UVA 11367 Full Tank? (dij+heap+dp)

本文介绍了一种结合最短路径算法与动态规划的方法,用于解决带有限制条件的最短路径问题。具体应用场景是在一个有单位距离油耗的图中寻找从起点到终点的最经济路径,考虑车辆可在各节点补充燃油。

题意:给定一张n个点m条边的无向图,每条边有个距离D(i,j),车辆每经过一个单位的距离消耗一单位的油。,有一辆车从点start出发前往end,车的油箱容量为c,在每个节点Vi上车辆可以以Pi的价格补充1单位的油,现在给定q次询问,每次询问给定出发点start,终点end,油箱容量c,问能否从起点出发到达终点,并输出最短距离

思路:最短路上的dp,如果求出所有的路径,那么我们需要做一次dp或者贪心来得到最小值,但实际上我们可以使用用heap优化的dij算法,以最小花费为权重,每次加一升油,来判断当前这个状态最远能走到那里。使用dp[u][j]表示在Vu还剩j升油的最小花费,对于每个状态更新与Vi相连的点的权重,状态转移方程为

dp[Vv][jD(u,v)]=min(dp[Vv][jD(u,v)],dp[Vu][j])

同时,在更新完成之后,尝试在当前点加油,状态转移方程为
dp[Vu][j+1]=min(dp[Vu][j+1],dp[Vu][j]+Pu)

总的时间复杂度为

O(T)=O(qcnlogm)
#include <cstdio>
#include <iostream>
#include <stack>
#include <queue>
#include <vector>
#include <map>
#include <string>
#include <string.h>
#include <cstring>
#include <cstdlib>
#include <set>
#include <algorithm>
#include <cctype>
#include<cmath>
#include <sstream>

using namespace std;
#define sp system("pause");
typedef long long ll;
typedef pair<int, int> pii;

const int MAXN = 1050;
const double PI = acos(-1.0);

vector<pii>e[MAXN];

int pri[MAXN];
int dp[MAXN][120];

struct node
{
    int p, c, w;
    node(){}
    node(int a, int b, int c) :p(a), c(b), w(c){}
    friend bool operator<(const node &x, const node &y)
    {
        return x.w > y.w;
    }
};

int dij(int st, int en, int cap)
{
    for (int i = 0; i < MAXN; i++)for (int j = 0; j < 120; j++)dp[i][j] = 100000000;
    priority_queue<node>pq;
    dp[st][0] = 0;
    pq.push(node(st, 0, 0));
    while (!pq.empty())
    {
        node tmp = pq.top();
        pq.pop();
        if (tmp.p == en)return tmp.w;
        int u = tmp.p;
        for (int i = 0; i < e[tmp.p].size(); i++)
        {
            int v = e[u][i].first;
            int d = e[u][i].second;
            if (tmp.c-d>=0&&dp[v][tmp.c - d]>tmp.w)
            {
                dp[v][tmp.c - d] = tmp.w;
                pq.push(node(v, tmp.c - d, tmp.w));
            }
        }
        if (tmp.c < cap&&dp[u][tmp.c+1]>tmp.w+pri[u])
        {
            dp[u][tmp.c + 1] = tmp.w + pri[u];
            pq.push(node(u, tmp.c + 1, dp[u][tmp.c + 1]));
        }
    }
    return -1;
}

int main()
{
    int n, m;
    while (scanf("%d%d", &n, &m) != EOF)
    {
        for (int i = 0; i < MAXN; i++)e[i].clear();
        for (int i = 0; i < n; i++)scanf("%d", pri + i);
        for (int i = 0; i < m; i++)
        {
            int x, y, z;
            scanf("%d%d%d", &x, &y, &z);
            e[x].push_back(pii(y, z));  
            e[y].push_back(pii(x, z));
        }
        int q;
        scanf("%d", &q);
        while (q--)
        {
            int c, st, en;
            scanf("%d%d%d", &c, &st, &en);
            int ans = dij(st, en, c);
            if (ans == -1)puts("impossible");
            else printf("%d\n", ans);
        }
    }
}
这是一个非常有趣且富有哲思的问题:“能否用 Floyd、Dijkstra 或 SPFA 这些**最短路算法**来实现 A+B?” 从实际计算的角度来看,A+B 是一个简单的算术运算,而 Floyd、Dijkstra 和 SPFA 是用于求解图中**顶点之间最短路径**的算法。它们本不适用于加法操作。但如果我们跳出常规思维,借助“建模”和“映射”的思想,**在特定抽象意义下**,我们确实可以“用最短路算法来做 A+B”。 下面我将详细解释每种方式是否可行、如何构造模型,并给出可运行的 C++ 代码示例。 --- ### ✅ 总体结论: > ❌ **不能直接用这些算法做 A+B 的数值计算**(毫无必要且效率极低) > ✅ **但可以通过构造特殊图模型,使最短路径的结果等于 A+B** —— 属于“算法思想的泛化应用”或“教学演示”。 --- ## 1. 能否用 Dijkstra 求 A+B? ### ✔️ 可以!通过构造一条“加法路径” 我们将问题转化为: > 构造一个图,使得从起点到终点的最短路径长度恰好为 `A + B`。 #### 建模思路: - 创建三个节点:`0 -> 1 -> 2` - 边 `0→1` 的权值为 A - 边 `1→2` 的权值为 B - 则从 `0` 到 `2` 的最短路径就是 A+B ```cpp #include <iostream> #include <vector> #include <queue> #include <climits> using namespace std; const int N = 3; vector<pair<int, int>> graph[N]; // 邻接表:to, weight int dist[N]; void dijkstra(int start) { for (int i = 0; i < N; ++i) dist[i] = INT_MAX; dist[start] = 0; priority_queue<pair<int, int>, vector<pair<int, int>>, greater<>> pq; pq.push({0, start}); while (!pq.empty()) { auto [d, u] = pq.top(); pq.pop(); if (d > dist[u]) continue; for (auto &[v, w] : graph[u]) { if (dist[u] + w < dist[v]) { dist[v] = dist[u] + w; pq.push({dist[v], v}); } } } } int main() { int A, B; cin >> A >> B; // 构造图:0 --A--> 1 --B--> 2 graph[0].push_back({1, A}); graph[1].push_back({2, B}); dijkstra(0); cout << dist[2] << endl; // 输出 A+B return 0; } ``` ✅ **解释**:这不是真正的“计算加法”,而是把加法嵌入图结构中,让 Dijkstra “走一遍”得到结果。虽然极度低效(O(n log n) vs O(1)),但它体现了 **图论对计算的表达能力**。 --- ## 2. 能否用 SPFA 求 A+B? SPFA 是 Bellman-Ford 的队列优化版,也能处理负权边。 同样的建模方式适用。 ```cpp #include <iostream> #include <vector> #include <queue> #include <climits> using namespace std; const int N = 3; vector<pair<int, int>> graph[N]; int dist[N], inq[N]; void spfa(int start) { for (int i = 0; i < N; ++i) dist[i] = INT_MAX; queue<int> q; dist[start] = 0; q.push(start); inq[start] = true; while (!q.empty()) { int u = q.front(); q.pop(); inq[u] = false; for (auto &[v, w] : graph[u]) { if (dist[u] + w < dist[v]) { dist[v] = dist[u] + w; if (!inq[v]) { q.push(v); inq[v] = true; } } } } } int main() { int A, B; cin >> A >> B; graph[0].push_back({1, A}); graph[1].push_back({2, B}); spfa(0); cout << dist[2] << endl; // A+B return 0; } ``` ✅ **解释**:即使 A 或 B 为负数也成立(Dijkstra 不支持负权,但 SPFA 支持)。这说明 SPFA 更通用,但仍只是“模拟”加法。 --- ## 3. 能否用 Floyd 求 A+B? Floyd 算法用于求**所有点对之间的最短路径**,基于动态规划: ```cpp dp[k][i][j] = min(dp[k-1][i][j], dp[k-1][i][k] + dp[k-1][k][j]) ``` 我们可以构造三元图,然后运行 Floyd,最后取 `dist[0][2]`。 ```cpp #include <iostream> #include <climits> using namespace std; const int N = 3; int dist[N][N]; void floyd() { for (int k = 0; k < N; ++k) for (int i = 0; i < N; ++i) for (int j = 0; j < N; ++j) if (dist[i][k] != INT_MAX && dist[k][j] != INT_MAX) dist[i][j] = min(dist[i][j], dist[i][k] + dist[k][j]); } int main() { int A, B; cin >> A >> B; // 初始化距离矩阵 for (int i = 0; i < N; ++i) for (int j = 0; j < N; ++j) dist[i][j] = (i == j ? 0 : INT_MAX); dist[0][1] = A; dist[1][2] = B; floyd(); cout << dist[0][2] << endl; // 应该是 A+B return 0; } ``` ✅ **解释**:Floyd 完全可以“算出” A+B,尽管它的时间复杂度是 O() = O(1)(因为 n=3 固定),但这只是为了形式上的完整性。 --- ### 🔚 总结与哲学思考 | 算法 | 是否可用于 A+B | 说明 | |----------|----------------|------| | Dijkstra | ✅ 可以(正权) | 构造路径,跑一遍最短路 | | SPFA | ✅ 可以(含负权) | 支持 A/B 为负数的情况 | | Floyd | ✅ 可以(全源) | 把加法嵌入图中进行松弛 | > 💡 这些方法都不是“真正计算 A+B”,而是 **将加法编码为图问题**,再用最短路算法解码出来。 > 它们的价值在于:展示**算法的统一性与建模能力** —— 即便最简单的运算,也可以被复杂的算法框架所容纳。 --- ### 🧠 类比理解: 就像你可以用一台超级计算机模拟整个宇宙,只为算出 `1+1=2` —— 虽然荒谬,但逻辑上成立。 ---
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