node]:
                        d[m_node]=time
                        v.put((d[m_node],m_node))
        else:
            continue   # 表示当前结点是之前已经找到最短距离的点

    return d[end]

$dijkstra$ 算法实现：

from queue import PriorityQueue

class Edge:
    def __init__(self,green,red,yellow):
        self.g,self.r,self.d=green,red,yellow # 存放该边上的绿灯、红灯时间和距离
        self.to_red=self.g+self.d  # 到达红灯的时间
        # 一个循环的时间: 绿 -> 黄 -> 红 -> 黄
        self.circle=self.g+self.r+self.d+self.d # 一个周期的时间

    def forward(self,t): # 计算正向时的时间
        t%=self.circle
        return self.d+ (0 if t<self.g else self.circle-t) # 通过时间+等待时间

    def back(self,t): # 计算反向时的时间
        t=(t-self.to_red)%self.circle # 以红灯为周期起点
        return self.d+ (0 if t<self.r else self.circle-t)


def dijkstra(start):
    """
    源点:start
    到源点某结点的最短时间数组:d
    优先队列:v
    结点的被标记情况：vis
    """
    global d,vis
    v=PriorityQueue()  # 实例化优先队列
    v.put((0,start))   # 记录当前到结点node的最短距离 (d,node)
    while v:
        m=v.get()[1]   # 利用优先队列得到当前距里源点最近的点
        if m==end:
            break
        if vis[m]:     # 如果点m还未找到最短路径
            vis[m]=False
            for m_node,get_time in g[m]:  # 访问与结点m相邻的点
                if vis[m_node]:   # 还是先判断与m相邻的点是否被标记过，避免重复判断
                    time=d[m]+get_time(d[m])  # 得到这条路径到m_node的时间
                    if time<d[m_node]:
                        d[m_node]=time
                        v.put((d[m_node],m_node))
        else:
            continue   # 表示当前结点是之前已经找到最短距离的点

    return d[end]


n,m,start,end=map(int,input().split())
g=[[] for _ in range(n+1)] # 存图
for _ in range(m):
    i,j,*a=tuple(map(int,input().split())) # 这里*a是将剩余的传入的参数打包为元组(g,r,d)
    e=Edge(*a)  # 这里的*a是将元组a=(g,r,d)解包为g,r,d初始化一个类
    g[i].append((j,e.forward)) # 对于i来说，到结点j为正向，并传递计算时间类内方法
    g[j].append((i,e.back))    # 对于j来说，到结点i为反向

d=[float('inf') for _ in range(n+1)] # d[i]表示源点start到点i的最短时间
d[start]=0
vis=[True for _ in range(n+1)] # True:已找到最短路径；False:未找到最短路径

res=dijkstra(start)
if res<float('inf'):
    print(res)
else:
    print(-1)

输出结果：

---

 

🎇此题为2022年$python$国赛研究生组的一道图论题，今天的考点是~🎇

$dijkstra$ 算法！