Made In Heaven A* 算法K短路

本文介绍了一种使用A*算法寻找从起点到终点的第K条最短路径的方法,通过预处理得到各点到终点的最短距离,结合优先队列实现高效搜索。代码实现了包括边的双向存储、最短路径预处理(SPFA算法)、A*算法核心逻辑等关键部分。

Made In Heaven

A*算法—第K短路

#include<bits/stdc++.h>
using namespace std;
const int maxn=1005;
const int maxe=100005;
struct State{
    int f;  // f=g+dis dis表示当前点到终点的最短路径,即之前的预处理
    int g; //g表示到当前点的路径长度
    int u;
    bool operator<(const State b)const{
        if(f==b.f)return g>b.g;
        return f>b.f;
    }
};
struct Edge{
    int v;
    int w;
    int next;
}edge[maxe],reedge[maxe];
int head[maxn],rehead[maxn];
int dis[maxn],vis[maxn];
int n,m;
int cot;
int s,t,k;
void init(){
    cot=0;    //cot代表边的id  每条边的id都不相同
    memset(head,-1,sizeof(head));
    memset(rehead,-1,sizeof(rehead));
}
void addedge(int u,int v,int w){
    edge[cot].v=v;
    edge[cot].w=w;
    edge[cot].next=head[u];//记录上一次u的id是多少 这样方便遍历  初始值为-1
    head[u]=cot;//head[u]  给这个u标记上独一无二的id
    reedge[cot].v=u;
    reedge[cot].w=w;
    reedge[cot].next=rehead[v];
    rehead[v]=cot++;
}
void SPFA(){
    queue<int>q;
    memset(vis,0,sizeof(vis));
    memset(dis,-1,sizeof(dis));
    int u,v;
    q.push(t);
    vis[t]=true;//vis表示当前点是否在队列
    dis[t]=0;
    while(!q.empty()){
        u=q.front();
        q.pop();
        vis[u] = 0;
      //rehead[u] 是u最后一次出现的id  reedge[i].next  代表第i次出现的边上一次出现的id
        for(int i=rehead[u];~i;i=reedge[i].next){  //~i取反 当i为-1时正好取反为0 退出for
            v=reedge[i].v;
            if(dis[v]>dis[u]+reedge[i].w || dis[v]==-1){
                dis[v]=dis[u]+reedge[i].w;
                if(!vis[v]){
                    q.push(v);
                    vis[v]=1;
                }
            }
        }
    }
}
int Astart(){
    if(s==t)	k++;
    if(dis[s]==-1)   return -1;
    int cnt=0;
    priority_queue<State>q; // 优先队列
    State a,b;
    a.g=0;
    a.u=s;
    a.f=a.g+dis[a.u];
    q.push(a);
    while(!q.empty()){
        b=q.top();
        q.pop();
        if(b.u==t){
            cnt++;
            //printf("%d %d %d %d\n",b.f,b.g,b.u,dis[b.u]);
            if(cnt==k)   return b.g;
        }
        for(int i=head[b.u];~i;i=edge[i].next){
            a.g=b.g+edge[i].w;
            a.u=edge[i].v;
            a.f=a.g+dis[a.u];
            q.push(a);
        }
    }
    return -1;
}
int main()
{
    int u,v,w,t;
    while(~scanf("%d%d",&n,&m)){
        init();
        scanf("%d%d%d%d",&s,&t,&k, &t);  //起点 终点 第k条 时间T
        for(int i=0;i<m;i++){
            scanf("%d%d%d",&u,&v,&w);
            addedge(u,v,w);
        }
        SPFA();
		int ans=Astart();
        if ( ans<= t && ans != -1) //小于等于T 并且有路才可以
            printf("yareyaredawa\n");
        else printf("Whitesnake!\n");
    }
    return 0;
}

 

### MADE 多目标优化算法的原理 MADE(Multi-Agent Diversity Evolution)是一种基于多代理系统的进化算法,专门用于解决复杂的多目标优化问题。该算法通过引入多样性机制,在多个解之间保持平衡,从而提高全局搜索能力并避免陷入局部最优。 #### 原理概述 MADE 的核心思想在于利用多代理系统来增强种群多样性和探索能力。具体来说,每个代理代表一个潜在解决方案,并通过协作和竞争的方式共同演化。以下是其主要组成部分: 1. **初始化阶段** 初始种群由随机生成的一组候选解组成。这些解分布在可行域的不同区域,以确保初始分布具有足够的多样性[^3]。 2. **评估函数设计** 对于每一个个体 \(i\),计算其适应度值 \(f_i\) 和多样性指标 \(d_i\)。其中,\(f_i\) 表示当前解的目标函数值,而 \(d_i\) 反映了该解相对于其他解的距离或差异程度。最终综合评价可以表示为: \[ E_i = w_1 f_i + w_2 d_i \] 这里,权重参数 \(w_1\) 和 \(w_2\) 控制着目标函数与多样性的相对重要性[^4]。 3. **更新策略** 在每一代迭代过程中,根据预定义的选择压力淘汰较差性能的个体,并保留表现优异者参与交叉变异操作。值得注意的是,为了维持群体内部较高的异质水平,某些低质量但独特性强的成员也可能被保存下来[^1]。 4. **终止条件判断** 当满足预定的最大代数或者连续若干次改进幅度小于阈值时停止运行程序。 #### 实现细节 下面给出了一段伪代码描述如何实现上述流程: ```python def made_algorithm(pop_size, max_gen, eval_func): population = initialize_population(pop_size) # 初始化种群 gen_count = 0 while not termination_condition(gen_count, max_gen): # 检查是否达到结束条件 fitness_values = evaluate_fitness(population, eval_func) # 计算适应度 diversity_scores = calculate_diversity(population) # 测量多样性 combined_evaluations = combine_fitness_and_diversity(fitness_values, diversity_scores) selected_individuals = selection(combined_evaluations) # 执行选择过程 offspring = crossover_mutation(selected_individuals) # 应用交叉突变运算符 population = update_population(population, offspring) # 更新种群 gen_count += 1 return find_best_solutions(population) ``` 此版本强调了两个方面:一是通过加入额外维度衡量样本间的区别;二是调整传统遗传操作规则以便更好地服务于特定应用场景下的需求。 --- ###
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