(算法)两个单词的最短距离

题目:

有个内含单词的超大文本,给定任意两个单词,找出这个文件中两个单词的最短距离。

思路:

通过两个两个变量来记录两个单词最后出现的位置,然后每次计算两者的距离,并更新最小距离。

假设需要重复查找任意两个单词的最短距离,则需要构造一个散列表,记录每个单词及其出现的位置。当查找某两个单词的最短距离时,只需找出该两单词所在列表差值最小的位置。

查找方法:可以将两个有序列表合并(列表元素包含位置及其所属单词,可以构造结构体)。

代码:

#include<iostream>
#include<vector>
#include<limits.h>
using namespace std;

int shortest_1(const vector<string> &words,string word1,string word2){
    int min=INT_MIN;
    int len=words.size();
    int lastWord1=-1;
    int lastWord2=-1;
    int distance;

    for(int i=0;i<len;i++){
        string curWord=words[i];
        if(curWord==word1){
            lastWord1=i;
            distance=lastWord1-lastWord2;
            if(lastWord2>=0 && min>distance)
                min=distance;
        }
        else if(curWord==word2){
            lastWord2=i;
            distance=lastWord2-lastWord1;
            if(lastWord1>=0 && min>distance)
                min=distance;
        }
    }
    return min;
}

int main(){
    return 0;
}

 

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
迪杰斯特拉算法是一种用于求解最短路径问题的算法。它可以用来求解两个城市之间的最短距离。下面是一个使用迪杰斯特拉算法求解两个城市最短距离的示例: 假设有一个带权有向图,其中每个节点表示一个城市,每条边表示两个城市之间的道路,边的权重表示两个城市之间的距离。我们要求解从起始城市到目标城市的最短距离。 首先,我们需要初始化一些数据结构,包括一个距离数组dist和一个已访问数组visited。dist数组用于存储从起始城市到每个城市的最短距离,visited数组用于标记每个城市是否已经被访问过。 然后,我们将起始城市的最短距离设置为0,并将其标记为已访问。接下来,我们遍历起始城市的所有邻居城市,并更新它们的最短距离。如果更新后的最短距离小于原来的最短距离,则更新dist数组。 接着,我们从未访问的城市中选择一个距离最短的城市作为下一个要访问的城市,并将其标记为已访问。然后,我们再次遍历该城市的所有邻居城市,并更新它们的最短距离。 重复上述步骤,直到所有的城市都被访问过或者找到了目标城市。 最后,我们可以通过查询dist数组来获取起始城市到目标城市的最短距离。 下面是一个使用迪杰斯特拉算法求解两个城市最短距离的示例代码: ```python import sys def dijkstra(graph, start, target): # 初始化距离数组 dist = [sys.maxsize] * len(graph) dist[start] = 0 # 初始化已访问数组 visited = [False] * len(graph) # 循环遍历所有城市 for _ in range(len(graph)): # 找到距离最短的城市 min_dist = sys.maxsize min_dist_city = -1 for i in range(len(graph)): if not visited[i] and dist[i] < min_dist: min_dist = dist[i] min_dist_city = i # 标记该城市为已访问 visited[min_dist_city] = True # 更新邻居城市的最短距离 for i in range(len(graph)): if not visited[i] and graph[min_dist_city][i] != 0 and dist[min_dist_city] + graph[min_dist_city][i] < dist[i]: dist[i] = dist[min_dist_city] + graph[min_dist_city][i] return dist[target] # 示例图的邻接矩阵表示 graph = [ [0, 4, 0, 0, 0, 0, 0, 8, 0], [4, 0, 8, 0, 0, 0, 0, 11, 0], [0, 8, 0, 7, 0, 4, 0, 0, 2], [0, 0, 7, 0, 9, 14, 0, 0, 0], [0, 0, 0, 9, 0, 10, 0, 0, 0], [0, 0, 4, 14, 10, 0, 2, 0, 0], [0, 0, 0, 0, 0, 2, 0, 1, 6], [8, 11, 0, 0, 0, 0, 1, 0, 7], [0, 0, 2, 0, 0, 0, 6, 7, 0] ] start = 0 target = 4 shortest_distance = dijkstra(graph, start, target) print("The shortest distance from city", start, "to city", target, "is", shortest_distance) ``` 这段代码使用了邻接矩阵来表示图,其中0表示两个城市之间没有直接的道路。你可以根据实际情况修改图的表示方式。

“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