HDU 3001 Traveling

本文介绍了一个使用三进制状态压缩动态规划方法解决旅行问题的例子。问题要求找到经过所有城市的最短路径,允许每个城市访问两次。文章详细介绍了算法思路、关键步骤,并提供了完整的代码实现。

Travelling HDU - 3001

Description

    After coding so many days,Mr Acmer wants to have a good rest.So travelling is the best choice!He has decided to visit n cities(he insists on seeing all the cities!And he does not mind which city being his start station because superman can bring him to any city at first but only once.), and of course there are m roads here,following a fee as usual.But Mr Acmer gets bored so easily that he doesn’t want to visit a city more than twice!And he is so mean that he wants to minimize the total fee!He is lazy you see.So he turns to you for help.

Input

    There are several test cases,the first line is two intergers n(1<=n<=10) and m,which means he needs to visit n cities and there are m roads he can choose,then m lines follow,each line will include three intergers a,b and c(1<=a,b<=n),means there is a road between a and b and the cost is of course c.Input to the End Of File.

Output

    Output the minimum fee that he should pay,or -1 if he can’t find such a route.

Sample Input

2 1
1 2 100
3 2
1 2 40
2 3 50
3 3
1 2 3
1 3 4
2 3 10

Sample Output

100
90
7


About:

    给你 n 个点, 和 m 条边,经过边会有花费,且每个点可以经过两次,求走完每个点的最小花费。

Solution:

    开始我看快了,我以为每个点只能经过一次,调了好久。
    这道题的每个点可以经过 2 次,于是就会想到 3 进制的状压,于是我们想了一想,嗯,比较简单直接暴力扫就好了。于是我们只需要暴力扫每条边然后更新答案就好了。主要是为了练一练 3 进制的状压,当然尝试了后发现, 你用数组存 3 进制要好很多。毕竟其他的并不好调。
    哦,还有,傻逼的我开始求最终答案时是从数位都为 1, 遍历到数位都为 2 的所有情况,后来才反应过来,这样是错的,因为你不能保证其中的状态满足每位都有, 比如 (111111)3(202020)3(222222)3,看来我是真的弱。


Code:

#include <cstdio>
#include <cstdlib>
#include <cstring>
#include <string>
#include <algorithm>
#include <iostream>
#include <cmath>
#include <ctime>
#include <map>
#include <vector>
using namespace std;

inline int read() {
    int i = 0, f = 1;
    char ch = getchar();
    while(!isdigit(ch)) {
        if(ch == '-') f = -1; ch = getchar();
    }
    while(isdigit(ch)) {
        i = (i << 3) + (i << 1) + ch - '0'; ch = getchar();
    }
    return i * f;
}

int dp[15][60000], way[15][15], n, m;
int pow1[20], num[60000][15];


inline void init() {
    pow1[0] = 1;
    for(int i = 1; i <= 15; ++i) pow1[i] = pow1[i - 1] * 3;
    for(int i = 0; i < pow1[10]; ++i) {
        int now = i;
        for(int j = 0; j < 10; ++j) {
            num[i][j] = now % 3;
            now /= 3;
        }
    }
}

inline bool check(int k, int i) {
    if(num[k][i] >= 2) return false;
    return true;
}

inline bool exist(int k, int i) {
    if(num[k][i]) return true;
    return false;
}

inline void Input() {
    memset(way, 0x3f3f, sizeof(way));
    memset(dp, 0x3f3f, sizeof(dp));
    for (int i = 1; i <= m; ++i) {
        int x = read(), y = read(), w = read();
        way[x][y] = min(way[x][y], w);
        way[y][x] = min(way[y][x], w);
    }
}

int main() {

    init();

    while(scanf("%d%d", &n, &m) != EOF) {
        Input();
        int ans = 0x3f3f3f3f;
        int MAX = pow1[n] - 1; 
        for(int i = 1; i <= n; ++i) dp[i][pow1[i - 1]] = 0;

        for(int k = 0; k <= MAX; ++k) {
            int flag = 1;
            for(int i = 1; i <= n; ++i) {
                if(!exist(k, i - 1)) { flag = 0; continue; }
                for(int j = 1; j <= n; ++j) {
                    if(i != j && way[i][j] != 0x3f3f3f3f) {
                        if(check(k, j - 1))
                            dp[j][k + pow1[j - 1]] = min(dp[j][k + pow1[j - 1]], dp[i][k] + way[i][j]);
                    }
                }
            }
            if(flag)
                for(int j = 1; j <= n; ++j) 
                    ans = min(ans, dp[j][k]);
        } 
        if(ans == 0x3f3f3f3f) ans = -1;
        printf("%d\n", ans);
    }
}
根据原作 https://pan.quark.cn/s/0ed355622f0f 的源码改编 野火IM解决方案 野火IM是专业级即时通讯和实时音视频整体解决方案,由北京野火无限网络科技有限公司维护和支持。 主要特性有:私有部署安全可靠,性能强大,功能齐全,全平台支持,开源率高,部署运维简单,二次开发友好,方便与第三方系统对接或者嵌入现有系统中。 详细情况请参考在线文档。 主要包括一下项目: 野火IM Vue Electron Demo,演示如何将野火IM的能力集成到Vue Electron项目。 前置说明 本项目所使用的是需要付费的,价格请参考费用详情 支持试用,具体请看试用说明 本项目默认只能连接到官方服务,购买或申请试用之后,替换,即可连到自行部署的服务 分支说明 :基于开发,是未来的开发重心 :基于开发,进入维护模式,不再开发新功能,鉴于已经终止支持且不再维护,建议客户升级到版本 环境依赖 mac系统 最新版本的Xcode nodejs v18.19.0 npm v10.2.3 python 2.7.x git npm install -g node-gyp@8.3.0 windows系统 nodejs v18.19.0 python 2.7.x git npm 6.14.15 npm install --global --vs2019 --production windows-build-tools 本步安装windows开发环境的安装内容较多,如果网络情况不好可能需要等较长时间,选择早上网络较好时安装是个好的选择 或参考手动安装 windows-build-tools进行安装 npm install -g node-gyp@8.3.0 linux系统 nodej...
<think>好的,我现在需要处理用户关于HDU OJ问题3001的请求。用户希望找到相关的解法或讨论。首先,我需要确认问题3001的具体内容,因为不同的OJ平台可能有不同的题目编号。HDU OJ是中国杭州电子科技大学的在线判题系统,所以首先我得查找该题目的具体信息。 问题3001的标题通常是“Travelling”或者类似的名称,因为常见的旅行商问题(TSP)题目编号可能接近这个。例如,HDU 3001可能是一个缩的动态规划问题,涉及每个城市最多访问两次的情况。用户可能需要缩和三进制的解法,因为传统的TSP问题使用二进制,但这里可能有访问次数限制。 接下来,我需要回忆或查找该题的具体要求。例如,题目可能要求访问所有城市,每个城市最多访问两次,求最短路径。这种情况下,态表示需要用三进制来记录每个城市的访问次数,而不是二进制的0或1。动态规划的态可能是dp[state][u],其中state是三进制数,表示各城市的访问次数,u是当前所在的城市。 然后,关于解法,可能需要用到三进制缩。因为每个城市有三个态:未访问、访问一次、访问两次。因此,态的总数是3^n,对于n=10的情况,3^10=59049,这在内存上是可行的。动态规划的转移需要考虑相邻节点的访问次数是否超过限制,并更新最短路径。 另外,用户可能需要代码示例。需要确保代码正确处理三进制的态转换,可能涉及三进制数的每一位的提取和更新。例如,如何从当前态中提取某个城市的访问次数,并判断是否还能继续访问。 可能还需要考虑预处理三进制的各位权值,或者使用其他优化方法,比如优先队列(Dijkstra算法)来优化态转移,因为可能存在多个态需要按路径长度排序处理。 关于引用,用户提供的参考引用似乎与问题1454相关,可能与当前问题无关,但需要确保在回答中正确引用任何相关资源。可能需要查找HDU OJ上的讨论版或者已有的题解,但用户可能无法直接访问,所以应提供详细的解决思路。 最后,生成的相关问题可能涉及缩动态规划的技巧、三进制的实现方法、与其他TSP变体的比较,或者该问题的时间复杂度分析。需要确保这些问题能够帮助用户深入理解解题方法。</think>关于HDU OJ问题3001(Travelling)的解法分析如下: ### 问题描述 该问题要求访问$n$个城市($n \leq 10$),每个城市最多访问2次,最终返回起点。求满足条件的最短路径长度,若无法完成返回$-1$[^1]。 ### 核心算法:三进制DP 1. **态设计** 定义$dp[state][u]$表示: - $state$:三进制数,每一位表示对应城市访问次数(0未访问,1访问1次,2访问2次) - $u$:当前所在城市 2. **态转移** 对每条边$u \rightarrow v$,检查: - 城市$v$的访问次数是否已达2次 - 更新后的态是否更优 转移方程: $$dp[new\_state][v] = \min(dp[new\_state][v], dp[state][u] + cost)$$ 3. **三进制处理技巧** - 预处理三进制权值数组$weight[12] = \{3^0,3^1,...,3^{10}\}$ - 通过取模运算提取某一位的值: ```python def get_digit(state, pos): return (state // weight[pos]) % 3 ``` ### 代码框架 ```python INF = float('inf') n, m = 10, 50 # 示例输入 weight = [3**i for i in range(12)] dp = [[INF]*n for _ in range(3**n)] # 初始化所有起点态 for i in range(n): dp[weight[i]][i] = 0 for state in range(3**n): for u in range(n): if dp[state][u] == INF: continue for v, cost in graph[u]: if get_digit(state, v) >= 2: continue new_state = state + weight[v] dp[new_state][v] = min(dp[new_state][v], dp[state][u] + cost) # 检查所有城市被访问过的态 min_cost = INF for state in valid_states: for u in range(n): min_cost = min(min_cost, dp[state][u] + cost[u][0]) # 返回起点 ``` ### 优化技巧 1. **预处理可行态**:提前筛选包含所有城市至少访问一次的态 2. **剪枝策略**:当当前路径长度已超过已知最优解时停止扩展 3. **邻接表优化**:使用邻接表存储边而非邻接矩阵
评论 1
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