787. K 站中转内最便宜的航班(动态规划)

package com.wsq.leetcode;
/**
 * 787. K 站中转内最便宜的航班
 * @author wsq
 * @date 2020/10/21
	有 n 个城市通过 m 个航班连接。每个航班都从城市 u 开始,以价格 w 抵达 v。
	现在给定所有的城市和航班,以及出发城市 src 和目的地 dst,你的任务是找到从 src 到 dst 最多经过 k 站中转的最便宜的价格。 如果没有这样的路线,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
	
	链接:https://leetcode-cn.com/problems/cheapest-flights-within-k-stops
 */
import java.util.Arrays;

public class FindCheapestPrice {
	/**
	 *	动态规划,虽然知道了动态规划解题的基本思想,但是在处理复杂问题是,还是有点无知所措
	 *	1.确定状态
	 *		最后一步:经过k-1个中转战达到 站点i-1,然后经过一步达到站点i
	 *		子问题:计算经过k-1个中转到达i-1站点所需的最小的代价
	 *	2.定义转移方程
	 *		f[i][k] = min(f[i][k], f[i][k-1] + w)
	 *	3.初始化条件以及边界情况
	 *		计算src直达的状态
	 *	4.计算顺序
	 * @param n
	 * @param flights
	 * @param src
	 * @param dst
	 * @param K
	 * @return
	 */
	public int findCheapestPrice(int n, int[][] flights, int src, int dst, int K) {
        // 转移方程表示,经过多少中转最小代价到达目标
        int[][] f = new int[n][K + 1];
        
        for(int i = 0; i < n; i++){
            Arrays.fill(f[i], Integer.MAX_VALUE);
        }
        // 由src直达的目的地
        for(int[] flight: flights){
            if(flight[0] == src){
                f[flight[1]][0] = flight[2];
            }
        }
        // 设置出发地和目的地相同的状态,由于测试用例中存在环路,需要将src与dst相同的状态置成0
        for(int i = 0; i <= K; i++){
            f[src][i] = 0;
        }
        for(int i = 1; i <= K; i++){
            for(int[] flight: flights){
                if(f[flight[0]][i-1] != Integer.MAX_VALUE){
                    f[flight[1]][i] = Math.min(f[flight[1]][i], f[flight[0]][i-1] + flight[2]);
                }
            }
        }
        return f[dst][K] == Integer.MAX_VALUE ? -1 : f[dst][K];
    }
}

以下是使用Dijkstra算法解决该问题的Java代码实现: ``` import java.util.*; class Solution { public int findCheapestPrice(int n, int[][] flights, int src, int dst, int k) { // 构建邻接表 Map<Integer, List<int[]>> graph = new HashMap<>(); for (int[] flight : flights) { int u = flight[0], v = flight[1], w = flight[2]; if (!graph.containsKey(u)) { graph.put(u, new ArrayList<>()); } graph.get(u).add(new int[]{v, w}); } // 初始化距离数组 int[] dist = new int[n]; Arrays.fill(dist, Integer.MAX_VALUE); dist[src] = 0; // 使用优先队列维护当前距离小的点 Queue<int[]> pq = new PriorityQueue<>((a, b) -> a[0] - b[0]); pq.offer(new int[]{0, src, k + 1}); // Dijkstra算法 while (!pq.isEmpty()) { int[] cur = pq.poll(); int d = cur[0], u = cur[1], s = cur[2]; if (u == dst) { return d; } if (s > 0) { List<int[]> neighbors = graph.getOrDefault(u, new ArrayList<>()); for (int[] neighbor : neighbors) { int v = neighbor[0], w = neighbor[1]; if (dist[u] != Integer.MAX_VALUE && dist[u] + w < dist[v]) { dist[v] = dist[u] + w; pq.offer(new int[]{dist[v], v, s - 1}); } } } } return -1; } } ``` 其中,优先队列中每个元素的格式为`{距离, 当前节点, 剩余中转次数}`,表示从源点到当前节点的距离、当前节点的编号以及还剩余的中转次数。在Dijkstra算法中,每次从优先队列中取出距离小的节点进行扩展,并更新到其他节点的距离值。由于本题需要限制中转次数,因此需要在每次扩展节点时记录剩余的中转次数,并将其作为新元素加入优先队列中。
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