201712-4 CCF 行车路线 堆优化dijkstra

本文介绍了一种基于Dijkstra算法的优化方法,通过维护以i结尾的连续小路的长度和,实现对最短路径计算的高效处理。适用于带权图的最短路径求解,特别关注了边权重对路径总成本的影响。

维护一个sum[]:最短路径中以i结尾的连续小路的长度和

#include <cstdio>
#include <queue>
#include <cstring>

using namespace std;
typedef long long ll;
const ll INF = 1e18;
const int N = 510;
const int M = 2e5+10;

struct node
{
    int p;
    ll w;
    node(){}
    node(int _p, ll _w):p(_p),w(_w){}
    bool operator <(const node &a)const
    {
        return w>a.w;
    }
};
bool vis[N];
ll dis[N];
ll sum[N];//最短路径中以i结尾的连续小路的长度和
int to[M],type[M],nxt[M];
ll val[M];
int head[N],tot;
int n, m;

void addedge(int u, int v, int t, int w)
{
    ++tot;
    to[tot] = v;
    type[tot] = t;
    val[tot] = w;
    nxt[tot] = head[u];
    head[u] = tot;
}

void dijkstra(int s)
{
    priority_queue <node> q;
    memset(vis, 0, sizeof(vis));
    memset(sum, 0, sizeof(sum));
    for(int i = 1; i <= n; ++i) dis[i] = INF;
    dis[s] = 0;
    q.push(node(s, 0));
    while(!q.empty())
    {
        node u = q.top();
        q.pop();
        int p = u.p;
        if(vis[p]) continue;
        vis[p] = 1;
        for(int i = head[p]; ~i; i = nxt[i])
        {
            int v = to[i];
            if(vis[v]) continue;
            ll cost = 0;
            if(type[i])
            {
                ll tmp = sum[p]+val[i];
                cost = dis[p]-sum[p]*sum[p]+tmp*tmp;
            }
            else cost = dis[p]+val[i];
            if(cost<dis[v])
            {
                dis[v] = cost;
                if(type[i])
                    sum[v] = sum[p]+val[i];
                else sum[v] = 0;
                q.push(node(v, dis[v]));
            }
        }
    }
}

int main()
{
    scanf("%d %d", &n, &m);
    memset(head, -1, sizeof(head));
    tot = 0;
    while(m--)
    {
        int t, u, v, w;
        scanf("%d %d %d %d", &t, &u, &v, &w);
        addedge(u, v, t, w);
        addedge(v, u, t, w);
    }
    dijkstra(1);
    printf("%lld\n", dis[n]);
    return 0;
}

### 优化 CCF CSP 201712-5 商路问题的时间复杂度 在图结构为有向无环图(DAG)的前提下,可以利用拓扑排序结合动态规划的方法对商路问题进行高效求解。原始的动态规划方法已经具备良好的时间复杂度 O(N + M),其中 N 是节点数,M 是边数。然而,在某些特定场景下,仍可通过以下方式进一步优化时间效率。 #### 使用更高效的拓扑排序实现方式 传统的队列式拓扑排序虽然已能保证线性时间复杂度,但可以通过引入**优先队列**或**栈结构**来调整节点处理顺序,从而减少不必要的状态更新次数。例如,在逆拓扑序中优先处理那些能够带来更大利润的节点,这样可以在早期阶段就找到最优路径,避免后续重复计算[^2]。 ```cpp #include <bits/stdc++.h> using namespace std; const int MAXN = 1e5 + 5; const int INF = 0x3f3f3f3f; struct Edge { int u, v, profit, cost; }; vector<Edge> edges; vector<int> adj[MAXN]; int inDegree[MAXN], dp[MAXN]; void solve() { int n, m; cin >> n >> m; for (int i = 0; i < m; ++i) { int u, v, p, c; cin >> u >> v >> p >> c; edges.push_back({u, v, p, c}); adj[u].push_back(i); inDegree[v]++; } priority_queue<pair<int, int>, vector<pair<int, int>>, greater<pair<int, int>>> pq; // 小顶模拟优先级 for (int i = 1; i <= n; ++i) { if (inDegree[i] == 0) { pq.emplace(0, i); // 初始利润为0 } } while (!pq.empty()) { auto [priority, u] = pq.top(); pq.pop(); for (int idx : adj[u]) { int v = edges[idx].v; int newProfit = dp[u] - edges[idx].cost + edges[idx].profit; if (newProfit >= 0 && dp[v] < newProfit) { dp[v] = newProfit; pq.emplace(dp[v], v); } inDegree[v]--; if (inDegree[v] == 0) { pq.emplace(0, v); } } } cout << *max_element(dp + 1, dp + n + 1) << endl; } ``` #### 预处理与剪枝优化 在输入预处理阶段,可以对所有边进行一次筛选,去除那些“成本大于利润”的无效边。这类边即使被选择也无法提升整体利润,甚至可能导致资金不足而无法继续行进。提前排除这些边可以显著减少图中的冗余操作,提升运行效率[^2]。 #### 动态规划状态压缩 由于每个节点的状态仅依赖于其前驱节点,因此可以采用滚动数组技术,将 `dp` 数组压缩至两个一维数组之间切换,减少内存访问开销。这种优化对于大规模数据尤其有效,可降低缓存未命中率,提高程序执行速度。 --- ###
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