51 nod: 1459 迷宫游戏

本文介绍了一道经典的最短路径问题变种——在迷宫中寻找从起点到终点的最快路径,并在此基础上获得最大得分。通过使用Dijkstra算法的小幅调整,不仅考虑了路径长度,还考虑了路径上的得分,最终实现了问题的有效解决。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

题目

你来到一个迷宫前。该迷宫由若干个房间组成,每个房间都有一个得分,第一次进入这个房间,你就可以得到这个分数。还有若干双向道路连结这些房间,你沿着这些道路从一个房间走到另外一个房间需要一些时间。游戏规定了你的起点和终点房间,你首要目标是从起点尽快到达终点,在满足首要目标的前提下,使得你的得分总和尽可能大。现在问题来了,给定房间、道路、分数、起点和终点等全部信息,你能计算在尽快离开迷宫的前提下,你的最大得分是多少么?

Input

第一行4个整数n (<=500), m, start, end。n表示房间的个数,房间编号从0到(n - 1),m表示道路数,任意两个房间之间最多只有一条道路,start和end表示起点和终点房间的编号。
第二行包含n个空格分隔的正整数(不超过600),表示进入每个房间你的得分。
再接下来m行,每行3个空格分隔的整数x, y, z (0

Output

一行,两个空格分隔的整数,第一个表示你最少需要的时间,第二个表示你在最少时间前提下可以获得的最大得分。

Input示例

3 2 0 2
1 2 3
0 1 10
1 2 11

Output示例

21 6

题解

本题即是最短路径的dijkstra算法的小小变形,我们在进行查找最小路径时,不仅要更新最短路径长度,当路径长度相同时,我们需要比较两者的价值,选择较大的。其它的与传统的dijkstra算法相同。

cntValue[i]=max(cntValue[idx]+val[i],cntValue[i]);

代码

#include <iostream>
#include <vector>
#include <limits>
#include <algorithm>
#include <cstring>

using namespace std;

int main()
{
    int n, m, start, end;    // n代表点数,m代表路径数
    cin >> n >> m >> start >> end;
    vector<int> val(n);        // 记录每个节点的值
    for (int i = 0; i < n; ++i)
        cin >> val[i];
    vector<vector<int> > mat(n, vector<int>(n, -1));
    int x, y, v;
    for (int i = 0; i < m; ++i)
    {
        cin >> x >> y >> v;
        mat[x][y] = mat[y][x] = v;
    }
    vector<int> d(n,INT_MAX);                // 记录路径长度
    vector<bool> visit(n, false);    // 用于标记是否访问过
    vector<int> cntValue(n,0);        // 记录可以得到的最大值
    d[start] = 0;                    // 初始化起点的距离,访问标记,累计value
    visit[start] = true;
    cntValue[start] = val[start];
    int idx = start;
    for (int i = 0; i < n; ++i)
    {
        if (!visit[i] && mat[idx][i] >= 0)        // 更新距离
        {            
            if (d[idx] + mat[idx][i] == d[i])        // 注意距离相等时选择较大的val
            {
                cntValue[i] = max(cntValue[idx] + val[i], cntValue[i]);        // 更新累计值
            }
            if (d[idx] + mat[idx][i] < d[i])
            {
                d[i] = d[idx] + mat[idx][i];
                cntValue[i] = cntValue[idx] + val[i];
            }
        }
    }
    while (true)
    {
        int maxLen = INT_MAX;
        // 查找最小的d
        for (int i = 0; i < n; ++i)
        {
            if (!visit[i] && d[i] < maxLen)
            {
                maxLen = d[i];
                idx = i;
            }
        }
        if (idx == end)
            break;            // 找到了退出
        visit[idx] = true;  // 标记变量        
        for (int i = 0; i < n; ++i)
        {
            if (!visit[i] && mat[idx][i] >= 0)        // 更新距离
            {
                //d[i] = min(d[i], d[idx] + mat[start][i]);
                if (d[idx] + mat[idx][i] == d[i])
                {                    
                    cntValue[i] = max(cntValue[idx] + val[i], cntValue[i]);        // 更新累计值
                }
                if (d[idx] + mat[idx][i]<d[i])
                {
                    d[i] = d[idx] + mat[idx][i];
                    cntValue[i] = cntValue[idx] + val[i];
                }
            }
        }
    }
    cout << d[end] << " " << cntValue[end] << endl;
}
内容概要:本文档详细介绍了基于MATLAB实现多目标差分进化(MODE)算法进行无人机三维路径规划的项目实例。项目旨在提升无人机在复杂三维环境中路径规划的精度、实时性、多目标协调处理能力、障碍物避让能力和路径平滑性。通过引入多目标差分进化算法,项目解决了传统路径规划算法在动态环境和多目标优化中的不足,实现了路径长度、飞行安全距离、能耗等多个目标的协调优化。文档涵盖了环境建模、路径编码、多目标优化策略、障碍物检测与避让、路径平滑处理等关键技术模块,并提供了部分MATLAB代码示例。 适合人群:具备一定编程基础,对无人机路径规划和多目标优化算法感兴趣的科研人员、工程师和研究生。 使用场景及目标:①适用于无人机在军事侦察、环境监测、灾害救援、物流运输、城市管理等领域的三维路径规划;②通过多目标差分进化算法,优化路径长度、飞行安全距离、能耗等多目标,提升无人机任务执行效率和安全性;③解决动态环境变化、实时路径调整和复杂障碍物避让等问题。 其他说明:项目采用模块化设计,便于集成不同的优化目标和动态环境因素,支持后续算法升级与功能扩展。通过系统实现和仿真实验验证,项目不仅提升了理论研究的实用价值,还为无人机智能自主飞行提供了技术基础。文档提供了详细的代码示例,有助于读者深入理解和实践该项目。
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