CCF CSP 2016年9月第4题 交通规划(Dijkstra算法)

该博客解析了2016年CCF CSP的一道题目,涉及交通规划的算法设计。作者发现题目需要解决的是单源最短路径问题,而非最小生成树。通过运用Dijkstra算法,确定了从所有城市到首都的最短路程,并保持最短路程不变。文章重点介绍了如何使用Dijkstra算法求解问题,包括数组d[]和p[]的用途以及路径优化策略。

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

问题描述
试题编号: 201609-4
试题名称: 交通规划
时间限制: 1.0s
内存限制: 256.0MB
问题描述:
问题描述
  G国国王来中国参观后,被中国的高速铁路深深的震撼,决定为自己的国家也建设一个高速铁路系统。
  建设高速铁路投入非常大,为了节约建设成本,G国国王决定不新建铁路,而是将已有的铁路改造成高速铁路。现在,请你为G国国王提供一个方案,将现有的一部分铁路改造成高速铁路,使得任何两个城市间都可以通过高速铁路到达,而且从所有城市乘坐高速铁路到首都的最短路程和原来一样长。请你告诉G国国王在这些条件下最少要改造多长的铁路。
输入格式
  输入的第一行包含两个整数nm,分别表示G国城市的数量和城市间铁路的数量。所有的城市由1到n编号,首都为1号。
  接下来m行,每行三个整数abc,表示城市a和城市b之间有一条长度为c的双向铁路。这条铁路不会经过ab以外的城市。
输出格式
  输出一行,表示在满足条件的情况下最少要改造的铁路长度。
样例输入
4 5
1 2 4
1 3 5
2 3 2
2 4 3
3 4 2
样例输出
11
评测用例规模与约定
  对于20%的评测用例,1 ≤ n ≤ 10,1 ≤ m ≤ 50;
  对于50%的评测用例,1 ≤ n ≤ 100,1 ≤ m ≤ 5000;
  对于80%的评测用例,1 ≤ n ≤ 1000,1 ≤ m ≤ 50000;
  对于100%的评测用例,1 ≤ n ≤ 10000,1 ≤ m ≤ 100000,1 ≤ ab ≤ n,1 ≤ c ≤ 1000。输入保证每个城市都可以通过铁路达到首都。

解题思路:看到“使得任何两个城市间都可以通过高速铁路到达”这句话,我以为这是道最小生成树的题目。结果接着又看到“而且从所有城市乘坐高速铁路到首都的最短路程和原来一样长”,感觉好像是个单源最短路径的问题,每个城市都直接或者间接与首都相连,并且路程最短。我们知道,Dijkstra算法可以用来求解单源最短路径问题,数组d[]表示从起点到每个点的最短距离。在本题中,我们用数组p[]来表示到达每个点最少需要改造的铁路长度。当d[v] > d[u] + cost[v]时,我们不仅更新d[v],同时更新p[v] = cost[v];当d[v] == d[u] + cost[v]时,我们更新p[v] = min(p[v], cost[v]),即当最短路径相同时,我们总是取权值最小的边。

代码如下:

#include <cstdio>
#include <vector>
#include <algorithm>
#include <queue>
#include <climits>
#include <cstring>

const int maxn = 10005;
const int maxm = 100005;
const int INF = 1 << 20;
using namespace std;
struct Edge {
    int from,to,dist;
    Edge(int u,int v,int d):from(u),to(v),dist(d) {}
};

struct HeapNode {
    int d,u;
    bool operator<(const HeapNode& rhs) const {
        return d > rhs.d;
    }
};

vector<Edge> edges;
vector<int> G[maxn];
bool vis[maxn];
int d[maxn],p[maxn];
int n,m;

void init(int n) {
    for(int i = 0; i < n; i++)G[i].clear();
    edges.clear();
}

void add_edge(int from, int to, int dist) {
    edges.push_back(Edge(from, to, dist));
    int v = (int)edges.size();
    G[from].push_back(v-1);
}

void dijkstra(int s) {
    priority_queue<HeapNode> pq;
    for(int i = 1; i <= n; i++) d[i] = INF;
    d[s] = 0;
    memset(vis,0,sizeof(vis));
    pq.push((HeapNode) {
        0,s
    });
    while(pq.size()) {
        HeapNode x = pq.top();
        pq.pop();
        int u = x.u;
        if(vis[u]) continue;
        vis[u] = true;
        for(int i = 0; i < G[u].size(); i++) {
            Edge e = edges[G[u][i]];
            if(d[e.to] > d[u] + e.dist) {
                d[e.to] = d[u] + e.dist;
                p[e.to] = e.dist;
                pq.push((HeapNode) {
                    d[e.to],e.to
                });
            }
            if(d[e.to] == d[u] + e.dist) {
                p[e.to] = min(e.dist, p[e.to]);
            }
        }
    }
}

int main() {
    while(scanf("%d %d",&n,&m) != EOF) {

        int from, to, dist;
        init(n);
        for(int i = 0; i < m; i++) {
            scanf("%d %d %d",&from,&to,&dist);
            add_edge(from,to,dist);
            add_edge(to,from,dist);
        }
        dijkstra(1);
        int ans = 0;
        for(int i = 1; i <= n; i++) {
            ans += p[i];
        }
        printf("%d\n",ans);
    }
    return 0;
}


<think>嗯,用户想找CCF CSP考试相关的算法模板示例代码。首先,我得确认用户的需求是什么。CCF CSP考试主要考察算法和编程能力,用户可能正在备考,需要一些常用的算法模板来复习和练习。用户提到“基础备考建议”和“代码实现”,所以应该提供一些核心算法的模板,比如排序、搜索、图论等。 接下来,我需要考虑用户可能的编程语言偏好。虽然示例中提到了C++的源码引用,但用户的问没有明确指定语言。不过,CCF CSP考试通常允许使用C/C++、Java和Python,所以最好提供Python的示例,因为之前的示例代码也是Python的,可能用户更熟悉。 然后,要确保代码符合考试中的常见实现方式,比如快速排序、二分查找、并查集、Dijkstra算法等。这些算法在考试中经常出现,模板代码能帮助用户快速应用。同时,要检查每个代码的正确性,比如快速排序的递归实现是否正确,二分查找的边界条件是否处理得当。 用户的需求还可能包括代码的注释和解释,但根据问描述,用户直接需要模板示例,所以代码应该简洁、标准,没有多余的解释。此外,要注意代码格式,使用正确的语法,比如在Python中使用列表推导式来简化代码。 还需要考虑用户可能对某些算法不熟悉,比如动态规划中的背包问,或者图论中的最短路径算法。因此,提供的模板应该覆盖常见的考点,并确保代码高效,适合考试环境下的时间和空间限制。 最后,生成相关问时要围绕备考CCF CSP考试,涉及算法优化、应用场景和实现细节,帮助用户进一步深入理解每个算法。例如,询问如何优化Dijkstra算法,或者并查集的应用场景,这样用户可以针对性地复习。</think>我将为您整理CCF CSP考试中常见的算法模板及Python实现示例,并基于系统级指令要求进行格式化: ### 1. 快速排序模板 ```python def quick_sort(arr): if len(arr) <= 1: return arr pivot = arr[len(arr)//2] left = [x for x in arr if x < pivot] middle = [x for x in arr if x == pivot] right = [x for x in arr if x > pivot] return quick_sort(left) + middle + quick_sort(right) ``` 应用场景:大规模数据排序[^1] ### 2. 二分查找模板 ```python def binary_search(arr, target): left, right = 0, len(arr)-1 while left <= right: mid = (left + right) // 2 if arr[mid] == target: return mid elif arr[mid] < target: left = mid + 1 else: right = mid - 1 return -1 ``` 时间复杂度:$O(\log n)$ ### 3. 并查集模板 ```python class UnionFind: def __init__(self, size): self.parent = list(range(size)) def find(self, x): if self.parent[x] != x: self.parent[x] = self.find(self.parent[x]) return self.parent[x] def union(self, x, y): root_x = self.find(x) root_y = self.find(y) if root_x != root_y: self.parent[root_y] = root_x ``` 应用场景:连通性判断[^2] ### 4. Dijkstra最短路径算法 ```python import heapq def dijkstra(graph, start): n = len(graph) dist = [float('inf')] * n dist[start] = 0 heap = [(0, start)] while heap: d, u = heapq.heappop(heap) if d > dist[u]: continue for v, w in graph[u]: if dist[v] > dist[u] + w: dist[v] = dist[u] + w heapq.heappush(heap, (dist[v], v)) return dist ``` 时间复杂度:$O((V+E)\log V)$ ### 5. 动态规划(01背包) ```python def knapsack(weights, values, capacity): n = len(weights) dp = [[0]*(capacity+1) for _ in range(n+1)] for i in range(1, n+1): for w in range(1, capacity+1): if weights[i-1] > w: dp[i][w] = dp[i-1][w] else: dp[i][w] = max(dp[i-1][w], dp[i-1][w-weights[i-1]] + values[i-1]) return dp[n][capacity] ``` 状态转移方程:$$dp[i][w] = \max(dp[i-1][w], dp[i-1][w-w_i]+v_i)$$
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