A*算法-第K短路

人工智能搜索策略:A*算法 人工智能搜索策略:A*算法 目录人工智能搜索策略:A*算法A算法1.全局择优搜索2.局部择优搜索A*算法1. A*算法的可纳性2. A*算法的最优性3. h(n)的单调限制A* 算法应用举例对A*算法的一点思考熟练掌握A*算法的性质A*算法的性质A*算法的最优性h(n)的单调限制讲A*算法的意义! A算法 在图搜索算法中,如果能在搜索的每一步都利用估价函数f(n)=g(n)+h(n)对Open表中的节点进行排序,则该搜索算法为A算法。由于估价函数中带有问题自身的启发性信息,因此,A算法又称为启发式搜索算法。 阅读详情

A*算法—第K短路

A* 算法(这里的* 英文就读作star),是一种启发式搜索的方法,它离我们并不遥远,常用的BFS就是A*算法的一种特例。

启发式搜索:

DFS与BFS都属于非启发式搜索,又称盲目型搜索,它们最大的不同就是启发式搜索的选择不是盲目的,可以通过一个启发函数进行选择。
现在看一下下面的两张图,就可以很形象的理解了:

假如正常的搜索方式,我们会不断移动,直至遇到障碍物,显然这种方法是很愚蠢的,但是正常的方法的确是这样进行的,那么我们就希望扩展一个运动算法,用于对付上图所示的障碍物。或者避免制造凹形障碍,或者把凹形出口标识为危险的(只有当目的地在里面时才进去):

A*算法:

为启发式算法中很重要的一种,被广泛应用在最优路径求解和一些策略设计的问题中。而A*算法最为核心的部分,就在于它的一个估值函数的设计上:
f(n)=g(n)+h(n)
其中f(n)是每个可能试探点的估值,它有两部分组成:一部分为g(n),它表示从起始搜索点到当前点的代价(通常用某结点在搜索树中的深度来表示)。另一部分,即h(n),它表示启发式搜索中最为重要的一部分,即当前结点到目标结点的估值,h(n)设计的好坏,直接影响着具有此种启发式函数的启发式算法的是否能称为A*算法。

一种具有f(n)=g(n)+h(n)策略的启发式算法能成为A算法的充分条件是:

  1. 搜索树上存在着从起始点到终了点的最优路径。
  2. 问题域是有限的。
  3. 所有结点的子结点的搜索代价值>0。
  4. h(n) <= h * (n) (h*(n)为实际问题的代价值)。

一般的搜索前三条都可以满足,而第四点就要视情况而定了。
如果上面的概念不能很好理解也没关系,下面来看一道A*算法的经典题目,求第K短路【POJ2449】—— [ 题目链接 ]:

Description

“Good man never makes girls wait or breaks an appointment!” said the mandarin duck father. Softly touching his little ducks’ head, he told them a story.

“Prince Remmarguts lives in his kingdom UDF – United Delta of Freedom. One day their neighboring country sent them Princess Uyuw on a diplomatic mission.”

“Erenow, the princess sent Remmarguts a letter, informing him that she would come to the hall and hold commercial talks with UDF if and only if the prince go and meet her via the K-th shortest path. (in fact, Uyuw does not want to come at all)”

Being interested in the trade development and such a lovely girl, Prince Remmarguts really became enamored. He needs you - the prime minister’s help!

DETAILS: UDF’s capital consists of N stations. The hall is numbered S, while the station numbered T denotes prince’ current place. M muddy directed sideways connect some of the stations. Remmarguts’ path to welcome the princess might include the same station twice or more than twice, even it is the station with number S or T. Different paths with same length will be considered disparate.

Input

The first line contains two integer numbers N and M (1 <= N <= 1000, 0 <= M <= 100000). Stations are numbered from 1 to N. Each of the following M lines contains three integer numbers A, B and T (1 <= A, B <= N, 1 <= T <= 100). It shows that there is a directed sideway from A-th station to B-th station with time T.
The last line consists of three integer numbers S, T and K (1 <= S, T <= N, 1 <= K <= 1000).

Output

A single line consisting of a single integer number: the length (time required) to welcome Princess Uyuw using the K-th shortest path. If K-th shortest path does not exist, you should output “-1” (without quotes) instead.

Sample Input

2 2
1 2 5
2 1 4
1 2 2

Sample Output

14


在这道题目中,要求很明确,就是需要你求从s到t的第K短路

第k短路:

K短路的定义:假设从1出发,有M条长度不同的路径可以到达点N,则K短路就是这M条路径中第K小的路径长度。
以上所述,设 f(n) 为 n 节点的过估价函数,则 f(n) = g(n) + h(n); h(n) 就是我们所说的‘启发式函数’,表示为终点 t 到节点 n 的最佳路径代价,g(n)表示 g 当前从 s 到 节点 n 所走的实际路径的长度,即最终结果。
即

估价函数=当前值+当前位置到终点的距离

Solution:

(1)将有向图的所有边反向,以原终点t为源点,求解t到所有点的最短距离,即 h(n);
(2)新建一个优先队列,将源点s加入到队列中,队列中维护的是估价函数的值;
(3)从优先级队列中弹出 f(p) 最小的点 p,如果点 p 就是 t,则计算t出队的次数;
如果当前为 t 的第 k 次出队,则当前路径的长度就是 s 到 t 的第 k 短路的长度,算法结束;
否则遍历与 p 相连的所有的边,将扩展出的到p的邻接点信息加入到优先级队列;

Code:

#include<iostream>
#include<cstdio>
#include<cmath>
#include<cstring>
#include<queue>
#include<stack>
#include<vector>

using namespace std;

struct node{
	int v;//表示顶点编号
	int w;//表示 v 顶点到源点的距离最小值 
	node(){}
	node(int v, int w) : v(v), w(w){}
	bool operator < (const node& e) const {
		return w < e.w;
	}
};

struct Edge{
	int u;
	int v;
	int w;
	int next;
	Edge(){}
	Edge(int u, int v, int w, int next) : u(u), v(v), w(w), next(next){}
}; 

struct node2{
	int v;//表示顶点的编号
	int g;//每个顶点的 f(n),表示源点到任意点的距离 
	int f;//f(n) = g(n) + h(n) 
	node2(){}
	node2(int v, int g, int f) : v(v), g(g), f(f){}
	bool operator < (const node2 &x) const{
		if(x.f == f)
			return x.g < g;
		return x.f < f; 
	}
};

const int maxn = 1005;
const int maxm = 100005; 
const int inf = 0x3f3f3f3f;
int N,M,S,E,K,T,first[maxm],first2[maxm],cnt,cnt2;
node dis[maxn];
Edge edge[maxm<<2]; 
Edge edge2[maxm<<2];
bool vis[maxn];

void init()
{
	cnt = cnt2 = 1;//计数-边的编号
	memset(first, -1, sizeof(first));
	memset(first2, -1, sizeof(first2));
	for(int i = 1; i <= N; i++)
	{
		dis[i].w = inf;
		dis[i].v = i;
		vis[i] = false;
	} 
}

void addEdge(int u, int v, int w)
{
	edge[cnt] = Edge(u, v, w, first[u]);//记录某个顶点所访问到的 "前一条边" 的编号
	first[u] = cnt;//不断的覆盖某个顶点所访问到的 "当前的边" 的编号
	cnt++;
}

void addEdge2(int u, int v, int w)
{
	edge2[cnt2] = Edge(u, v, w, first2[u]);
	first2[u] = cnt2;
	cnt2++;
}
 
void dijstra(int s)//求出 h(n)--任意点到终点 E 的距离 
{
	dis[s].w = 0;
	priority_queue<node> pq; 
	pq.push(dis[s]);
	while(!pq.empty())
	{
		node now = pq.top();
		pq.pop();
		int from = now.v;
		int cost = now.w;
//		if(vis[from])	continue;
//		vis[from] =  true;
		for(int i = first[from]; i != -1; i = edge[i].next)
		{
			int to = edge[i].v;
			if(dis[to].w > edge[i].w + cost)
			{
				dis[to].w = edge[i].w + cost;
				pq.push(dis[to]);
			}
		}
	}
}

int A_star(int s, int t)
{
	if(s == t)//始点和终点一样,必须绕一圈回来 
		K++;
	if(dis[s].w == inf)//始点和终点不可达 
		return -1;
	int num = 0;
	priority_queue<node2> pq;//队列中维护的为f(n)-估价函数的值 
	pq.push(node2(s, 0, dis[s].w));
	while(!pq.empty())
	{
		node2 e = pq.top();
//		cout<<e.v<<" "<<e.g<<" "<<e.f<<endl;
		pq.pop();
		if(e.v == t)//找到一条最短路,第一次遇到的为最短的,依次为第 k 短路 
			num++;
		if(num == K)//找到第 k 短路 
			return e.g;
		int from = e.v;
		int g = e.g;
		int f = e.f;
		node2 ne;
		for(int i = first2[from]; i != -1; i = edge2[i].next)
		{
			ne.v = edge2[i].v;
			ne.g = g + edge2[i].w;
			ne.f = ne.g + dis[ne.v].w;
			pq.push(ne);
		}
	} 
	return -1;
}

int main()
{
 	ios::sync_with_stdio(false);
 	int from,to,w;
 	cin>>N>>M;
 	init();
 	for(int i = 0; i < M; i++)
 	{
 		cin>>from>>to>>w;	
 		addEdge(to, from, w);//将边反向,求出 h(n)--任意点到终点 E 的距离为 dis[] 
 		addEdge2(from, to, w);
	}
	cin>>S>>E>>K;
	dijstra(E);
	int ans = A_star(S, E);
	printf("%d\n",ans); 
	return 0;
}

--------------------- 本文来自 Z_Mendez 的优快云 博客 ,全文地址请点击:https://blog.youkuaiyun.com/z_mendez/article/details/47057461?utm_source=copy

浅谈K短路算法(KSP)之一(A*算法求解) 对于简单图,K短路,是指的起点s到终点t的第K个最短路径 阅读详情

相关推荐

图论算法(3)--- A*算法求k短路

在一个图中,如何求出前k短路,

VV 1986

K短路 A*

一、k短路 什么是k短路?最短路就是第一短路,那么第k短的就是k短路。 二、求k短路 首先可以想到在BFS中,从起点开始走,把每个点放入队列中时,以当前走过的距离加上当前点到终点的最短距离的和(即我们假设可以预知走哪个点到终点的距离最短)作为比较条件从小到大排序,当第一个到达终点时,走过的路径长度即为最短路,那么第 k次到达终点的长度显然就是k短路。 那么接下来就是问题的核心了,如何判断...

curry___的博客 1050

k短路算法说明和程序源码

k短路算法,有算法的说明和程序的源码

JavaScript数据结构——树的学习总结

JavaScript数据结构——树的学习,主要对树的常见操作进行了总结

gggggayu的博客 424

NCCL 源码深度解析:从初始化到通信链路构建全流程

本文深入解析了NVIDIA Collective Communication Library (NCCL) 的核心工作机制,从通信组初始化、硬件拓扑发现,到P2P、共享内存及网络传输链路的构建。详细剖析了源码中集合通信任务的执行流程与Proxy线程的协同机制,为开发者进行高性能分布式训练的性能调优与深度问题排查提供了清晰的底层视角。

hp777的博客 551

【Nature Communications】超高介电常数材料 Hf0.5Zr0.5O2(HZO)

复旦大学AnQuanJiang团队在《NatureCommunications》发表研究,通过原子层沉积技术制备Hf0.5Zr0.5O2(HZO)薄膜电容器,结合等离子体处理获得突破性性能:介电常数达921,储能密度584J/cm³,效率近100%。研究揭示了铁电性消失后氧空位有序排列产生超高介电常数的机制,并通过同步辐射衍射和STEM分析证实了微观结构转变。该材料在85-300K温度范围内保持稳定,经1万亿次循环后仍能维持100μC/cm²电荷密度,为高密度DRAM和CMOS器件集成提供了新方案。

荷塘阅色 2468

第K短路(A*算法)

接着就是从起点开始计算到终点的距离,我们需要将起点到终点距离小的优先出队,同一个点第几次出队就是第几短的路,那么就需要用到小顶堆了。N),M条边的有向图,求从起点 S到终点 T 的第 K 短路的长度,路径允许重复经过点或边。接下来 M 行,每行包含三个整数 A,B, 和 L,表示点 A 与点 B 之间存在有向边,且边长为 L。输出占一行,包含一个整数,表示第 K 短路的长度,如果第 K 短路不存在,则输出 −1−1。最后一行包含三个整数 S,T 和 K,分别表示起点 S,终点 T 和第 K 短路。

2302_79372568的博客 1094

Android-S无线模块前瞻

WiFi - mainlane非强制 S 采用反射的方法直接加载wifiservice,直接hook在systemserver上,无编译依赖。gms可以动态替换wifi服务。 R 采用直接启动service的方式,wifiservice仍然map在systemserver上。 WiFi - 11ad接口支持 11ad被wifi联盟商业化为WIGIG,提供短距的60GHZ载波,理论速度为当前5G 11ac的6倍。市面上基本没有手机支持,需要独立的芯片支撑此功能。 传输距离为3m以内,外界d.

头铁的伦的博客 1048

K短路(A*算法)

K短路

m0_74453078的博客 1070

1、VMware vSphere 全面指南:从入门到精通

本文全面介绍了VMware vSphere从入门到精通的完整知识体系,涵盖基础概念、环境适配、部署规划、安装配置、网络与存储准备、虚拟机创建与管理、资源组织、事件监控、巡检流程、主机配置文件管理、资源池优化、高可用性与容错应用,以及故障排除方法。结合实用工具和部署技巧,帮助读者系统掌握vSphere的核心功能与运维实践,提升虚拟化环境的稳定性与管理效率。

pz890123的博客 97

021、反激变换器的软启动设计

本文分享了反激变换器软启动设计的实践经验。作者通过一次上电炸机事故引出软启动的重要性,分析了启动瞬间电流冲击和环路饱和问题。介绍了三种软启动方案:效果差的RC电路、推荐使用的数字芯片方案以及分立元件实现方法,重点指出数字方案的一致性优势。文章还探讨了软启动与过流保护的配合问题,提供了实测波形、温度影响等调试要点,并总结出软启动时间选择、批量生产一致性等实用建议。最后强调软启动是电源可靠性的关键设计,不应为节省成本而忽略。全文包含多个工程实践细节,对电源设计人员具有重要参考价值。(149字)

Jack010169的博客 178

A*算法—第K短路

A*算法—第K短路A* 算法(这里的* 英文就读作star),是一种启发式搜索的方法,它离我们并不遥远,常用的BFS就是A*算法的一种特例。启发式搜索:DFS与BFS都属于非启发式搜索,又称盲目型搜索,它们最大的不同就是启发式搜索的选择不是盲目的,可以通过一个启发函数进行选择。 现在看一下下面的两张图,就可以很形象的理解了: 假如正常的搜索方式,我们会不断移动,直至遇到障碍物,显然这种方法是

This is Mendez. 1万+

Open3D 可视化(1)——简单可视化【2026最新版】

简单可视化,博客长期更新,本文最新更新时间为:2026年5月10日。

点云侠的博客 5689

A* 算法求第K短路径长度

文章目录A* 算法求第K短路径简介:复杂度分析:例子: A* 算法求第K短路径 简介: A*是一种搜索算法,一般基于一个估价函数f(x) = g(x) + h(x),通过这个函数来进行有方向的搜索以提高搜索的效率。其中g(x)指从初始状态到当前状态的花费,h(x)为当前状态到终状态的花费的估计值,以两者之和来估计起始状态到终状态的总花费f(x)。在A*算法中,通过优先搜索最符合要求的f(x)表示的状态以提升搜索效率。 在求第k短路的问题中,g(x)指的是由起点到达当前点的路径长度,h(x)指当前点到达终点的

iczfy585的博客 2082

Qt实现窗口自适应分辨率大小

如果希望窗口大小始终保持与屏幕分辨率一致,可以将上述代码放在窗口的resizeEvent()函数中。这样,每当窗口大小发生变化时,都会自动调用resizeEvent()函数,从而实现窗口大小的自适应调整。在Qt中,可以通过一些简单的方法实现窗口大小随分辨率变化而自适应调整。获取到当前屏幕的分辨率后,可以根据需要调整窗口的大小。无论在何种分辨率下运行应用程序,窗口都能够正确地自动调整大小,提供更好的用户体验。除了调整窗口大小,还可以考虑将窗口设置为最大化,以充分利用屏幕空间。步骤2:调整窗口大小。

FuJavascript的博客 3660

AutoSAR MemMap模块详解及使用注意事项

在本文中,我们将深入探讨MemMap模块的实例解析,并介绍在使用该模块时需要注意的一些事项。在上述代码中,我们使用了MEMMAP_START_SEC_VAR_32BIT和MEMMAP_START_SEC_CODE来定义MemMap区域的起始位置,使用MEMMAP_STOP_SEC_VAR_32BIT和MEMMAP_STOP_SEC_CODE来定义MemMap区域的结束位置。1.合理划分MemMap区域:根据实际需求,合理划分MemMap区域,将不同类型的变量放置在不同的区域中,以便于管理和访问。

weixin_50547796的博客 2534

A*算法求第k短路

话不多说先上例题。。acwing:178. 第K短路给定一张 NN 个点(编号 1,2…N1,2…N),MM 条边的有向图,求从起点 SS 到终点 TT 的第 KK 短路的长度,路径允许重复经过点或边。每条最短路中至少要包含一条边。

2301_80221401的博客 712

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

A*算法 k短路径问题——poj2449

之前我们写过的搜索算法都是一种“盲目”的搜索算法,就是说我并不知道我所走的这条路是否可以到达终点,但只要我搜索范围足够大,那么就一定可以到达终点,这样的盲目式搜索虽然思路简单但是也造成了很多不必要的搜索,所以我们之后引入了剪枝技术,但这任然改变不了盲目搜索算法的本质,于是A*算法就产生了,它相当于给搜索算法增加了一个感知模块,从而使得搜索算法变得智能。

2301_80093604的博客 1460

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

K短路——A*算法

A* 简介: A∗A∗A*(Astar),是一种启发式搜索,也是bfsbfsbfs的特例。准确说,bfsbfsbfs是盲目的搜索。 那么A∗A∗A*就是让决策优化, 实际上,就是预处理终点到起点的最短路,再在起点到终点时判断第KKK短路。 这是一个非常实用的解决第KKK短路问题的算法。 常规操作: - 先预处理出终点到起点(反图)的最短路(SPFA,Dijs) - 再通过优...

Caristra的博客 1145

A*算法——第K短路

例题JZOJ senior 1163第K短路题目描述Bessie 来到一个小农场,有时她想回老家看看她的一位好友。她不想太早地回到老家,因为她喜欢途中的美丽风景。她决定选择K短路径,而不是最短路径。 农村有 R (1≤R≤100,000) 条单向的路,每条路连接 N (1≤N≤10000) 个结点中的两个。结点的编号是 1..N。Bessie 从结点 1出发,她的朋友(目的地)在结点 N。 同一

A1847225889的博客 1337

Acwing 178.第k短路【A*算法】

1.题目 题目链接:点这儿! 2.解决方法 A*算法用来求高复杂度的最短路径问题;本题要求第K短路,这就要求将从起点到终点的所有路径中选出第K短的;我们不可能去把从起点到终点的所有路径一一找出来,那样复杂度太高了;所以我们采用启发式搜索的搜索模式:利用一个估价函数g()作为“启发函数”。 本题中将从终点出发的单源最短路作为估价函数值,这样,每个点在被从起点出发遍历时,都有一个预先知道的距离终点的最短路径长度,可以优先顺着这些点遍历,可以确定最终会遍历到终点;并且,不止一条路径会抵达终点,抵达的先后次序也就是

kingdom365的博客 269

【AcWing 178】第K短路 A*算法

给定一张N个点(编号1,2…N),M条边的有向图,求从起点S到终点T的第K短路的长度,路径允许重复经过点或边。 注意: 每条最短路中至少要包含一条边。 输入格式 第一行包含两个整数N和M。 接下来M行,每行包含三个整数A,B和L,表示点A与点B之间存在有向边,且边长为L。 最后一行包含三个整数S,T和K,分别表示起点S,终点T和第K短路。 输出格式 输出占一行,包含一个整数,表示第K短路的长度,如果第K短路不存在,则输出“-1”。 数据范围 1≤S,T≤N≤1000, 0≤M≤105, 1≤K≤1000,

待到山花烂漫时 301

A*算法—第K短路 ʕ •ᴥ•ʔ

概念啥的 看这位博主写的 https://blog.youkuaiyun.com/z_mendez/article/details/47057461?tdsourcetag=s_pctim_aiomsg A*算法 本题有一种最朴素的办法:直接广度优先搜索,一开始路径(s, 0)(这里设路径(i, l)表示从s到i的一条长度为l的路径)入队。然后,每次取队中长度最短的路径,该路径(i, l)出队,可以证明,若...

henucm的博客 389

第k短路 (A*算法)

A*算法: A*,启发式搜索,是一种较为有效的搜索方法。 我们在搜索的时候,很多时候在当前状态,已经不是最优解了,但是我们却继续求解;这个就是暴力搜索浪费时间的原因。 我们在有些时候,往往可以根据一些信息推断出继续搜索是一种劣解。 所以如果能够判断出来的话,就可以不继续了,以达到节省运行时间的目的。 估价函数: 为了提高搜索效率,我们可以对未来可能产生的代价进行预估。我们设计一个估价函数...

yu121380的博客 1398

A*算法+最短路实现K短路+模板题

&lt;font color=black size=4&gt;K短路问题还是很普遍的,了解一下K短路很有必要,顺便学会A*的简单应用更好。 A*算法,是一种启发式搜索算法,我们可以自己设定一个估价函数,这样我们的搜索过程就会优先选择有更好的估价函数的点进行搜索。 在最短路中,A*的估价函数定义如下:f(p)=g(p)+h(p),g(p)表示当前从起始点s到点p的距离,而h(p)就是从终点到p的最短...

Q755100802的博客 1374
上一篇: 2018 icpc-南京网络赛
下一篇: 51Nod - 1495-中国好区间-尺取法
cutedumpling
博客等级 码龄10年 6粉丝 47原创
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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