Leetcode-Network Delay Time

本文介绍了一个网络节点信号传播时间计算的问题,并使用迪杰斯特拉算法进行解决。文章详细阐述了算法的具体实现步骤,包括初始化距离数组、维护两个节点集合、更新最短路径等。

Problem

There are N network nodes, labelled 1 to N.

Given times, a list of travel times as directed edges times[i] = (u, v, w), where u is the source node, v is the target node, and w is the time it takes for a signal to travel from source to target.

Now, we send a signal from a certain node K. How long will it take for all nodes to receive the signal? If it is impossible, return -1.
Note:
N will be in the range [1, 100].
K will be in the range [1, N].
The length of times will be in the range [1, 6000].
All edges times[i] = (u, v, w) will have 1 <= u, v <= N and 1 <= w <= 100.

具体详见Leetcode

Analysis

这道题是关于图的问题,求的是从某一个特定的点K出发到其它所有点的总时间。
这道题实际上是在应用迪杰斯特拉算法。把所有的顶点分为两个集合,一个集合是从K点出发到达的顶点集inside,另一个暂时还不能从K点出发到达的集合outside。一开始到达集合是空的,另一个集合中包含所有的点。然后维护一个dis数组,最开始dis[K-1]=0(坐标从0开始),其它点的dis值为101(最大值),然后遍历当前的集合outside,找到outside集合中dis值最小的点,成为新的加入到inside集合的点,因为新的点加入到inside集合中会对outside集合中的dis的值产生影响,所有对outside集合中每一个点检查,如果当前点的dis加上当前点到检查点的距离比原来检查点的dis小,更新检查点的dis值。
此题在迪杰斯特拉算法的基础上,在判断一个新加入inside集合的点的dis如果比当前最大时间大的话,更新最大时间max。
如果最后outside剩下的所有点的dis值都为101(最大值)的话,那么不存在路径从K到所有点的路径。

Complexity

时间复杂度: O(V2+E)
空间复杂度: O(N2)

Code

class Solution {
public:
    int networkDelayTime(vector<vector<int>>& times, int N, int K) {

        //initialize
        int* dis = new int[N];

        vector<int> inside;
        std::vector<int> outside;

        int** matrix = new int* [N];
        for (int i = 0; i < N; i++) {

            outside.push_back(i);
            matrix[i] = new int[N];
            for (int j = 0; j < N; j++) {
                if (i != j) matrix[i][j] = 101;
                else matrix[i][j] = 0;
            }
            dis[i] = 101;
        }
        dis[K-1] = 0;
        bool flag = true;
        for (int i = 0; i < times.size(); i++) {
            matrix[times[i][0]-1][times[i][1]-1] = times[i][2];

        }


        int max = 0;

        while (inside.size() < N) {


            int min = outside[0], mIndex = 0;

            if(min == K-1) {
                if (min+1 < N) min = min+1;
                else min = min-1;
            }
            for (int i = 0; i < outside.size(); i++) {
                if (dis[outside[i]] < dis[min]) {
                    min = outside[i];
                    mIndex = i;
                }
            }

            if (dis[min] == 101) {
                flag = false;
                break;
            }
            if (dis[min] > max) max = dis[min];
            outside.erase(outside.begin()+mIndex);
            inside.push_back(min);
            for (int i = 0; i < N; i++) {
                if ((dis[min]+matrix[min][i]) < dis[i]) {
                    dis[i] = dis[min]+matrix[min][i];
                }
            }

        }
        for(int i = 0; i < N; i++)
            delete []matrix[i];
        delete []matrix;
        delete []dis;
        if (!flag) return -1;

        return max;
    }
};
### Dijkstra算法相关的LeetCode题目 Dijkstra算法主要用于解决单源最短路径问题,适用于加权图中的路径计算。以下是与Dijkstra算法密切相关的LeetCode题目: #### 题目一:网络延迟时间 (Network Delay Time) 这是一道经典的Dijkstra算法应用题,目标是找到信号从起点传播到所有节点所需的最长时间。如果无法到达某些节点,则返回 `-1`[^1]。 ```python import heapq from collections import defaultdict def networkDelayTime(times, n, k): graph = defaultdict(list) for u, v, w in times: graph[u].append((v, w)) dist = {node: float('inf') for node in range(1, n + 1)} dist[k] = 0 heap = [(0, k)] while heap: current_dist, u = heapq.heappop(heap) if current_dist > dist[u]: continue for v, weight in graph[u]: distance = current_dist + weight if distance < dist[v]: dist[v] = distance heapq.heappush(heap, (distance, v)) max_time = max(dist.values()) return max_time if max_time != float('inf') else -1 ``` 此代码实现了基于优先队列优化的Dijkstra算法来解决问题。 --- #### 题目二:最低成本连接所有城市 (Min Cost to Connect All Points) 虽然该题主要涉及Kruskal或Prim算法,但在特定情况下也可以通过构建完全图并使用Dijkstra算法求解[^2]。不过需要注意的是,这种方法效率较低,通常不推荐作为首选方案。 --- #### 题目三:最便宜航班 (Cheapest Flights Within K Stops) 尽管本题可以通过Bellman-Ford或者BFS方法解答,但采用修改版的Dijkstra同样可行。区别在于需要增加状态维度以记录剩余跳跃次数[^5]。 ```python def findCheapestPrice(n, flights, src, dst, k): graph = defaultdict(list) for u, v, p in flights: graph[u].append((v, p)) pq = [(0, src, k + 1)] # price, vertex, stops remaining while pq: cost, city, steps_left = heapq.heappop(pq) if city == dst: return cost if steps_left > 0: for neighbor, price in graph[city]: new_cost = cost + price heapq.heappush(pq, (new_cost, neighbor, steps_left - 1)) return -1 ``` 上述实现展示了如何扩展传统Dijkstra逻辑适应更多约束条件下的场景需求[^5]。 --- ### 总结 以上列举了几类适合练习Dijkstra算法的经典LeetCode题目及其对应解决方案概览。每种变体都体现了不同实际应用场景下对该基础理论框架的具体调整运用方式。
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