CSP 交通规划201609-4

本文详细介绍了一种使用Dijkstra算法解决图中单源最短路径问题的方法,并通过具体实例展示了如何利用优先队列优化算法效率。此外,还特别讨论了在求解过程中避免过早终止条件的重要性。

题目链接:点击打开链接

dijkstra + 记录数组 + 优先队列
这里 千万不能加 if(cur == n) return;
注意:
    (1)  类型1: 当题目要求到 n的最短距离时候,可以使用cur == n结束(因为此时cur == n)表示did[n]已经确定
    (2)  类型2: 不仅仅是只求到n的最短距离,此时cur == n如果返回了,其它的临接点最短距离可能并未确定,
                        cur == n只是表示到n的最短距离确定了,此题就是要求到所有点都是最短距离前提下取,到某个点路径相同时候最小的前驱,因而不能cur == n直接就返回了。

#include<stdio.h>
#include<algorithm>
#include<cmath> 
#include<string.h>
#include<queue>
#include<vector>
using namespace std;
#define INF 0x3f3f3f3f
#define MAXN 10005 
#define MAXM 100005
typedef long long ll;
struct Edge{
	int to, w;
	Edge(){}
	Edge(int pto, int pw){
		to = pto; w = pw;
	} 
	bool operator < (const Edge o)const{
		return w > o.w;
	}
};
int n,m;
ll dis[MAXN];
bool vis[MAXN];
int pre[MAXN];//记录某点直接到达该点的最小长度
vector<Edge> adj[MAXN];
priority_queue<Edge> pq;
void dijkstra(int s)
	{
		memset(vis,false,sizeof(vis));
		memset(dis,INF,sizeof(dis));
		memset(pre,INF,sizeof(pre));
		dis[s] = 0;
		pre[s] = 0;
		pq.push(Edge(s,dis[s]));
		while(!pq.empty()){
			Edge tmp = pq.top();
			pq.pop();
			int cur = tmp.to;
//			if(cur == n){  //不能有这个 
//				return ;
//			}
			if(vis[cur]) continue; 
			vis[cur] = true;
			for(int i = 0; i < adj[cur].size(); ++i){
				Edge e = adj[cur][i];
				if(!vis[e.to]){
					if(dis[e.to] > dis[cur] + e.w){
						dis[e.to] = dis[cur] + e.w;
						pre[e.to] = e.w;
						pq.push(Edge(e.to,dis[e.to]));
					}
					else if(dis[e.to] == dis[cur] + e.w){//到某个点最短距离相同时候,取最小的前驱
							pre[e.to] = min(e.w,pre[e.to]);
						}
				}
			}
		}
		
	}
int main()
	{
		scanf("%d%d",&n,&m);
		int f,t,w;
		for(int i = 0; i < m; ++i){
			scanf("%d%d%d",&f,&t,&w);
			adj[f].push_back(Edge(t,w));
			adj[t].push_back(Edge(f,w));
		}
		dijkstra(1);
		ll ans = 0;
		for(int i = 2; i <= n; ++i){
			ans += pre[i];
		}
		printf("%d",ans);
		
		
		return 0;
	}

### CSP-S 2021 交通规划报告 #### 目背景与描述 交通规划涉及在一个城市网络中寻找最优路径。给定一个带权有向图,每条边有权重表示通过这条道路所需的时间。对于每次查询,需要找到从起点到终点的最短路径。 #### 使用Dijkstra算法求解单源最短路径 针对此类问的一种有效方法是对每次询问执行一次 Dijkstra 算法即可[^1]。此策略适用于动态变化的城市地图场景,在这种情况下,仅当无边界节点发生变化时才需重新构建这些特定节点。这种方法能够确保即使在网络拓扑发生局部变动的情况下也能高效计算新的最短路径。 #### 数据结构的选择——链表的应用 考虑到可能存在的大量重复操作以及频繁的数据项移除需求,采用链表来管理数据可以显著提升效率。具体来说,可以通过数组模拟实现双向链表的功能,从而允许快速定位并处理相邻元素之间的关系。相比于直接使用线性表进行逐个删除的操作(这可能导致O(n²)级别的性能开销),利用链表可以在常数时间内完成插入和删除动作,极大地提高了程序运行速度[^2]。 #### 特殊情况下的优化技巧 为了进一步减少不必要的计算量,应当考虑如何有效地识别并合并具有相同特性的连续子序列。例如,在遇到多个相连且属性一致的对象时,可以直接将其视为单一整体来进行后续运算;一旦发现两段原本分离但现在变得完全相等的部分,则立即实施融合操作以简化模型结构。这样的做法不仅有助于降低空间占用率,同时也加快了整个系统的响应速率[^4]。 ```python from heapq import heappop, heappush def dijkstra(graph, start): dist = {node: float('inf') for node in graph} prev = {} pq = [(0, start)] while pq: current_distance, u = heappop(pq) if current_distance > dist[u]: continue for v, weight in graph[u].items(): distance = current_distance + weight if distance < dist[v]: dist[v] = distance prev[v] = u heappush(pq, (distance, v)) return dist, prev ```
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