图算法 -- Dijkstra Algorithm

最新推荐文章于 2024-10-09 09:04:09 发布
转载 最新推荐文章于 2024-10-09 09:04:09 发布 · 624 阅读 · 0

本文详细介绍了如何使用C语言实现Dijkstra算法，并通过实例解释了算法的执行过程及核心思想，帮助读者理解如何在图论问题中寻找最短路径。 
<h2 align="center"><strong><em>The Dijkstra Algorithm</em></strong></h2><p align="center"><a target=_blank href="mailto:eryar@163.com"><strong><em>eryar</em></strong>@<strong><em>163</em></strong>.<strong><em>com</em></strong></a> </p><p><strong>摘要</strong>：本文用<strong><em>C</em></strong>实现了图的最短路径<strong><em>Dijkstra</em></strong>算法，并将自己理解该算法的方式与大家分享下，若有错误之处，欢迎指正。 </p><p><strong>关键字</strong>：图、最短路径、<strong><em>Graph</em></strong>、<strong><em>Dijkstra</em></strong> </p><h3>一、引言 <strong><em>Introduction</em></strong></h3><p>对图<strong><em>G</em></strong>中的每一条边<strong><em>e</em></strong>都赋以一个实数<strong><em>w</em></strong>(<strong><em>e</em></strong>)，则<strong><em>G</em></strong>连同它边上的权称为赋权图。赋权图经常出现在图论的实际应用问题中，边上的权（<strong><em>Weight</em></strong>）可以表示各种实际意义，如在输送网络中，权可以表示两地的距离，可以表示运输的时间，还可以表示运输的费用等。许多最优化问题相当于在一个赋权图中找出某类具有最小（或最大）权的子图。例如，给出一个连接各城镇的铁路网，要找出一条给定两个城镇间的最短路线。这个问题的图论模型建立如下：以顶点代表城镇，边代表城镇间的铁路线，权表示直接相连的城镇之间的铁路距离，得到一个赋权图，即网络<strong><em>N</em></strong>。 </p><p>本文讨论带权的有向图，并称路径上的第一个顶点为源点（<strong><em>Source</em></strong>），最后一个顶点为终点（<strong><em>Destination</em></strong>）。 </p><p align="center"><a target=_blank href="http://www.cppblog.com/images/cppblog_com/eryar/WindowsLiveWriter/Dijkstra_11DE9/Dijkstra_Animation_4.gif"><img style="DISPLAY: block; FLOAT: none; MARGIN-LEFT: auto; MARGIN-RIGHT: auto" title="Dijkstra_Animation" alt="Dijkstra_Animation" src="http://www.cppblog.com/images/cppblog_com/eryar/WindowsLiveWriter/Dijkstra_11DE9/Dijkstra_Animation_thumb_1.gif" width="283" height="222" /></a> </p><h3>二、算法理解 <strong><em>Understanding the Algorithm</em></strong></h3><p><strong><em>Dijkstra</em></strong>算法描述为：假设用带权邻接矩阵来表示带权有向图。首先引进一个辅助向量<strong><em>D</em></strong>，它的每个分量<strong><em>D</em></strong>[<strong><em>i</em></strong>]表示当前所找到的从始点<strong><em>v</em></strong>到每个终点<strong><em>Vi</em></strong>的最短路径。它的初始状态为：若两顶点之间有弧，则<strong><em>D</em></strong>[<strong><em>i</em></strong>]为弧上的权值；否则置<strong><em>D</em></strong>[<strong><em>i</em></strong>]为无穷大。 </p><p>u 找到与源点<strong><em>v</em></strong>最近的顶点，并将该顶点并入最终集合<strong><em>S</em></strong>； </p><p>u 根据找到的最近的顶点更新从源点<strong><em>v</em></strong>出发到集合<strong><em>V</em></strong>-<strong><em>S</em></strong>上可达顶点的最短路径； </p><p>u 重复以上操作。 </p><p><a target=_blank href="http://www.cppblog.com/images/cppblog_com/eryar/WindowsLiveWriter/Dijkstra_11DE9/clip_image004_2.jpg"><img style="BORDER-BOTTOM: 0px; BORDER-LEFT: 0px; DISPLAY: inline; BORDER-TOP: 0px; BORDER-RIGHT: 0px" title="" border="0" alt="" src="http://www.cppblog.com/images/cppblog_com/eryar/WindowsLiveWriter/Dijkstra_11DE9/clip_image004_thumb.jpg" width="243" height="234" /></a> </p><p>图<strong><em>1</em></strong> 带权有向图 </p><p>以前总是认为<strong><em>Dijkstra</em></strong>算法可以用来求从源点到指定终点的最短路径，导致总不能抓住算法的中心思想。现在认为把握<strong><em>Dijkstra</em></strong>的算法要点为： </p><p>u <strong><em>Dijkstra</em></strong>提出了一个按路径长度递增的次序产生最短路径的算法； </p><p>u 每次循环都可以得到一个从源点到某个顶点的最短路径，某个即不是确定的一个； </p><p>以带权有向图<strong><em>1</em></strong>为例说明<strong><em>Dijkstra</em></strong>算法的执行过程：假设源点为<strong><em>v0</em></strong>，则初始状态时源点到其它各顶点的距离为： </p><table border="1" cellspacing="0" cellpadding="0"><tbody><tr><td valign="top" width="103"><p>源点 终点</p></td><td valign="top" width="86"><p><strong><em>v1</em></strong></p></td><td valign="top" width="95"><p><strong><em>v2</em></strong></p></td><td valign="top" width="95"><p><strong><em>v3</em></strong></p></td><td valign="top" width="95"><p><strong><em>v4</em></strong></p></td><td valign="top" width="95"><p><strong><em>v5</em></strong></p></td></tr><tr><td valign="top" width="103"><p><strong><em>v0</em></strong></p></td><td valign="top" width="86"><p>∽</p></td><td valign="top" width="95"><p><strong><em>10</em></strong></p></td><td valign="top" width="95"><p>∽</p></td><td valign="top" width="95"><p><strong><em>30</em></strong></p></td><td valign="top" width="95"><p><strong><em>100</em></strong></p></td></tr></tbody></table><p>由上表可知，与源点<strong><em>v0</em></strong>最近的顶点为<strong><em>v2</em></strong>，距离为<strong><em>10</em></strong>。 </p><p>将<strong><em>v2</em></strong>加入到最终顶点集合<strong><em>S</em></strong>中。 </p><p>再根据<strong><em>v2</em></strong>更新从源点到其它顶点的最短距离，即从<strong><em>v0</em></strong>-<strong><em>v2</em></strong>-<strong><em>v3</em></strong>的距离为<strong><em>60</em></strong><∽，所以将<strong><em>v0</em></strong>到<strong><em>v3</em></strong>的距离更新为<strong><em>60</em></strong>，如下表所示： </p><table border="1" cellspacing="0" cellpadding="0"><tbody><tr><td valign="top" width="103"><p>源点 终点</p></td><td valign="top" width="86"><p><strong><em>v1</em></strong></p></td><td valign="top" width="95"><p><strong><em>v2</em></strong></p></td><td valign="top" width="95"><p><strong><em>v3</em></strong></p></td><td valign="top" width="95"><p><strong><em>v4</em></strong></p></td><td valign="top" width="95"><p><strong><em>v5</em></strong></p></td></tr><tr><td valign="top" width="103"><p><strong><em>v0</em></strong></p></td><td valign="top" width="86"><p>∽</p></td><td valign="top" width="95"><p><strong><em><del>10</del></em></strong><del></del></p></td><td valign="top" width="95"><p><strong><em>60</em></strong></p></td><td valign="top" width="95"><p><strong><em>30</em></strong></p></td><td valign="top" width="95"><p><strong><em>100</em></strong></p></td></tr></tbody></table><p>由上表可知，与源点<strong><em>v0</em></strong>次近的顶点为<strong><em>v4</em></strong>，距离为<strong><em>30</em></strong>。 </p><p>将<strong><em>v4</em></strong>加入到最终顶点集合<strong><em>S</em></strong>中； </p><p>再根据<strong><em>v4</em></strong>更新从源点到其它顶点的最短距离。即从<strong><em>v0</em></strong>-<strong><em>v4</em></strong>-<strong><em>v3</em></strong>的距离为<strong><em>50</em></strong><<strong><em>60</em></strong>，所以将<strong><em>v0</em></strong>到<strong><em>v3</em></strong>的距离更新为<strong><em>50</em></strong>；从<strong><em>v0</em></strong>-<strong><em>v4</em></strong>-<strong><em>v5</em></strong>的距离为<strong><em>90</em></strong><<strong><em>100</em></strong>，所以将<strong><em>v0</em></strong>到<strong><em>v5</em></strong>的距离更新为<strong><em>90</em></strong>。 </p><table border="1" cellspacing="0" cellpadding="0"><tbody><tr><td valign="top" width="103"><p>源点 终点</p></td><td valign="top" width="86"><p><strong><em>v1</em></strong></p></td><td valign="top" width="95"><p><strong><em>v2</em></strong></p></td><td valign="top" width="95"><p><strong><em>v3</em></strong></p></td><td valign="top" width="95"><p><strong><em>v4</em></strong></p></td><td valign="top" width="95"><p><strong><em>v5</em></strong></p></td></tr><tr><td valign="top" width="103"><p><strong><em>v0</em></strong></p></td><td valign="top" width="86"><p>∽</p></td><td valign="top" width="95"><p><strong><em><del>10</del></em></strong><del></del></p></td><td valign="top" width="95"><p><strong><em>50</em></strong></p></td><td valign="top" width="95"><p><strong><em><del>30</del></em></strong><del></del></p></td><td valign="top" width="95"><p><strong><em>90</em></strong></p></td></tr></tbody></table><p>重复以上操作…… </p><p>直到最终集合包含了所有的顶点。</p>

/*Dijkstra求单源最短路径 2010.8.26*/
#include<fstream>
#include <iostream>
#include<stack>
#define M 100
#define N 100
using namespace std;

typedef struct node
{
	int matrix[N][M];      //邻接矩阵 
	int n;                 //顶点数 
	int e;                 //边数 
}MGraph;

void DijkstraPath(MGraph g, int *dist, int *path, int v0)   //v0表示源顶点 
{
	int i, j, k;
	bool *visited = (bool *)malloc(sizeof(bool)*g.n);
	for (i = 0; i<g.n; i++)     //初始化 
	{
		if (g.matrix[v0][i]>0 && i != v0)
		{
			dist[i] = g.matrix[v0][i];
			path[i] = v0;     //path记录最短路径上从v0到i的前一个顶点 
		}
		else
		{
			dist[i] = INT_MAX;    //若i不与v0直接相邻，则权值置为无穷大 
			path[i] = -1;
		}
		visited[i] = false;
		path[v0] = v0;
		dist[v0] = 0;
	}
	visited[v0] = true;
	for (i = 1; i<g.n; i++)     //循环扩展n-1次 
	{
		int min = INT_MAX;
		int u;
		for (j = 0; j<g.n; j++)    //寻找未被扩展的权值最小的顶点 
		{
			if (visited[j] == false && dist[j]<min)
			{
				min = dist[j];
				u = j;
			}
		}
		visited[u] = true;
		for (k = 0; k<g.n; k++)   //更新dist数组的值和路径的值 
		{
			if (visited[k] == false && g.matrix[u][k]>0 && min + g.matrix[u][k]<dist[k])
			{
				dist[k] = min + g.matrix[u][k];
				path[k] = u;
			}
		}
	}
}

void showPath(int *path, int v, int v0)   //打印最短路径上的各个顶点 
{
	stack<int> s;
	int u = v;
	while (v != v0)
	{
		s.push(v);
		v = path[v];
	}
	s.push(v);
	while (!s.empty())
	{
		cout << s.top() << " ";
		s.pop();
	}
}

int main(int argc, char *argv[])
{
	int n, e;     //表示输入的顶点数和边数 
	fstream cin;
	cin.open("in16.txt");
	while (cin >> n >> e&&e != 0)
	{
		int i, j;
		int s, t, w;      //表示存在一条边s->t,权值为w
		MGraph g;
		int v0;
		int *dist = (int *)malloc(sizeof(int)*n);
		int *path = (int *)malloc(sizeof(int)*n);
		for (i = 0; i<N; i++)
		for (j = 0; j<M; j++)
			g.matrix[i][j] = 0;
		g.n = n;
		g.e = e;
		for (i = 0; i<e; i++)
		{
			cin >> s >> t >> w;
			g.matrix[s][t] = w;
		}
		cin >> v0;        //输入源顶点 
		DijkstraPath(g, dist, path, v0);
		for (i = 0; i<n; i++)
		{
			if (i != v0)
			{
				showPath(path, i, v0);
				cout << dist[i] << endl;
			}
		}
	}
	return 0;
}

最短路径算法｜Dijkstra‘s Algorithm
嗅探网的博客
09-04 2342
最短路径问题几乎是每个计算机专业学生的必学知识点，相关的算法也比较多样，但其中最经典的肯定是由荷兰计算机科学家，1972年图灵奖得主Edsger Dijkstra于1959年发布的Dijkstra's Algorithm。如果值 sptSet[v] 为true，则顶点 v 包含在 SPT 中，否则不包含。数组 dist[] 用于存储所有顶点的最短距离值。最短路径问题简单来说就是给定一个图和图中的一个源顶点，找到从源到给定图中所有顶点的。以下子图显示了顶点及其距离值，仅显示了具有有限距离值的顶点。
Dijkstra算法 学习笔记
cocoonyang的专栏
11-09 925
Dijkstra算法是一种最短路径搜索算法.它的基本思路是 在一个带权有向图中,将图中所有顶点分为两组, 一组包含已经找到最短路径的顶点;另一组包含剩余未确定最短路径的顶点. 为了求得两个顶点之间的最短路径,Dijkstra算法从起始点为中心向外遍历,直到搜索到终点为止. Dijkstra算法使用穷举策略,虽然能保证得出最短路径,但计算效率低.
Dijkstra算法
hhellooworld的博客
02-15 537
Dijkstra算法的思路及实现
Dijkstra算法图解，C++实现Dijkstra算法
weixin_40355471的博客
05-13 6871
Dijkstra算法图解，C++实现Dijkstra算法。添加顶点，删除顶点，添加边，删除边。Dijkstra算法计算是从一个顶点到其余各顶点的最短路径算法，解决的是有权图中最短路径问题。迪杰斯特拉算法主要特点是从起始点开始，采用贪心算法的策略，每次遍历到起点距离最近且未访问过的顶点的邻接节点，直到扩展到所有终点为止。
GraphStream gs-algo 项目使用教程
gitblog_00631的博客
10-09 490
GraphStream gs-algo 项目使用教程 1. 项目的目录结构及介绍 GraphStream gs-algo 项目的目录结构如下： gs-algo/ ├── doc/ ├── src/ │ ├── org/ │ │ └── graphstream/ │ │ └── algo/ │ └── test/ │ └── org/ │ ...
DijkstraAlgorithm(迪杰斯特拉算法)
热门推荐
colzry的博客
02-03 1万+
迪杰斯特拉(Dijkstra)算法介绍 迪杰斯特拉(Dijkstra)算法是典型最短路径算法，用于计算一个结点到其他结点的最短路径。 它的主要特点是以起始点为中心向外层层扩展(广度优先搜索思想)，直到扩展到终点为止。 最短路径 最短路径问题是图论研究中的一个经典算法问题，旨在寻找图（由结点和路径组成的）中两结点之间的最短路径，大致可以分为如下几种问题，可无论如何分类问题，其本质思想还是不变的，即，求两点间的最短距离。 a) 确定起点的最短路径问题 - 即已知起始结点，求最短路径的问题。 b) 确定终点的最短
精选资源
dijkstra算法代码matlab-Dijkstra-Algorithm:Dijkstra算法
06-17
dijkstra算法代码matlab 使用 MATLAB 的 Dijkstra 算法 该项目是马里兰大学机器人课程 ENPM-661 的一部分。 在这里，我已经使用 MATLAB 为点和刚性机器人编写了 Dijkstra 算法的代码，并将其用于自定义地图。
精选资源
Dijkstra-s-Algorithm:Dijkstra算法在Python 3中的实现
03-15
需要注意的是，Dijkstra算法不适用于存在负权边的图，因为这可能导致算法无法找到全局最优解。对于这类情况，可以考虑使用Bellman-Ford算法或Johnson's algorithm。 总之，Dijkstra算法在Python 3中的实现使得我们...
精选资源
Prolog-Dijkstra-Algorithm:使用Dijkstra算法的Prolog出租车调度程序应用
05-23
Prolog-Dijkstra-Algorithm 使用Dijkstra算法的Prolog出租车调度程序应用程序。 该应用程序将尝试最佳调度出租车以接客。 这是通过使用Dijkstra的算法来找到最短路径来完成的，并为此提供了一种实现方法。 该...
精选资源
8-PUZZLE-A-and-Dijkstra-Algorithm-:这项作业的目的是通过最短路径算法获得一些实践
05-01
Dijkstra算法是图论中的一个重要算法，用于寻找有向图或无向图中两个节点之间的最短路径。在8-难题中，我们可以将每个可能的拼图状态视为图中的一个节点，而相邻的拼图状态之间的转换作为边，以此应用Dijkstra算法来...
算法Dijkstra-Algorithm
01-23
算法Dijkstra，通常被称作迪杰斯特拉算法，是一种用于在加权图中找到最短路径的算法，尤其是从单个源点到其他所有节点的最短路径。由荷兰计算机科学家艾兹赫尔·迪杰斯特拉在1956年提出，并于1959年发表，这个算法...
迪克斯特拉算法-- Dijkstra's Algorithm
svap1的专栏
06-04 2362
在图形应用中，常常需要求从图中某个结点至其余各结点的最短路径，如对于一个物流配送系统计算从配送中心到各订货点的最短路径。Dijkstra's Algorithm 基本思想：若给定带权有向图G=(V,E)和源顶点v0，构筑一个源集合S，将v0加入其中。① 对差集V\S中 个顶点vi，逐一计算从v0 至它的距离 D(v0 , vi ),若该两顶点之间没有边，则其距离为无穷大。求出其中距离最短     ...
Dijkstra algorithm原理及使用
Xyc19930930的博客
09-06 4995
Dijkstra algorithm(迪杰斯特拉算法)是用来求单源最短路径的，确定哪个是源点之后，可以得到从源点到其余所有顶点之间的最短路径和最短距离（最短路径是指经过哪些结点，最短距离是指最短路径经过的距离）。它适用于非负权值的带权图。 1. Dijkstra algorithm的原理     原理有很多，网上一大堆，但是这个原理的解读和算法的步骤很多文章给的我感觉都不好。     Dij
Dijkstra's algorithm再理解
点缀星辰
08-11 8940
简介 Dijkstra's algorithm是一个求图中单点到其他所有点最短距离的算法。我在之前的一篇文章里也有过一些讨论。只是那篇文章写得比较仓促，对于该算法的思想和推导理解得也并不深刻。经过一些时间的思考，这里想对该算法的思想做一个进一步的阐述，并对一些和它相关的问题进行比较讨论。   算法描述分析 　　对于这个算法来说，它有这么一个前提。在一个连通的图中(可以是有向图或者无向图...
图算法(1):Dijkstra's algorithm
One2zeror的专栏
07-12 5065
Dijkstra’s algorithm使用了广度优先搜索解决非负权图的单源最短路径问题，算法最终得到一个最短路径树。该算法常用于路由算法或者作为其他图算法的一个子模块。举例来说，如果图中的顶点表示城市，而边上的权重表示著城市间开车行经的距离，该算法可以用来找到两个城市之间的最短路径。 　　　　　　其基本原理是：每次新扩展一个距离最短的点，更新与其相邻的点的距离。当所有边权都为正时，由于不会存在一
最短路径算法之Dijkstra's algorithm
世界的博客
08-23 9373
Dijkstra's algorithm主要用来解决单源最短路径的问题，并且不可以用于包含负权值的图。 主要思想就是：把一个图上的点分成两类，一类是最短路径树上所包含的点记作集合S，另一类当然就不是最短路径上的点记作集合V；怎么确定哪个点能够属于S呢？遍历图上的所有的点，找出距离起始点的路径最短的那个点，把他放入集合S中，然后在更新图上所有点离起始点的距离信息，就是比较经过刚刚放入S中的这个点和...
AO3镜像使用指南[可运行源码]
01-01
本文提供了AO3作品库非官方镜像的使用指南，包括搭建个人镜像站点的步骤、访问被屏蔽内容的方法以及项目API的使用建议。用户可以通过克隆代码、准备环境、配置部署和运行服务来搭建自己的镜像站点。访问镜像站点时，建议选择推荐的镜像地址，并在遇到问题时尝试不同的站点或刷新页面。对于开发者，建议直接与项目维护团队沟通以获取API接口的详细信息。使用非官方镜像可能存在风险，用户应确保个人信息安全，并定期查看项目主页以获取最新指导。
2022年超额管理费用测算代码与数据：企业寻租代理变量Rent的构建与应用
01-01
本研究选取2001年至2022年间的上市公司数据作为初始样本，共计包含45,649个观测值。在样本筛选过程中，依据学术惯例，剔除了金融行业公司、被标记为ST或PT状态的企业、已处于资不抵债状况的公司，以及关键变量数据存在缺失的样本。 在衡量企业寻租活动强度方面，本研究借鉴了陈骏等学者于《会计研究》2021年发表的研究方法。具体而言，首先构建了管理费用率的回归模型，随后提取该模型的残差项，并将其定义为超额管理费用。该残差值被命名为Rent，并作为企业寻租程度的代理变量纳入后续分析。 本研究可提供完整的原始数据集、数据处理与分析的执行程序代码，以及最终的实证结果。结果文件将以Excel和Stata（dta）两种常用格式提供，以确保研究过程的可复现性与结果的易用性。 主要参考文献如下： 1. 陈骏, 徐捍军, 林婧华. 企业寻租如何影响审计意见购买?[J]. 会计研究, 2021. 2. 刘春奇, 王秋红, 晁峰. 超额管理费用与企业“真实”业绩:促进还是抑制[J]. 南方经济, 2017.。 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！
欧姆龙触摸屏软件MPTST 5.02.zip
最新发布
01-01
源码地址： https://pan.quark.cn/s/a4b39357ea24 欧姆龙触摸屏编程软件MPTST 5.02是专门为欧姆龙品牌的工业触摸屏而研发的编程解决方案，它赋予用户在直观界面上构建、修改以及排错触摸屏应用程序的能力。 该软件在工业自动化领域具有不可替代的地位，特别是在生产线监视、设备操控以及人机互动系统中发挥着核心作用。 欧姆龙MPTST（Machine Process Terminal Software Touch）5.02版本配备了多样化的功能，旨在应对不同种类的触摸屏项目要求。 以下列举了若干核心特性：1. **图形化编程**：MPTST 5.02采用图形化的编程模式，允许用户借助拖拽动作来设计屏幕布局，设定按钮、滑块、指示灯等组件，显著简化了编程流程，并提升了工作效率。 2. **兼容性**：该软件能够适配欧姆龙的多个触摸屏产品线，包括CX-One、NS系列、NJ/NX系列等，使用户可以在同一个平台上完成对不同硬件的编程任务。 3. **数据通信**：MPTST 5.02具备与PLC（可编程逻辑控制器）进行数据交互的能力，通过将触摸屏作为操作界面，实现生产数据的显示与输入，以及设备状态的监控。 4. **报警与事件管理**：软件中集成了报警和事件管理机制，可以设定多种报警标准，一旦达到预设条件，触摸屏便会展示对应的报警提示，助力操作人员迅速做出响应。 5. **模拟测试**：在设备实际连接之前，MPTST 5.02支持用户进行脱机模拟测试，以此验证程序的正确性与稳定性。 6. **项目备份与恢复**：为了防止数据遗失，MPTST 5.02提供了项目文件的备份及还原功能，对于多版本控制与团队协作具有显著价值。 7. **多语言支持**：针对全球化的应...
最短路径算法解析：Bellman-Ford与Dijkstra
算法的时间复杂度与图的边数和顶点数有关，Dijkstra算法在邻接矩阵表示下复杂度为O(n^2)，而在邻接表表示下为O(n log n)。" 最短路径问题是图论中的经典问题，目标是寻找给定起点到终点之间成本最低的路径。Bellman...
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
表情包 代码片
 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