1003. Emergency (25)(Dijkstra + DFS)

本文通过一个具体的案例,对比了Dijkstra算法和DFS算法在寻找最短路径及最大团队人数问题上的应用。通过源代码详细展示了两种算法的实现过程,并讨论了它们的时间和空间复杂度。

这一题算是我对于 Dijkstra 和 DFS 的初步认识吧,学习水准还是比较低的。
贴代码!

#include <cstdio>

#define INF 65535
#define MX 501

int mp[MX][MX];
int v[MX];
int dist[MX];
int teams[MX];
int amount[MX];
int pathcount[MX];
int N,M,start,en;

int main()
{

    scanf("%d %d %d %d", &N,&M,&start,&en);
    for (int i = 0; i < N; i++)
    {
        scanf("%d", &teams[i]);
    }
    for (int i=0; i<N; i++)
    {
        dist[i] = INF;
        for (int j=0; j<N; j++)
            mp[i][j] = INF;
    }
    for (int i=0; i<M; i++)
    {
        int c1, c2, L;
        scanf("%d %d %d", &c1,&c2,&L);
        mp[c1][c2] = mp[c2][c1] = L;
    }

    for (int i = 0; i < N; i++)
    {
        v[i] = 0;
        dist[i] = mp[start][i];

    }

    pathcount[start] = 1;
    dist[start] = 0;
    amount[start] = teams[start];

    for (int i = 0; i < N; i++)
    {
        int k = 0,min = INF;
        for (int j = 0; j < N; j++)
        {
            if (!v[j] && dist[j] < min)
            {
                k = j;
                min = dist[j];
            }
        }
        if (min==INF || k==en) break;

        v[k] = 1;
        for (int j = 0; j < N; j++)
        {
            if (!v[j])
            {
                if (min + mp[k][j] < dist[j])
                {
                    dist[j] = min + mp[k][j];
                    pathcount[j] = pathcount[k];
                    amount[j] = amount[k] + teams[j];
                }
                else if (min + mp[k][j] == dist[j])
                {
                    if (amount[j] < amount[k] + teams[j])
                        amount[j] = amount[k] + teams[j];
                    pathcount[j] += pathcount[k];
                }
            }
        }
    }

    printf("%d %d\n", pathcount[en], amount[en]);
    return 0;
}

这一题的 Dijkstra 还是有一点的变形,觉得真是一个神奇的算法。
接着就是 DFS 用这种法子觉得很暴力,在 pat 里也发现时间和空间都相比 Dijkstra 比较大。
贴代码

#include <cstdio>

#define MX 501

int N,M,C1,C2;
int teams[MX] = {0};
int mp[MX][MX] = {0};
bool boolDfs[MX] = {false};

int minDistance = 65535;
int shortPath = 0;
int maxTeams = 0;

void dfs(int start, int distance, int team)
{
    if (start == C2)
    {
        if (distance < minDistance)
        {
            minDistance = distance;
            shortPath = 1;
            maxTeams = team;
        }
        else if (distance == minDistance)
        {
            shortPath++;
            if (team > maxTeams)
                maxTeams = team;
        }
        return;
    }

    boolDfs[start] = true;
    for (int i = 0; i < N; i++)
    {
        if (boolDfs[i] == false && mp[start][i] > 0)
        {
            dfs(i,distance + mp[start][i],team + teams[i]);
        }
    }
    boolDfs[start] = false;
}

int main()
{
    scanf("%d %d %d %d",&N,&M,&C1,&C2);

    for (int i = 0; i < N; i++)
    {
        scanf("%d",&teams[i]);
    }
    for (int i = 0; i < M; i++)
    {
        int c1,c2,tmp;
        scanf("%d %d %d",&c1,&c2,&tmp);
        mp[c1][c2] = mp[c2][c1] = tmp;
    }
    dfs(C1,0,teams[C1]);

    printf("%d %d",shortPath,maxTeams);
    return 0;
}

dfs 的思路蛮不错的,可以适用于很多题目,讲道理刷题考pat而言的话,dfs更好一点,pat对于空间要求并不高,可以用dfs 快速解决一些dp 的题目。
学习!
记住!

同步定位与地图构建(SLAM)技术为移动机器人或自主载具在未知空间中的导航提供了核心支撑。借助该技术,机器人能够在探索过程中实时构建环境地图并确定自身位置。典型的SLAM流程涵盖传感器数据采集、数据处理、状态估计及地图生成等环节,其核心挑战在于有效处理定位与环境建模中的各类不确定性。 Matlab作为工程计算与数据可视化领域广泛应用的数学软件,具备丰富的内置函数与专用工具箱,尤其适用于算法开发与仿真验证。在SLAM研究方面,Matlab可用于模拟传感器输出、实现定位建图算法,并进行系统性能评估。其仿真环境能显著降低实验成本,加速算法开发与验证周期。 本次“SLAM-基于Matlab的同步定位与建图仿真实践项目”通过Matlab平台完整再现了SLAM的关键流程,包括数据采集、滤波估计、特征提取、数据关联与地图更新等核心模块。该项目不仅呈现了SLAM技术的实际应用场景,更为机器人导航与自主移动领域的研究人员提供了系统的实践参考。 项目涉及的核心技术要点主要包括:传感器模型(如激光雷达与视觉传感器)的建立与应用、特征匹配与数据关联方法、滤波器设计(如扩展卡尔曼滤波与粒子滤波)、图优化框架(如GTSAM与Ceres Solver)以及路径规划与避障策略。通过项目实践,参与者可深入掌握SLAM算法的实现原理,并提升相关算法的设计与调试能力。 该项目同时注重理论向工程实践的转化,为机器人技术领域的学习者提供了宝贵的实操经验。Matlab仿真环境将复杂的技术问题可视化与可操作化,显著降低了学习门槛,提升了学习效率与质量。 实践过程中,学习者将直面SLAM技术在实际应用中遇到的典型问题,包括传感器误差补偿、动态环境下的建图定位挑战以及计算资源优化等。这些问题的解决对推动SLAM技术的产业化应用具有重要价值。 SLAM技术在工业自动化、服务机器人、自动驾驶及无人机等领域的应用前景广阔。掌握该项技术不仅有助于提升个人专业能力,也为相关行业的技术发展提供了重要支撑。随着技术进步与应用场景的持续拓展,SLAM技术的重要性将日益凸显。 本实践项目作为综合性学习资源,为机器人技术领域的专业人员提供了深入研习SLAM技术的实践平台。通过Matlab这一高效工具,参与者能够直观理解SLAM的实现过程,掌握关键算法,并将理论知识系统应用于实际工程问题的解决之中。 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!
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
 条评论被折叠 查看
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