UVA 1347 Tour

本文介绍了一种使用动态规划解决旅行者问题的方法,通过定义特定的状态转移方程,确保两个旅行者能够遍历所有节点并返回起点,同时最小化总的行走距离。

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

可以将题目转化为两个人同时向最右边走去

那么状态表示最容易想到 的是 d(i,j) 两个人位于i,j位置至少还需要走多远

但这样无序的策略会造成 1) 无法判断是否两次经过了同一点  2)无法判断是否每个点都走遍了 3)i,j 的下一步能走哪些点

为解决这些问题 ,  定义 d(i,j) 为1~max(i,j) 都走遍了 ,所以状态d(n,n)肯定就都走遍了

 但是 i可以走 i+1~n ,j也可以走 j+1~n 有可能会导致i直接到n,j也是到n 的问题

所以假设i>j  ,且每次只能走一格 ,即 d(i,j) ->d(i+1,j)和 d(+1,i)



#include<iostream>
#include<cstdio>
#include<cmath>
#include<string>
#include<cstring>
#include<cmath>
#include<vector>
#include<algorithm>
using namespace std;
vector<pair<int,int> > V;
//状态定义:d(i,j) i>j 
// 表明1~i都走过了 且所处的位置在i,j 
//还能最多走多远 
double d[1005][1005];
int N;
double dist(int i,int j)
{
	//计算三角形的第三边; 
	return hypot(abs(V[i].first-V[j].first),abs(V[i].second-V[j].second));
}
double dp()
{
	d[N-1][N-1]=0;
	memset(d,0x7f,sizeof(d));
	for(int i=0;i<N-1;i++) d[N-1][i]=dist(i,N-1); // i=N-1 时j只要走一步就好了 

	for(int j=V.size()-2;j>=0;j--)
		for(int i=V.size()-2;i>=0;i--)
			if(i>j) d[i][j]=min(d[i+1][i]+dist(i+1,j),d[i+1][j]+dist(i+1,i));    //i>j

	return d[1][0]+dist(0,1);
} 
int main()
{
	while(scanf("%d",&N)!=EOF&&N)
	{
		V.clear();
		for(int i=0;i<N;i++)
		{
			int x,y;
			cin>>x>>y;
			pair<int,int> p(x,y);
			V.push_back(p);
		}
		printf("%.2lf\n",dp());
	}
	return 0;
} 


### UVa1347 旅行问题解题思路 针对UVa1347中的旅行问题,该问题被描述为一个经典的TSP(旅行商)问题变种。然而,在特定条件下可以采用更高效的解决方案而不是传统的搜索方法[^1]。 #### 动态规划的状态表示 为了有效处理此问题,建议使用动态规划来追踪访问节点的情况。具体来说,可以通过定义`dp[S][i]`作为状态变量,其中`S`代表已经访问过的城市集合,而`i`则指代当前所在的最后一个城市位置。这种状态下,目标是最小化路径总权重并返回起点形成环路。 #### 转移方程构建 对于每一个可能的城市组合以及当前位置,计算从未访问过的新城市的最短距离,并更新相应的DP表项: \[ dp[S \cup {j} ][j]=\min(dp[S \cup {j} ][j],dp[S][i]+cost(i,j)) \] 这里\( S \)是已访问城市的子集;\( i \)是从前一阶段继承过来的位置;\( j \)是要尝试加入到路线里的下一个未访问地点;\( cost(i, j)\) 表示从 \( i \) 到 \( j\) 的边成本。 #### 边界条件设定 初始化时设置起始点的成本为零(`dp[{source}][source]=0`),其余均为无穷大以确保找到最优解。最终答案将是所有结束于源顶点的有效序列中具有最低累积开销的那个。 ```python from functools import lru_cache import sys @lru_cache(None) def tsp(mask, pos): if mask == (1 << n) - 1 and pos == start: return dist[pos][start] result = float('inf') for city in range(n): if not (mask & (1 << city)): new_mask = mask | (1 << city) current_cost = dist[pos][city] + tsp(new_mask, city) result = min(result, current_cost) return result n = int(input()) dist = [[int(x) for x in input().split()] for _ in range(n)] start = 0 print(tsp(1<<start, start)) ``` 上述代码片段展示了如何利用Python实现带有记忆化的递归来解决这个问题。通过这种方式可以在合理的时间内获得较优的结果,适用于题目给定的数据规模限制下求得全局最小值。
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