HDU 3790 最短路径问题

本文介绍了一种在求解最短路径问题时考虑额外约束条件(如最小花费)的算法实现。通过使用Dijkstra算法并增加对路径成本的管理,确保了在多个可行路径中选择最优解。

最短路径问题

Time Limit: 2000/1000 MS (Java/Others)    Memory Limit: 32768/32768 K (Java/Others)
Total Submission(s): 33223    Accepted Submission(s): 9751


Problem Description
给你n个点,m条无向边,每条边都有长度d和花费p,给你起点s终点t,要求输出起点到终点的最短距离及其花费,如果最短距离有多条路线,则输出花费最少的。
 

Input
输入n,m,点的编号是1~n,然后是m行,每行4个数 a,b,d,p,表示a和b之间有一条边,且其长度为d,花费为p。最后一行是两个数 s,t;起点s,终点。n和m为0时输入结束。
(1<n<=1000, 0<m<100000, s != t)
 

Output
输出 一行有两个数, 最短距离及其花费。
 

Sample Input

 
3 2 1 2 5 6 2 3 4 5 1 3 0 0
 

Sample Output

 
9 11
 

Source
 

Recommend

notonlysuccess   |   We have carefully selected several similar problems for you:  1217 2112 1142 2680 1385 

与最基础的最短路相比多了一个限制条件,要在路径最短的同时保证花费最少。只需要再多维护一个花费最小的数组就行,当路径相同的时候再比较相同的两条路径那一条的花费更小,更新即可。

对最短路有什么不熟悉的可以移步:https://blog.youkuaiyun.com/baymax520/article/details/80246266

#include<cstdio>
#include<cstring>
#include<cmath>
#include<iostream>
#include<algorithm>
#include<set>
const int inf=0x3f3f3f3f;
typedef long long ll;
using namespace std;
int map_len[1005][1005],map_cost[1005][1005],vis[1005],dis[1005],cost[1005];
int n,m;
void Dijkstra(int s)
{
    int mini,pos;
    memset(vis,0,sizeof(vis));
    for(int i=1;i<=n;i++)
    {
        dis[i]=map_len[s][i];
        cost[i]=map_cost[s][i];
    }
    cost[s]=0;
    dis[s]=0;
    vis[s]=1;
    for(int i=1;i<n;i++)
    {
        mini=inf;
        for(int j=1;j<=n;j++)
        {
            if(dis[j]<mini&&!vis[j])
            {
                mini=dis[j];
                pos=j;
            }
        }
        if(mini==inf) break;
        vis[pos]=1;
        for(int j=1;j<=n;j++)
        {
            if(dis[pos]+map_len[pos][j]<dis[j]&&!vis[j])
            {
                dis[j]=dis[pos]+map_len[pos][j];
                cost[j]=cost[pos]+map_cost[pos][j];
            }
            else if(dis[pos]+map_len[pos][j]==dis[j]&&!vis[j])//当路径长度相同时,比较花费大小
            {
                if(cost[pos]+map_cost[pos][j]<cost[j])//如果花费更小,则更新
                    cost[j]=cost[pos]+map_cost[pos][j];
            }
        }
    }

}

int main()
{
    int a,b,d,p,s,e;
    while(scanf("%d %d",&n,&m)!=EOF)
    {
        if(n==0&&m==0) break;
        for(int i=1;i<=n;i++)
        {
            for(int j=1;j<=n;j++)
            {
                map_cost[i][j]=map_len[i][j]=inf;
            }
        }
        for(int i=1;i<=m;i++)
        {
            scanf("%d %d %d %d",&a,&b,&d,&p);
            if(d<map_len[a][b])
            {
                map_len[a][b]=map_len[b][a]=d;
                map_cost[a][b]=map_cost[b][a]=p;
            }
        }
        scanf("%d %d",&s,&e);
        Dijkstra(s);
        printf("%d %d\n",dis[e],cost[e]);
    }
    return 0;
}

毫米波雷达系统工作在毫米波频段,通过发射与接收电磁波并解析回波信号,实现对目标的探测、定位及识别。相较于传统雷达技术,该系统在测量精度、环境抗干扰性及气象适应性方面表现更为优越。本研究聚焦于德州仪器开发的IWR1843DCA1000型号毫米波雷达,系统探究其在多模态数据采集与多样化应用场景中的技术路径及创新实践。 IWR1843DCA1000传感器为一款高度集成的毫米波探测设备,采用调频连续波技术与多输入多输出架构,可执行高精度目标测量及成像任务。研究过程中,团队对该设备的性能参数进行了全面评估,并在下列领域展开应用探索: 在数据采集环节,借助专用硬件接口连接雷达传感器,实现原始信号的高效捕获。团队研发了配套的数据采集程序,能够实时记录传感器输出并执行初步信号处理,为后续分析构建数据基础。 通过构建FMCW-MIMO雷达仿真平台,完整复现了雷达波的发射接收流程及信号处理机制。该仿真系统能够模拟目标运动状态及环境变量对雷达波形的影响,为系统性能验证与参数优化提供数字化实验环境。 基于高分辨率测距能力,结合目标检测与轨迹追踪算法,实现对人体运动模式的精确重构。通过点云数据的解析,为行为模式分析与场景理解提供多维信息支撑。 利用雷达回波信号的深度解析,生成表征人体空间分布的热力图像。该技术为复杂环境下的定位问题提供了直观可视化解决方案。 针对精细手势动作的识别需求,应用机器学习方法对雷达生成的点云序列进行特征提取与模式分类,建立手势动作的自动识别体系。 通过分析人体表面对毫米波信号的反射特性,开发非接触式生理参数监测方法,可有效检测呼吸韵律与心脏搏动频率等生命体征指标,为健康监护领域提供新的技术途径。 本研究的顺利开展,不仅深化了IWR1843DCA1000雷达系统的应用研究层次,同时为毫米波技术在多元领域的拓展应用建立了技术支撑体系。通过实证分析与仿真验证相结合的研究模式,该项目为行业应用提供了可靠的技术参照与实践范例,有力推动了毫米波雷达技术的产业化进程。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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