pta L2-001 紧急救援

本文深入解析了L2-001紧急救援问题,通过迪杰斯特拉算法结合前驱节点记录,实现寻找最短路径并最大化救援力量集结。详细介绍了算法流程与AC代码实现。

L2-001 紧急救援

作为一个城市的应急救援队伍的负责人,你有一张特殊的全国地图。在地图上显示有多个分散的城市和一些连接城市的快速道路。每个城市的救援队数量和每一条连接两个城市的快速道路长度都标在地图上。当其他城市有紧急求助电话给你的时候,你的任务是带领你的救援队尽快赶往事发地,同时,一路上召集尽可能多的救援队。

输入格式:

输入第一行给出4个正整数N、M、S、D,其中N(2≤N≤500)是城市的个数,顺便假设城市的编号为0 ~ (N−1);M是快速道路的条数;S是出发地的城市编号;D是目的地的城市编号。

第二行给出N个正整数,其中第i个数是第i个城市的救援队的数目,数字间以空格分隔。随后的M行中,每行给出一条快速道路的信息,分别是:城市1、城市2、快速道路的长度,中间用空格分开,数字均为整数且不超过500。输入保证救援可行且最优解唯一。

输出格式:

第一行输出最短路径的条数和能够召集的最多的救援队数量。第二行输出从S到D的路径中经过的城市编号。数字间以空格分隔,输出结尾不能有多余空格。

输入样例:

4 5 0 3
20 30 40 10
0 1 1
1 3 2
0 3 3
0 2 2
2 3 2

输出样例:

2 60
0 1 3

大致思路:

采用迪杰斯特拉算法,以及借助pre数组记录前驱节点。

AC代码:
#include<bits/stdc++.h>
using namespace std;
const int maxn = 505;
int mm[maxn][maxn];  #记录地图,采用邻接矩阵
int pre[maxn];     #记录前驱节点保存最有路径
int dis[maxn];      #记录s到其余所有点最短距离
int w[maxn];        #记录s到其余所有点的最大点权
bool vis[maxn];    
int city[maxn];      #记录城市的点权
int num[maxn];		#s到个路径的最优路径数
void find(int s,int n){
	fill(vis,vis+maxn,false);
	fill(w,w+maxn,0);
	fill(dis,dis+maxn,0x3fffffff);
	fill(pre,pre+maxn,-1);
	fill(num,num+maxn,0);
	dis[s] = 0;
	w[s] = city[s];
	num[s] = 1;
	for(int i=0;i<n;i++){
		int u = -1,min = 0x3fffffff;
		for(int j=0;j<n;j++){
			if(dis[j]<min&&vis[j]==false){
				min = dis[j];
				u = j;
			}
		}
		if(u==-1) continue ;
		vis[u] = true;
		for(int v=0;v<n;v++){
			if(vis[v]==false&&mm[u][v]!=0x3fffffff){
				if(mm[u][v]+dis[u]<dis[v]){
					dis[v] = mm[u][v] + dis[u];
					w[v] = w[u] + city[v];
					num[v] = num[u];
					pre[v] = u;
				}
			else if(mm[u][v]+dis[u]==dis[v]){
					if(w[v]<w[u]+city[v]){
						w[v] = w[u] + city[v];
						pre[v] = u;
					}
					num[v] += num[u];
				}
			
			}
		}
	}
}
void print_path(int s,int x,int d){
	if(x==s){
		cout<<x<<" ";
		return ;
	}
	print_path(s,pre[x],d);
	if(x!=d)
		cout<<x<<" ";
	else
		cout<<x;
	
}
int main(void){
	for(int i=0;i<maxn;i++){
		for(int j=0;j<maxn;j++){
			mm[i][j] = 0x3fffffff;
		}
	}
	int n,m,s,d;
	cin>>n>>m>>s>>d;
	for(int i=0;i<n;i++){
		cin>>city[i];
	}
	for(int i=0;i<m;i++){
		int x,y,w;
		cin>>x>>y>>w;
		mm[x][y] = w;
		mm[y][x] = w;
	}
	find(s,n);
	cout<<num[d]<<" "<<w[d]<<endl;
	print_path(s,d,d);
	return 0;
} 
### PTA 团体赛 L2-001 题目及解析 #### 题目描述 给定一张图,表示城市间的道路网络。每条边代表一条双向的道路,连接两个不同的城市节点。每个城市有一个救援队伍数量的属性。目标是从起点出发到达终点,在此过程中找到满足如下条件的最佳路径: 1. **最短路径数目**:计算从起点到终点的不同最短路径的数量。 2. **最大救援力量**:在所有可能的最短路径中找出能够集结的最大救援人数。 3. **最优方案**:最终输出既能保证是最短路径又能使沿途经过的城市所拥有的总救援人员最多的路线。 #### 输入格式 输入的第一行为四个整数 N (≤ 500),即城市的总数;M (≤ 12,000),即道路的数量;S 和 D 分别为起始城市编号和目的地城市编号。接下来的一行包含N个正整数,分别对应各个城市中的初始救援队员数。随后 M 行每一行给出三个整数 Ci,Cj,Wi 描述了一条连接Ci与Cj之间长度Wi 的无向边。 #### 输出格式 依次输出三行数据: - 第一行是一个整数 K,表示不同最短路径的数量; - 第二行也是一个整数 num,表示这些最短路径上可获得的最大救援团队成员数之和; - 第三行则是一系列由空格隔开的城市ID列表,指示最佳路径上的各站点顺序(如果存在多个这样的路径,则按字典序最小的那个输出)。 #### 解析 为了高效解决这个问题,采用Dijkstra算法来寻找单源最短路径是非常合适的策略[^3]。具体实现时需要注意两点优化措施: - 使用优先级队列加速选取当前距离最近未访问过的顶点的过程。 - 记录并更新每一个结点处累计的最大救援人数及其对应的前驱结点集合用于重建路径。 下面是基于上述分析的一个Python版本解决方案示例代码: ```python import heapq def dijkstra(n, edges, start, end, rescue_teams): graph = [[] for _ in range(n)] # 构建邻接表形式存储加权图 for u, v, w in edges: graph[u].append((v, w)) graph[v].append((u, w)) dist = [float('inf')] * n # 存储从start到其他各点的距离 paths_count = [0] * n # 到达某一点有多少种方式 max_rescue = [-1] * n # 经过该点可以获得的最大救援量 pq = [(0, start)] # 初始化堆栈结构存放下一步要处理的位置信息 prev_nodes = {node: [] for node in range(n)} # 前置节点记录以便后续构建路径 paths_count[start], max_rescue[start] = 1, rescue_teams[start] while pq: d, current_node = heapq.heappop(pq) if current_node == end or d > dist[end]: break if d != dist[current_node]: continue for neighbor, weight in graph[current_node]: new_dist = d + weight if new_dist < dist[neighbor]: dist[neighbor] = new_dist paths_count[neighbor] = paths_count[current_node] max_rescue[neighbor] = max_rescue[current_node] + rescue_teams[neighbor] prev_nodes[neighbor] = [current_node] heapq.heappush(pq, (new_dist, neighbor)) elif new_dist == dist[neighbor]: paths_count[neighbor] += paths_count[current_node] if max_rescue[current_node] + rescue_teams[neighbor] > max_rescue[neighbor]: max_rescue[neighbor] = max_rescue[current_node] + rescue_teams[neighbor] prev_nodes[neighbor] = [current_node] elif max_rescue[current_node] + rescue_teams[neighbor] == max_rescue[neighbor]: prev_nodes[neighbor].append(current_node) path = [] reconstruct_path(end, start, prev_nodes, path) return paths_count[end], max_rescue[end]-rescue_teams[start], list(reversed(path)) def reconstruct_path(node, target, prev_dict, result_list): if not prev_dict[node]: result_list.append(target) return for parent in prev_dict[node]: reconstruct_path(parent, target, prev_dict, result_list) result_list.append(node) n, m, s, t = map(int, input().split()) rescue_teams = list(map(int, input().split())) edges = [] for i in range(m): c_i, c_j, wi = map(int, input().split()) edges.append([c_i, c_j, wi]) paths_num, total_rescue, best_route = dijkstra(n, edges, s, t, rescue_teams) print(paths_num) print(total_rescue) print(*best_route) ```
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