POJ3613 Cow Relays 倍增floyd求最短路

本文介绍了一道关于寻找最短路径的问题,并通过使用Floyd算法和倍增思想优化了算法的时间复杂度,实现从起点S跳转N次到达终点E的最优解。

第十届河南省赛I题~


题意:从起点S,到终点E,跳上N次,花费的最小值是多少

其中全图有M条边,表示从A点到B点花费L值


首先注意到这个题点的标号不是常规的1到n,不是连续的,可以重新对点进行标号

图论题,最短路径问题首先想模板,因为点数少,所以floyd:n^3可以求出任意两点之间的最短路径


这个题的最大问题是:跳上N次(N最大是1e6)

挑战程序设计竞赛里面专门有一章讲述的是倍增的思想:跳上N次的最优值,我们不可能1次1次去跳

但是我们可以1次2次4次8次去跳啊~

那么我们就把O(N)降到了O(log(N))


所以我们首先把题目的数据输入记录成dist【0】【A】【B】=dist【0】【B】【A】=L,即2^0=1,这是我们跳跃1次的最优值

然后倍增floyd预处理

接着,我们以S为起点,记录从S出发,将N次分解,不断更新其最优值


#include<stdio.h>
#include<string.h>
#include<algorithm>
using namespace std;

const int INF=1e9;
const int maxv=150;
const int maxi=1050;
const int maxl=20;

int N,V,T,S,E;
int dist[maxl][maxv][maxv];
int best[maxv],best2[maxv];
int id[maxi];

int main(){
	//freopen("input.txt","r",stdin);
	while(scanf("%d%d%d%d",&N,&T,&S,&E)!=EOF){
		memset(id,-1,sizeof(id));
		memset(dist,63,sizeof(dist));
		memset(best,63,sizeof(best));
		int A,B,L;
		V=0;
		while(T--){
			scanf("%d%d%d",&L,&A,&B);
			if (id[A]==-1) id[A]=V++;
			if (id[B]==-1) id[B]=V++;
			dist[0][id[A]][id[B]]=dist[0][id[B]][id[A]]=L;
		}
		for(int p=1;(1<<p)<=N;p++)
			for(int i=0;i<V;i++)
				for(int j=0;j<V;j++)
					if (dist[p-1][i][j]<INF)
						for(int k=0;k<V;k++)
							dist[p][i][k]=min(dist[p][i][k],dist[p-1][i][j]+dist[p-1][j][k]);
		best[id[S]]=0;
		for(int p=0;(1<<p)<=N;p++)
			if (N&(1<<p)){
				memset(best2,63,sizeof(best2));
				for(int i=0;i<V;i++)
					if (best[i]<INF)
						for(int j=0;j<V;j++)
							best2[j]=min(best2[j],best[i]+dist[p][i][j]);
				memcpy(best,best2,sizeof(best2));
			}
		printf("%d\n",best[id[E]]);
	}
	return 0;
}


内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、多目标代价函数设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术和多约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性与能效优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估和CPO优化流程。; 适合人群:具备一定Python编程基础和优化算法基础知识,从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员与工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航与避障;②研究智能优化算法(如CPO)在路径规划中的实际部署与性能优化;③实现多目标(路径短、能耗低、安全性高)耦合条件下的工程化路径解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构与代码示例进行实践运行,重点关注目标函数设计、CPO算法改进策略与约束处理机制,宜在仿真环境中测试不同场景以深入理解算法行为与系统鲁棒性。
### 解题思路 POJ 3613 Cow Relays 问题要计算在给定的图中,从起点到终点恰好经过 $k$ 条边的短路径。常规的暴力解法,即每次走一步更新短路径,时间复杂度为 $O(k * n^3)$,效率较低。可利用二进制思想和矩阵快速幂的方法,将时间复杂度优化到 $O(logK * n^3)$ [^2]。 具体思路如下: 1. **图的表示**:使用邻接矩阵来表示图,矩阵中的元素 `mat[i][j]` 表示从节点 `i` 到节点 `j` 的短距离,初始值设为无穷大 `INF`。 2. **矩阵乘法的定义**:普通矩阵乘法是对应元素相乘再相加,而这里定义的矩阵乘法是对应元素相加再取小值。即 `C.mat[i][j] = min(C.mat[i][j], A.mat[i][k] + B.mat[k][j])`,表示从节点 `i` 经过节点 `k` 到节点 `j` 的短距离。 3. **矩阵快速幂**:通过不断地将矩阵自乘,利用二进制的思想,快速计算出经过 $k$ 条边的短路径矩阵。 4. **节点编号映射**:由于节点编号可能不连续,使用一个数组 `f` 来将原始节点编号映射到连续的编号,方便矩阵操作。 ### 代码实现 以下是实现该算法的 C++ 代码: ```cpp #include <stdio.h> #include <string.h> #include <algorithm> #include <iostream> using namespace std; #define INF ((1<<30)-1) int n; struct matrix { int mat[201][201]; matrix() { for(int i = 0; i < 201; i++) for(int j = 0; j < 201; j++) mat[i][j] = INF; } }; int f[2001]; matrix mul(matrix A, matrix B) { matrix C; int i, j, k; for(i = 1; i <= n; i++) { for(j = 1; j <= n; j++) { for(k = 1; k <= n; k++) { C.mat[i][j] = min(C.mat[i][j], A.mat[i][k] + B.mat[k][j]); } } } return C; } matrix powmul(matrix A, int k) { matrix B; for(int i = 1; i <= n; i++) B.mat[i][i] = 0; while(k) { if(k & 1) B = mul(B, A); A = mul(A, A); k >>= 1; } return B; } int main() { matrix A; int k, t, s, e, a, b, c; scanf("%d%d%d%d", &k, &t, &s, &e); int num = 1; while(t--) { scanf("%d%d%d", &c, &a, &b); if(f[a] == 0) f[a] = num++; if(f[b] == 0) f[b] = num++; A.mat[f[a]][f[b]] = A.mat[f[b]][f[a]] = c; } n = num - 1; A = powmul(A, k); cout << A.mat[f[s]][f[e]] << endl; return 0; } ``` ### 代码解释 1. **结构体 `matrix`**:定义了一个矩阵结构体,用于存储图的邻接矩阵,构造函数将矩阵元素初始化为无穷大。 2. **函数 `mul`**:实现了自定义的矩阵乘法,计算两个矩阵相乘的结果。 3. **函数 `powmul`**:实现了矩阵快速幂,通过不断地将矩阵自乘,快速计算出经过 $k$ 条边的短路径矩阵。 4. **主函数 `main`**:读取输入数据,将节点编号映射到连续的编号,初始化邻接矩阵,调用 `powmul` 函数计算经过 $k$ 条边的短路径矩阵,后输出从起点到终点的短距离。
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