Two Paths HDU - 6181 A* K短路

本文介绍了一种求解无向图中从起点到终点的次短路径算法。通过使用Dijkstra算法预处理所有节点到终点的最短路径,再结合A*算法找到第二次到达终点的路径,即为次短路。代码实现包括了优先队列和图结构的使用。

题解

题目大意,给定一个无向图,求1到n的次短路,保证1到n有路径,起点终点相同时需要再次回到起点。

使用dijkstra以终点为初始点跑出其它所有节点到终点的最短路径作为A*的h函数值。
以起点为起始点使用A*算法,当第二次到达终点时则为次短路。

AC代码

#include <stdio.h>
#include <bits/stdc++.h>
#define fst first
#define sed second
using namespace std;
typedef long long ll;

const int INF = 0x3f3f3f3f;
const ll LINF = 0x3f3f3f3f3f3f3f3f;
const int N = 1e5 + 10;
int n, m;
bool vis[N];
ll dis[N];

struct edge
{
	int v, nxt;
	ll w;
}e[N * 2];
int h[N], idx;

void AddEdge(int u, int v, ll w)
{
	e[++idx] = { v, h[u], w };
	h[u] = idx;
}

struct node
{
	int v;
	ll g, h; //s到v v到t  f = g + h
	bool operator < (const node &oth) const
	{
		if (g + h != oth.g + oth.h)
			return g + h > oth.g + oth.h;
		return g > oth.g;
	}
};
void Dijkstra(int src)
{
	memset(dis, 0x3f, sizeof(dis));
	memset(vis, 0, sizeof(vis));
	dis[src] = 0;
	priority_queue<node> pq;
	pq.push({ src, 0, 0 });
	while (!pq.empty())
	{
		int u = pq.top().v, v;
		ll d = pq.top().h, w; pq.pop();
		vis[u] = 1;
		for (int i = h[u]; i; i = e[i].nxt)
		{
			v = e[i].v, w = e[i].w;
			if (!vis[v] && d + w < dis[v])
				dis[v] = d + w, pq.push({ v, 0, dis[v] });
		}
	}
}
ll AStar(int src, int k)
{
	priority_queue<node> pq;
	pq.push({ src, 0, 0 });
	while (!pq.empty())
	{
		int u = pq.top().v, v;
		ll d = pq.top().g, w; pq.pop();
		if (u == n && --k == 0) //是终点且是第k次到
			return d;
		for (int i = h[u]; i; i = e[i].nxt)
		{
			v = e[i].v, w = e[i].w;
			pq.push({ v, d + w, dis[v] });
		}
	}
	return -1;
}
int main()
{
#ifdef LOCAL
	freopen("C:/input.txt", "r", stdin);
#endif
	int T;
	cin >> T;
	while (T--)
	{
		idx = 0;
		memset(h, 0, sizeof(h));
		cin >> n >> m;
		for (int i = 1; i <= m; ++i)
		{
			int u, v;
			ll w;
			scanf("%d%d%lld", &u, &v, &w);
			AddEdge(u, v, w);
			AddEdge(v, u, w);
		}
		Dijkstra(n); //求出其它点到终点的最短路
		printf("%lld\n", AStar(1, 2));
	}

	return 0;
}
### 配置示例 以下是基于 `.gitlab-ci.yml` 文件的一个完整配置示例,展示如何通过 Docker 构建镜像,并设置 `artifacts` 和 `cache`: ```yaml image: docker:latest services: - docker:dind variables: DOCKER_DRIVER: overlay2 stages: - setup - build - test setup_job: stage: setup image: node:16 script: - npm install cache: paths: - node_modules/ artifacts: paths: - node_modules/ build_job: stage: build image: maven:3-jdk-8 script: - mvn clean package artifacts: paths: - target/*.jar only: - main test_job: stage: test image: openjdk:8 script: - java -jar target/my-springboot-app.jar --version dependencies: - build_job artifacts: when: always reports: junit: target/surefire-reports/TEST-*.xml test_python: stage: test image: python:3.9 script: - pip install -r requirements.txt - pytest --junitxml=junit/test-results.xml artifacts: paths: - junit/test-results.xml ``` #### 解析 上述配置展示了个阶段的任务定义及其功能[^3]。 1. **Docker Runner 设置** - 使用 `docker:dind`(Docker-in-Docker)服务运行容器化任务。 - 定义全局变量 `DOCKER_DRIVER` 来优化性能[^1]。 2. **Setup Job** - 在此阶段安装 Node.js 项目的依赖项。 - 将 `node_modules/` 缓存至后续任务中重用,减少重复下载时间。 - 同时将 `node_modules/` 存储为 artifact,供其他阶段访问。 3. **Build Job** - 利用 Maven 构建 Spring Boot 或 Java 项目。 - 所产生的 JAR 文件被标记为 artifact,在测试或其他阶段可获取。 - 只针对主线分支执行构建操作。 4. **Test Jobs** - 测试分为两部分:Java 应用程序和 Python 脚本。 - 对于 Java 测试,读取由 Build Stage 创建的 JAR 文件并验证其版本号。 - Python 测试则利用 Pytest 工具生成 JUnit 报告作为 artifact 输出。 5. **Artifacts 和 Cache** - Artifacts 是指在不同 job 或 pipeline 中共享的数据集合。 - 这里保存了编译后的二进制文件、JUnit 测试报告等内容。 - Caches 主要用于加速开发环境初始化过程,比如存储已解析好的库文件夹 `node_modules/`. --- ### 注意事项 为了使以上流程正常运作,请确认以下几点: - GitLab Runner 必须启用 shell 或者 docker executor 模式才能支持此类脚本执行。 - 如果涉及私有注册表推送,则需额外提供认证凭证给 runner 访问权限[^4]。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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