洛谷P1078 文化之旅(SPFA)

本文探讨了在特定限制条件下使用SPFA算法求解最短路径的问题,包括如何处理文化学习与文化鄙视的限制,提出了针对反向边松弛条件的解决方案。

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

题意分析

看了题直接想SPFA了。 然后发现入了大坑。
朴素的SPFA遇到更短的结果,就直接松弛,但是本题限制有点多,考虑如下:
1. 如果下个国家的文化已经学习过,不可访问(更新)
2. 如果下个国家文化鄙视已经学习过的文化,不可访问(更新)。
实现上述限制条件不是很难。

但是还要考虑另外一个问题,比如2-3国家是可以访问的并且已经访问过。但是进行spfa的时候,可能会对齐反向边3-2进行松弛。而此时,由于2的文化已经学习过,并且记录下来,这时候在对反向边松弛的时,由于不满足松弛条件(上面说的条件1),就无法更新,进而无法得到正确结果。

解决方案:
PS
下面所说的满足条件1,指的是:下一个国家的文化学习过。
下面所说的不满足条件1,指的是:下一个国家的文化没学习过。
在SPFA的时候,用bitset记录下当前已经学习过哪些文化,访问过哪些点,如果(当前节点已经访问过 && 不满足条件1) || (当前节点没访问过 && 满足条件1) 都是不可以松弛的 。

如果不好想,可以看着两个条件的否命题:当前节点访问过 && 满足条件1 可以访问, 当前节点没访问过 && 不满足条件1, 这些松弛条件都是成立的。

综上,其实就是,访问过和学习过的异或。

如此,问题解决,就可以写SPFA了。

代码总览

#include<bits/stdc++.h>
using namespace std;
const int nmax = 105;
const int INF = 0x3f3f3f3f;
int mp[nmax][nmax];
int cu[nmax];
int dis[nmax];
bitset<nmax> bs[nmax];
bool isin[nmax];
set<int> now;
int n,k,m,s,t;
typedef struct{
    int p;
    bitset<105> b;
    bitset<105> vv;
}status;
void spfa(int st){
    bitset<105> t,vt; t.reset(); t[cu[st]]=1; vt.reset(); vt[st] = 1;
    status ss; ss.b = t; ss.p = st; ss.vv = vt;
    for(int i = 1;i<=n;++i)  dis[i] = i == st? 0 : INF;
    queue<status> q; q.push(ss); isin[st] = 1;
    while(!q.empty()){
        status u = q.front(); q.pop(); isin[u.p] = 0;
        for(int v = 1;v<=n;++v){
            if(mp[u.p][v] == 0 ||  ( (bs[cu[v]]&u.b).any() == 1) || (u.vv[v] ^ u.b[cu[v]]) ){
            }else{
                if(dis[v] > dis[u.p] + mp[u.p][v]){
                    dis[v] = dis[u.p] + mp[u.p][v];
                    if(!isin[v]){
                        t = u.b; t[cu[v]]=1; vt = u.vv; vt[v] = 1;
                        status temp; temp.p = v; temp.b = t; temp.vv = vt;
                        q.push(temp);
                        isin[v] = 1;
                    }
                }
            }
        }
    }
}
int main(){
    scanf("%d %d %d %d %d",&n,&k,&m,&s,&t);
    for(int i = 1;i<=n;++i) scanf("%d",&cu[i]);
    bool ttt;
    for(int i = 1;i<=k;++i){
        bs[i][i] = 1;
        for(int j = 1;j<=k;++j){
            scanf("%d",&ttt);
            bs[i][j] = ttt;
        }
    }
    int u,v,d;
    for(int i = 0;i<m;++i){
        scanf("%d %d %d",&u,&v,&d);
        if(mp[u][v] == 0 || d < mp[u][v])
            mp[u][v] = mp[v][u] = d;
    }
    spfa(s);
    if(dis[t] == INF) printf("-1\n");
    else printf("%d\n",dis[t]);
    return 0;
}
### 关于洛谷 P1948 的分层最短路径问题 #### 问题背景 洛谷 P1948 是一道典型的 **分层图最短路径问题**。这类问题通常通过构建多个层次的图来模拟某些特殊条件下的状态转移,例如时间、费用或其他约束条件的变化。 --- #### 分层图的概念 分层图是一种扩展原图的方式,在原有基础上增加额外的状态维度(如层数)。每一层对应一种特定的状态或阶段,不同层之间可以通过某种规则相互连接[^3]。这种建模方式非常适合处理带有多重限制的最短路径问题。 --- #### 解题思路分析 对于该问题的核心在于如何利用已知算法求解分层图中的最短路径: 1. **模型转换** 将原始单层图转化为多层图,每层表示不同的状态变化。假设总共有 \( k \) 层,则每个节点会复制成 \( k \) 份,形成新的节点集合。相邻两层间按照题目给定的规则建立边的关系。 2. **适用算法选择** - 如果不存在负权边,可以采用 **Dijkstra 算法** 来高效求解。 ```python import heapq def dijkstra(graph, start_node): dist = {node: float('inf') for node in graph} dist[start_node] = 0 pq = [(0, start_node)] while pq: current_dist, u = heapq.heappop(pq) if current_dist > dist[u]: continue for v, weight in graph[u]: distance = current_dist + weight if distance < dist[v]: dist[v] = distance heapq.heappush(pq, (distance, v)) return dist ``` - 若存在负权边或者需要多次松弛操作验证更优解,则应选用 **Bellman-Ford 算法** 或其队列优化版本——**SPFA 算法**[^2]。 3. **初始化与边界条件** 设置初始点所在的具体位置以及目标终点的位置关系。特别需要注意的是,由于引入了更多虚拟节点和边,因此要仔细定义起始状态及其权重设置[^1]。 4. **复杂度考量** 构造后的分层图规模可能显著增大,需评估所选算法的时间开销是否会超出允许范围。一般情况下,\( O((V+E)\log V) \) 的 Dijkstra 性能优于线性的 Bellman-Ford (\(O(VE)\)) ,但在稀疏图上 SPFA 可能表现更好。 --- #### 示例实现代码 以下是基于 Python 的简单实现框架,展示如何应用上述方法解决问题: ```python from collections import deque, defaultdict def build_layered_graph(original_graph, layers_count, transition_rule): layered_graph = {} # 初始化各层节点并按规则连通它们 for layer in range(layers_count): for node in original_graph.keys(): key = (layer, node) if key not in layered_graph: layered_graph[key] = [] # 添加同层邻居 for neighbor, cost in original_graph[node]: next_key = (layer, neighbor) layered_graph[key].append((next_key, cost)) # 根据transition rule跨层链接 new_layer, extra_cost = transition_rule(layer, node) if new_layer >= 0 and new_layer < layers_count: cross_key = (new_layer, node) layered_graph[key].append((cross_key, extra_cost)) return layered_graph def spfa(graph, source): distances = defaultdict(lambda : float('inf')) predecessors = {} queue = deque() distances[source] = 0 queue.append(source) while queue: current = queue.popleft() for neighbor, edge_weight in graph.get(current, []): potential_new_distance = distances[current] + edge_weight if potential_new_distance < distances[neighbor]: distances[neighbor] = potential_new_distance predecessors[neighbor] = current if neighbor not in queue: queue.append(neighbor) return dict(distances), predecessors ``` --- #### 注意事项 - 转化过程中务必保持逻辑一致性,确保新增加的边满足实际意义; - 对大规模输入数据预估运行效率,必要时采取剪枝策略减少冗余运算; ---
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