洛谷蓝题P3008 Roads and Planes

文章描述了一个关于农夫约翰如何通过道路和航线以最低成本将牛奶送到多个城镇的问题,其中涉及到了图论中的最短路径算法。解决方案使用了并查集处理道路网络,拓扑排序处理航线的单向性,以及Dijkstra算法计算每个城镇的最小花费。代码以C++编写,实现了上述算法。

题目描述:

农夫约翰想把牛奶送到T个城镇,城镇之间通过 R 条道路和P条航线连接。

城镇Ai和Bi通过一条道路或航线连接,道路或航线需要花费Ci,道路的花费为正数,航线的花费可能是负数,道路是双向的,航线的单向的。

求从城镇S把奶牛送到每个城镇的最便宜的方案。

数据范围:

1<=T<=25000,1<=R , P<=50000

1<=Ai , Bi , Ci , S<=T

输出:

城镇S到城镇i的的最小花费,如果不连通则输出NO PATH

solution:

我们可以将用道路连接的城镇看成一个团,而由于航线是单向的,那我们便可以利用拓扑排序依此遍历每个团以求出S点到每个点的最短路。

对于团,我们可以用并查集来维护团里的点,然后用一个block向量来储存一个连通块的中每个点。

对于拓扑排序的队列更新,我们可以取出队头,每次将队头点的团中的所有点取出后,做一遍dijkstra,同时在更新最短路的同时判断,被更新的点是团内还是团外,如果是团内则存入dijkstra的堆中,如果是团外则存入拓扑排序的队列之中。

C++Code:

#include <bits/stdc++.h>
#define lowbit(x) (x & -x)
using namespace std;
typedef long long ll;
typedef pair<int, int>PII;
const int N = 3e5 + 10, M = 2e5 + 10, INF = 0x3f3f3f3f;
int n, mr, mp, s;
int a[N];
int h[N], e[M], w[M], ne[M], idx = 0;
int dist[N];
int p[N], id[N];
bool st[N];
vector<int>block[N];
queue<int>q;
void add(int a, int b, int c) {
    w[idx] = c, e[idx] = b, ne[idx] = h[a], h[a] = idx++;
}
int find(int x) {
    if (x != p[x])p[x] = find(p[x]);
    return p[x];
}
void dijkstra(int bid) {//利用堆优化dijkstra更新最短路的同时找出入度减为0的连通块并更新拓扑排序的队列
    priority_queue<PII, vector<PII>, greater<PII>>heap;
    for (auto u : block[bid]) heap.push({ dist[u],u });
    while (!heap.empty()) {
        auto t = heap.top();
        heap.pop();
        int ver = t.second, distance = t.first;
        if (st[ver])continue;
        st[ver] = true;
        for (int i = h[ver]; i != -1; i = ne[i]) {
            int j = e[i];
            int x = find(j), y = find(ver);
            if (dist[j] > w[i] + distance) {
                dist[j] = w[i] + distance;
                if (x == y)heap.push({ dist[j],j });
            }
            if (x != y) {
                if (--id[x] == 0)q.push(x);
            }
        }
    }
}
void topsort() {//拓扑排序每个连通块之间的顺序
    memset(dist, 0x3f, sizeof dist);
    dist[s] = 0;
    for (int i = 1; i <= n; i++) {
        if (!id[i]) {
            q.push(i);
        }
    }
    while (!q.empty()) {
        auto t = q.front();
        q.pop();
        dijkstra(t);
    }
}
int main() {
    ios::sync_with_stdio(false);
    cin.tie(0);
    cout.tie(0);
    memset(h, -1, sizeof h);
    cin >> n >> mr >> mp >> s;
    for (int i = 1; i <= n; i++)p[i] = i;
    for (int i = 1; i <= mr; i++) {
        int a, b, c;
        cin >> a >> b >> c;
        add(a, b, c);
        add(b, a, c);
        a = find(a), b = find(b);
        if (a != b)p[a] = b;
    }
    for (int i = 1; i <= n; i++) {//将每个数都存入一个连通块中
        block[find(i)].push_back(i);
    }
    for (int i = 1; i <= mp; i++) {
        int a, b, c;
        cin >> a >> b >> c;
        add(a, b, c);
        id[find(b)]++;//存入每个连通块的输入
    }
    topsort();
    for (int i = 1; i <= n; i++) {
        if (dist[i] > INF / 2)cout << "NO PATH" << endl;
        else cout << dist[i] << endl;
    }

    return 0;
}
### 关于 P1739 目解析 针对在线编程平台上的P1739目,此名为“【USACO2.4】牛的旅行 Cow Tours”。该问属于图论中的最短路径算法应用案例。目描述了一张由若干牧场组成的地图,其中一些牧场之间存在道路连接。每条路都有一定的长度,而目标是在给定条件下找到最优解。 #### 输入输出格式说明 输入数据包含了多个测试样例,每个样例的第一行为两个整数N和M (1 ≤ N, M ≤ 100),分别表示牧区数量以及已知的道路数目;随后有M行,每一行包含三个正整数A_i,B_i,D_i (1≤ A_i,B_i ≤ N), D_i代表从第A_i个地点到B_i之间的距离[D_i<=10^5]。最后一部分给出Q次询问(Q≤100),每次查询提供一对不同的节点X,Y,要求返回这两点间最长简单路径上任意两点间的最小值[^3]。 #### Python实现思路 为了求得满足条件的结果,可以采用Floyd-Warshall全源最短路径算法来预处理所有顶点对之间的最短路程矩阵dist[][]。之后再遍历整个邻接表寻找最大边权min_max_edge并记录下来作为最终答案的一部分。最后对于每一个询问(x,y),只需要判断是否直接相连即可得出结论: ```python from typing import List def cow_tours(n: int, m: int, roads: List[List[int]], queries: List[List[int]]) -> List[int]: INF = float('inf') # 初始化距离矩阵 dist = [[INF]*n for _ in range(n)] graph = [[]for _ in range(n)] for u,v,w in roads: dist[u-1][v-1]=w dist[v-1][u-1]=w graph[u-1].append((v-1,w)) graph[v-1].append((u-1,w)) for k in range(n): dist[k][k]=0 # 使用 Floyd-Warshall 算法更新最短路径 for k in range(n): for i in range(n): for j in range(i+1,n): if dist[i][j]>dist[i][k]+dist[k][j]: dist[j][i]=dist[i][j]=dist[i][k]+dist[k][j] min_max_edges=[0]*len(queries) # 寻找最大的最小边权重 for node in range(len(graph)): max_min_weight=-float('inf') visited=set() def dfs(current_node,parent,min_weight): nonlocal max_min_weight flag=True for next_node,next_weight in graph[current_node]: if next_node!=parent and not(next_node in visited): flag=False new_min=min(min_weight,next_weight) dfs(next_node,current_node,new_min) if flag: max_min_weight=max(max_min_weight,min_weight) dfs(node,-1,float('inf')) min_max_edges[node]=max_min_weight results=[] for query in queries: start,end=query[0]-1,query[1]-1 result=(start==end or any([node==(start or end)and value>0 for node,value in enumerate(min_max_edges)])) and 'Yes'or 'No' results.append(result) return results ``` 上述代码实现了基于Floyd-Warshall算法解决本的核心逻辑,并通过DFS辅助函数完成了对树结构特性的利用以获取所需的最大最小边权重信息[^3]。
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