Dijkstra模板题

文章介绍了如何使用Dijkstra算法在含有重边和自环的有向图中,从1号点找到到n号点的最短路径。给出了两种实现方式,一种是基础版本,另一种是堆优化后的版本,适用于边的数量较大的情况。如果无法找到路径,则输出-1。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

849. Dijkstra求最短路 I - AcWing题库

给定一个 n个点 m 条边的有向图,图中可能存在重边和自环,所有边权均为正值。

请你求出 11 号点到 n 号点的最短距离,如果无法从 1号点走到 n号点,则输出 −1。

输入格式

第一行包含整数 n 和 m。

接下来 m 行每行包含三个整数 x,y,z表示存在一条从点 x 到点 y 的有向边,边长为 z。

输出格式

输出一个整数,表示 11 号点到 n 号点的最短距离。

如果路径不存在,则输出 −1。

数据范围

1≤n≤500,
1≤m≤105
图中涉及边长均不超过10000。

输入样例:
3 3
1 2 2
2 3 1
1 3 4
输出样例:
3
Dijkstra算法的使用一定不能存在负权边
Dijkstra算法和prim算法几乎一模一样


#include<iostream>
#include<cstdio>
#include<cstdlib>
#include<string>
#include<cstring>
#include<cmath>
#include<ctime>
#include<algorithm>
#include<utility>
#include<stack>
#include<queue>
#include<vector>
#include<set>
#include<map>

using namespace std;
typedef long long LL;
const int N = 500 + 5;
int G[N][N], d[N], v[N];
int n, m;

int Dijkstra() {
	int ret = 0;
	memset(d, 0x3f3f3f3f, sizeof(d));
	d[1] = 0;
	for (int i = 1; i <= n; i++) {
		int x = -1;
		for (int j = 1; j <= n; j++) {
			if (!v[j] && (x == -1 || d[x] > d[j])) {
				x=j;
			}
		}
		v[x] = 1;
		for (int j = 1; j <= n; j++) {
			if (!v[j]) {
				d[j] = min(d[j], d[x] + G[x][j]);
			}
		}
	}
	if (d[n] == 0x3f3f3f3f) {
		return -1;
	}
	return d[n];
}

int main() {
	scanf("%d%d", &n, &m);
	memset(G, 0x3f3f3f3f, sizeof(G));
	for (int i = 1,a,b,t; i <= m; i++) {
		scanf("%d%d%d",&a,&b, &t);
		G[a][b] = min(G[a][b], t);
	}


	int ans = Dijkstra();
	
	cout << ans << endl;
	return 0;
}
Dijkstra算法堆优化

更新原则:更新从没被跟新过的点,之前更新过的不在更新,直接跳过



#include<iostream>
#include<cstdio>
#include<cstdlib>
#include<string>
#include<cstring>
#include<cmath>
#include<ctime>
#include<algorithm>
#include<utility>
#include<stack>
#include<queue>
#include<vector>
#include<set>
#include<map>

using namespace std;
typedef long long LL;
const int N = 1e6;
vector<pair<int,int>>G[N];
int v[N],d[N];
int n, m;

typedef struct PII{
    int first,second;
}PII;


bool operator>(const PII& a, const PII& b) {
	return a.first > b.first;
}

void Dijkstra() {
	memset(d, 0x3f3f3f3f, sizeof(d));
	d[1] = 0;
	priority_queue<PII, vector<PII>, greater<PII>>q;
	q.push({ 0,1 });
	int t1, t2;
	while (!q.empty()) {
		t1 = q.top().first;
		t2 = q.top().second;
		q.pop();
		if (v[t2])
			continue;
		v[t2] = 1;
		for (int i = 0; i < G[t2].size(); i++) {
			if (d[G[t2][i].first] > t1 + G[t2][i].second) {
				d[G[t2][i].first] = t1 + G[t2][i].second;
				q.push({ d[G[t2][i].first] ,G[t2][i].first });
			}
		}
	}
}


int main() {
	cin >> n >> m;
	for (int i = 1, x, y, z; i <= m; i++) {
		scanf("%d%d%d", &x, &y, &z);
		G[x].push_back({ y,z });
	}

	Dijkstra();

	if (d[n] == 0x3f3f3f3f)
		cout << -1 << endl;
	else {
		cout << d[n] << endl;
	}

	return 0;
}

第一阶段:搜索算法核心突破(3.25-3.28 | 4天) 3.25-3.26:DFS基础与剪枝 学习内容:回溯模板、排列/子集生成、剪枝技巧(可行性/最优性剪枝) 真练习: 全排列问(第七届《凑算式》变种) 迷宫路径计数(二维矩阵搜索) 3.27-3.28:BFS与连通性问 学习内容:队列实现BFS、层序遍历、连通块计数 真练习: 第七届《剪邮票》(DFS验证5格连通性) 岛屿数量问(连通块计数) 第二阶段:动态规划专(3.29-4.1 | 4天) 3.29-3.30:线性DP与递推 学习内容:爬楼梯模型、打家劫舍变种、递推公式设计 真练习: 第七届《煤球数目》(直接递推) 第十四届《接龙数列》(字符串状态转移)3.31-4.1:背包DP与字符串DP 学习内容:01背包模板、滚动数组优化、最长公共子序列 真练习: 第十二届《砝码称重》(01背包变种) 编辑距离问(字符串DP) 第三阶段:数论+贪心强化(4.2-4.4 | 3天) 4.2:质数与GCD 学习内容:埃氏筛法、欧几里得算法、因数分解 真练习:第十二届《货物摆放》(求因数组合) 4.3:快速幂与模运算 学习内容:快速幂模板、逆元计算(选学) 真练习:大数取模问(如计算10^{18} \mod 710 18 mod7) 4.4:贪心策略 学习内容:区间调度、相邻交换策略 真练习:第四届《翻硬币》(贪心翻转)、第九届《乘积最大》 第四阶段:数据结构+图论(4.5-4.7 | 3天)4.5:并查集与优先队列 学习内容:路径压缩、按秩合并、Dijkstra堆优化 真练习:第十二届《城邦》(并查集预处理) 4.6:栈与图论基础 学习内容:表达式计算、Dijkstra最短路径 真练习:第十二届《路径》(Dijkstra模板题) 4.7:拓扑排序与最小生成树 学习内容:Kahn算法、Kruskal实现 真练习:第十四届《飞机降落》(拓扑排序思想)第五阶段:二分+综合复习(4.8-4.10 | 3天) 4.8:二分查找与答案 学习内容:边界处理、最大值最小化问练习:第十二届《直线》(排序去重+二分优化) 4.9-4.10:全真模拟与查漏补缺 任务:限时刷近3年真(重点做搜索、DP、数论) 错复盘:整理易错代码片段(如DFS状态遗漏、DP初始化错误)时间完全不够 我3.25-3.29都没把DFS要学习的内容学完也还没加以联系,这份安排太紧凑了,难以让我真的深入理解这些算法,只能明白个模板,帮我再做一份学习计划吧,可以删减些比赛出现可能性相对较低的算法或者算法中的学习内容,以求留下广东省十六届以前蓝桥杯c赛道b组出现频率最高能覆盖尽量多考试类型的算法,帮我再精简筛选一下,然后按照在2025年广东省蓝桥杯c赛道b组可能出现的频率的顺序帮我重新安排一下学习内容,以助我拿下奖项。从3.30开始给我从新安排一下,现在学了DFS的迷宫,全排列,回溯模板,但还没加以真练习
最新发布
03-30
### Dijkstra算法练习与示例代码 以下是有关Dijkstra算法的一些典型练习目以及对应的Python实现代码。 #### 目一:单源最短路径 给定一个带权重的有向图,求从起点到其他各顶点的最短距离。 输入样例: ``` 节点数 n=6, 边数 m=8 边列表 [(0, 1, 7), (0, 2, 9), (0, 5, 14), (1, 2, 10), (1, 3, 15), (2, 3, 11), (2, 5, 2), (3, 4, 6)] 起始节点 s=0 ``` 输出样例: ``` [0, 7, 9, 20, 26, 11] ``` **解答**: ```python import heapq def dijkstra(graph, start): distances = {node: float('inf') for node in graph} # 初始化所有节点的距离为无穷大 distances[start] = 0 # 起点到自身的距离为0 priority_queue = [(0, start)] # 使用优先队列存储当前最小距离的节点 while priority_queue: current_distance, current_node = heapq.heappop(priority_queue) if current_distance > distances[current_node]: continue for neighbor, weight in graph[current_node].items(): distance = current_distance + weight if distance < distances[neighbor]: distances[neighbor] = distance heapq.heappush(priority_queue, (distance, neighbor)) return distances # 构建图 graph = { 0: {1: 7, 2: 9, 5: 14}, 1: {2: 10, 3: 15}, 2: {3: 11, 5: 2}, 3: {4: 6}, 4: {}, 5: {3: 9} } start_node = 0 result = dijkstra(graph, start_node) print(list(result.values())) ``` 此代码实现了基于优先队列优化的Dijkstra算法[^1]。 --- #### 目二:判断是否存在负权环 虽然Dijkstra算法无法处理带有负权值的边,但在实际应用中可能会遇到这种情况。因此可以通过Bellman-Ford算法或其他方法验证是否有负权环存在。然而,在无负权的情况下,仍可使用Dijkstra算法作为高效解决方案。 输入样例: ``` n=4, m=4 [(0, 1, 3), (1, 2, -4), (2, 3, 2), (3, 0, 1)] ``` 输出样例: ``` True (表示存在负权环) ``` 由于该问超出了纯正Dijkstra的应用范围,这里仅提供理论说明而不涉及具体实现[^4]。 --- #### 目三:多阶段旅行费用最小化问 假设有多个城市之间相互连接的道路网络,并且每条道路都有一定的通行成本。试问如何规划一条路线使得总花费最低? 这是一个典型的加权图上的最短路问,可以直接套用上述标准形式下的Dijkstra模板解决[^3]。 --- ### 注意事项 当面对稀疏图时推荐采用堆优化版本;而对于稠密图,则考虑朴素版以减少不必要的复杂度开销。
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