7-35 城市间紧急救援

博客围绕城市应急救援路径问题展开,给出输入输出格式及样例。利用Dijkstra算法求最短路径,因需输出最短路径条数和最多救援队数量,增加pathTeams和shortPathNum数组处理相同长度最短路径情况,用Java实现最后一个测试点超时,用C++重写后通过。

作为一个城市的应急救援队伍的负责人,你有一张特殊的全国地图。在地图上显示有多个分散的城市和一些连接城市的快速道路。每个城市的救援队数量和每一条连接两个城市的快速道路长度都标在地图上。当其他城市有紧急求助电话给你的时候,你的任务是带领你的救援队尽快赶往事发地,同时,一路上召集尽可能多的救援队。

输入格式:

输入第一行给出4个正整数N、M、S、D,其中N(2≤N≤500)是城市的个数,顺便假设城市的编号为0 ~ (N−1);M是快速道路的条数;S是出发地的城市编号;D是目的地的城市编号。

第二行给出N个正整数,其中第i个数是第i个城市的救援队的数目,数字间以空格分隔。随后的M行中,每行给出一条快速道路的信息,分别是:城市1、城市2、快速道路的长度,中间用空格分开,数字均为整数且不超过500。输入保证救援可行且最优解唯一。

输出格式:

第一行输出最短路径的条数和能够召集的最多的救援队数量。第二行输出从S到D的路径中经过的城市编号。数字间以空格分隔,输出结尾不能有多余空格。

输入样例:

4 5 0 3
20 30 40 10
0 1 1
1 3 2
0 3 3
0 2 2
2 3 2

输出样例:

2 60
0 1 3

 用java实现的,最后一个测试点超时了(用c++重写后AC)。

 思路:

利用Dijkstra算法求最短路径,由于题目要求:

输出最短路径的条数和能够召集的最多的救援队数量

 所以增加两个数组:

pathTeams : 当前城市集结的救援队伍的数量;

shortPathNum :源点到当前顶点存在的最短路径数量;

主要就是增加了存在相同长度最短路径时的处理,代码如下:

import java.util.Scanner;
import java.util.Stack;

public class EmergenceRescue {
	
	private static int[][] citys;
	private static int N,E,S,D;
	private static int INF = 10000;
	private static int[] teams;
	private static boolean[] visit;
	private static int[] dist;
	private static int[] path;
	private static int[] pathTeams;
	private static int[] shortPathNum;
	
	
	private static void InitCitys(Scanner scan) {
		N = scan.nextInt();E = scan.nextInt();
		S = scan.nextInt();D= scan.nextInt();
		citys = new int[N][N];
		teams = new int[N];
		for(int i = 0;i < N;i++) {
			teams[i] = scan.nextInt();
		}
		for(int i = 0;i < N;i++) {
			for(int j = 0;j < N;j++) {
				if(i == j) citys[i][j] = 0;
				else citys[i][j] = INF;
			}
		}
	}
	public static void CreateCitys(Scanner scan) {
		InitCitys(scan);
		for(int i = 0;i < E;i++) {
			int v = scan.nextInt(),w = scan.nextInt();
			int len = scan.nextInt();
			citys[v][w] = citys[w][v] = len;
		}
		scan.close();
	}
	public static void Dijkstra() {
		visit = new boolean[N];
		dist = new int[N];
		path = new int[N];
		pathTeams = new int[N];
		shortPathNum = new int[N];
		for(int i = 0;i < N;i++) {
			dist[i] = citys[S][i];
			visit[i] = false;
			shortPathNum[i] = 1;
			pathTeams[i] = teams[i] + teams[S];
			path[i] = S;
		}
		visit[S] = true;
		for(int i = 0;i < N;i++) {
			int ans = INF,k = -1;
			for(int j = 0;j < N;j++) {
				if(!visit[j] && dist[j] < ans) {
					ans = dist[j];
					k = j;
				}
			}
			if(ans == INF) break;
			visit[k] = true;
			for(int j = 0;j < N;j++) {
				if(!visit[j] && dist[k] + citys[k][j] <= dist[j]) {
					if(dist[k] + citys[k][j] < dist[j]) {
						dist[j] = dist[k] + citys[k][j];
						path[j] = k;
						pathTeams[j] = pathTeams[k] + teams[j];
						shortPathNum[j] = shortPathNum[k];
					}else {
						shortPathNum[j] += shortPathNum[k];
						if(pathTeams[k] + teams[j] > pathTeams[j] ) {
							pathTeams[j] = pathTeams[k] + teams[j];
							path[j] = k;
						}
					}
				}
			}
		}
	}
	public static void OutputPath() {
		Stack<Integer> pathStack = new Stack<Integer>();
		for(int i = D;i != S;i = path[i]) pathStack.push(i);
		System.out.print(S);
		while(!pathStack.isEmpty()) System.out.printf(" %d",pathStack.pop());
	}
	public static void main(String[] args) {
		Scanner scan = new Scanner(System.in);
		CreateCitys(scan);
		Dijkstra();
		System.out.printf("%d %d\n",shortPathNum[D],pathTeams[D]);
		OutputPath();
	}
}

 

### 问题背景与含义 “7 - 5 城市间紧急救援”通常是数据结构与算法课程里的一个经典问题,一般会在课程作业、实验或者算法竞赛中出现。该问题主要围绕图论展开,核心是在一个表示城市网络的图中,从一个城市出发到另一个城市进行紧急救援,要找出最短路径,同时考虑每个城市所拥有的救援队伍数量。 ### 问题描述 给定一个城市网络,以图来表示,图中的节点代表城市,边代表城市之间的道路,每条边有对应的权重表示道路的长度。每个城市有一定数量的救援队伍。当某个城市发生紧急情况时,需要从指定的起始城市派出救援队伍前往目标城市。要求找到从起始城市到目标城市的最短路径,若存在多条最短路径,选择救援队伍数量最多的那条路径。 ### 解决思路 一般使用 Dijkstra 算法来解决这个问题。Dijkstra 算法是一种用于计算带权有向图或无向图中单源最短路径的贪心算法,其基本步骤如下: 1. 初始化:设定起始城市的距离为 0,其他城市的距离为无穷大;起始城市的救援队伍数量为其本身的救援队伍数量,其他城市的救援队伍数量初始化为 0;标记所有城市为未访问状态。 2. 选择当前距离起始城市最近且未访问过的城市 u。 3. 对于城市 u 的所有邻接城市 v,如果通过 u 到达 v 的距离比当前记录的 v 的距离更短,则更新 v 的距离,同时更新 v 的救援队伍数量(加上 u 的救援队伍数量);如果距离相等,但通过 u 到达 v 能获得更多的救援队伍数量,则更新 v 的救援队伍数量。 4. 标记城市 u 为已访问。 5. 重复步骤 2 - 4,直到目标城市被访问或者所有可达城市都被访问。 ### 代码示例(Python 实现) ```python import heapq def dijkstra(graph, start, end, teams): n = len(graph) dist = [float('inf')] * n dist[start] = 0 num_teams = [0] * n num_teams[start] = teams[start] paths = [0] * n paths[start] = 1 visited = [False] * n pq = [(0, start)] while pq: d, u = heapq.heappop(pq) if visited[u]: continue visited[u] = True for v, w in graph[u]: if not visited[v]: if dist[u] + w < dist[v]: dist[v] = dist[u] + w num_teams[v] = num_teams[u] + teams[v] paths[v] = paths[u] heapq.heappush(pq, (dist[v], v)) elif dist[u] + w == dist[v]: paths[v] += paths[u] if num_teams[u] + teams[v] > num_teams[v]: num_teams[v] = num_teams[u] + teams[v] return dist[end], num_teams[end], paths[end] # 示例数据 graph = [ [(1, 1), (2, 2)], [(0, 1), (3, 3)], [(0, 2), (3, 1)], [(1, 3), (2, 1)] ] teams = [10, 20, 30, 40] start = 0 end = 3 distance, total_teams, num_paths = dijkstra(graph, start, end, teams) print(f"最短距离: {distance}") print(f"最多救援队伍数量: {total_teams}") print(f"最短路径数量: {num_paths}") ```
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