PAT考试真题练习(甲级1046 Shortest Distance) 2020-08-24

本文详细解析PAT甲级1046ShortestDistance题目的解题思路与Python代码实现,通过计算环形高速路上任意两点间最短距离,展示了一种高效算法解决方案。

PAT考试真题练习(甲级1046 Shortest Distance)

 

题目要求

  • 规范输入:
    • 第一行输入一个正整数N,表示高速路出口的个数,后接N个正整数,表示每两个出口间的距离
    • 第二行输入一个正整数M,表示要计算出口最短距离的个数
    • 之后M行,每行两个正整数,分别表示待计算的出口
  • 规范输出:
    • 输出M行,每行一个正整数,表示输入时两个出口的最短距离

 

输入输出样例

  • 样例一:

Input5 1 2 4 14 9
3
1 3
2 5
4 1
Output3
10
7

 

解题思路

  1. 创建两个列表分别接收出口距离和待计算出口
  2. 对于每两个要计算的出口,计算从较小号出口到较大号出口的正向距离
  3. 因为是环形的高速路,所以用总的路程减去所求得的正向距离,可得到另一个“方向距离”
  4. 比较两个距离数值的大小,较小的即为所求两个出口的最短距离

 

代码实现(Python)

rules = list(map(int, input().split()))
number = int(input())
init_out = []
for i in range(number):
    l = list(map(int,input().split()))
    init_out.append(l)

total = 0
for i in rules[1:]:
    total += i

for i in init_out:
    dist = 0
    if i[0] < i[1]:
        for j in rules[i[0]:i[1]]:
            dist += j
    else:
        for j in rules[i[1]:i[0]]:
            dist += j

    if dist < total//2:
        print(dist)
    else:
        print(total-dist)

 

GCN (Graph Convolutional Network) Shortest-Path-Master 是一种基于图卷积网络的最短路径算法。最短路径问题是图论中的经典问题,对于给定的图和起始点,找到到达目标点的最短路径。 GCN Shortest-Path-Master 通过应用图卷积神经网络的思想来解决最短路径问题。传统的最短路径算法(如Dijkstra算法或贝尔曼-福特算法)在计算过程中不考虑节点的特征信息,只利用图的拓扑结构。而GCN Shortest-Path-Master 利用了节点的特征信息,将节点的邻居节点信息通过图卷积操作进行聚合,得到节点的新特征表示。 GCN Shortest-Path-Master 的核心思想是,通过图卷积层不断更新节点的特征表示,使得节点的特征表示能够包含更多关于最短路径的信息。在每次迭代中,GCN Shortest-Path-Master 将节点的特征与邻居节点的特征进行聚合,得到节点的新特征表示。在网络的最后一层,通过对所有节点进行分类任务,可以得到每个节点到达目标点的最短路径预测。 相比传统的最短路径算法,GCN Shortest-Path-Master 提供了以下优势: 1. GCN Shortest-Path-Master 能够利用节点的特征,从而更好地表达节点之间的相互作用和联系。 2. GCN Shortest-Path-Master 可以自适应地学习节点的特征表示,而无需人工定义特征。 3. GCN Shortest-Path-Master 可以处理大规模的图结构,在计算效率上具有一定优势。 总之,GCN Shortest-Path-Master 是一种基于图卷积神经网络的最短路径算法,通过利用节点的特征信息,能够更好地解决最短路径问题。它在图结构数据中的应用具有很大潜力,在社交网络分析、推荐系统和物流路径规划等领域都有广泛的应用前景。
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