(单源最短路)旅游规划

 

有了一张自驾旅游路线图,你会知道城市间的高速公路长度、以及该公路要收取的过路费。现在需要你写一个程序,帮助前来咨询的游客找一条出发地和目的地之间的最短路径。如果有若干条路径都是最短的,那么需要输出最便宜的一条路径。

输入格式:

输入说明:输入数据的第1行给出4个正整数NMSD,其中N(2)是城市的个数,顺便假设城市的编号为0~(N−1);M是高速公路的条数;S是出发地的城市编号;D是目的地的城市编号。随后的M行中,每行给出一条高速公路的信息,分别是:城市1、城市2、高速公路长度、收费额,中间用空格分开,数字均为整数且不超过500。输入保证解的存在。

输出格式:

在一行里输出路径的长度和收费总额,数字间以空格分隔,输出结尾不能有多余空格。

输入样例:

4 5 0 3
0 1 1 20
1 3 2 30
0 3 4 10
0 2 2 20
2 3 1 20

输出样例:

3 40

dijkstra:

权值必须为非负值

单源最短路径,邻接矩阵形式,复杂度为O(N^2)

和最小生成树的Pime算法差不多,迪杰斯特拉更新的是未加入集合的点经或不经过集合中的点到源点的最短距离,而Prim更新的未加入最小生成树的点到最小生成树的最短距离

#include<iostream>
using namespace std;
#define INF 1e9
#define maxn 510

int n,m,s,d;
int maps[maxn][maxn][2];
bool visited[maxn];
int dist[maxn],pay[maxn]; //dist[i]表示点i到源点的最短距离

void dijkstra(int s)
{
    for(int i=0;i<n;i++){
        dist[i]=maps[s][i][0];
        pay[i]=maps[s][i][1];
        visited[i]=false;
    }
    /*dist[s]=0;
    pay[s]=0;*/
    visited[s]=true;

    int temp,k;
    for(int i = 0;i < n;i++)
    {
        temp = INF;
        for(int j = 0;j < n;j++)  //找出最小值
        {
            if(!visited[j]&& temp > dist[j])
            {
                k = j;
                temp = dist[j];
            }
        }
        if(temp == INF)  //找完了
            break;
        visited[k] = true;
        for(int j = 0;j < n;j++)
        {
            if(dist[j]>dist[k] + maps[k][j][0])
            {
                dist[j]=dist[k] + maps[k][j][0];
                pay[j]=pay[k]+maps[k][j][1];
            }
            else if(dist[j]==dist[k] + maps[k][j][0]&&pay[j]>pay[k]+maps[k][j][1])
            {
                 pay[j]=pay[k]+maps[k][j][1];
            }
        }

    }
}

int main()
{
    cin>>n>>m>>s>>d;
    for(int i=0;i<n;i++){
        for(int j=0;j<n;j++){
            maps[i][j][0]=(i==j?0:INF);
            maps[i][j][1]=(i==j?0:INF);
        }
    }
    int a,b,dn,f,ans;
    for(int i=0;i<m;i++)
    {
        cin>>a>>b>>dn>>f;
       //if(d<maps[a][b][0])
            maps[a][b][0]=maps[b][a][0]=dn;
        //if(f<maps[a][b][1])
            maps[a][b][1]=maps[b][a][1]=f;
    }
    dijkstra(s);
    cout<<dist[d]<<" "<<pay[d]<<endl;
    return 0;
}

 

### 单源短路径算法概述 单源短路径算法旨在计算从某个特定起点出发到达图中其他所有节点的短路长度。这类算法适用于带权重的有向图或无向图,其中每条边都有一个非负或者可能为负的权重值[^1]。 #### 常见的单源短路径算法及其特性 以下是几种常见的单源短路径算法: 1. **Dijkstra算法** - Dijkstra算法基于贪心策略,通过逐步扩展当前已知的短路径来更新其他顶点的距离估计。该算法假设所有的边权均为非负数,因此不支持含有负权边的图结构[^2]。 - 它的主要特点是优先选择距离小的未访问节点进行扩展,并利用这些节点的信息进一步优化剩余节点的距离估计值[^4]。 2. **Bellman-Ford算法** - Bellman-Ford算法能够处理含负权边的图,甚至可以检测是否存在负环(即总权重为负的循环路径),这使得其适用范围更广[^3]。 - 此算法通过对每一条边重复执行松弛操作多 \(V-1\) 次(\(V\) 表示顶点数量),从而确保终得到的结果是优解。 3. **Floyd-Warshall算法** - 虽然严格意义上不属于单源短路径范畴,但它可以通过动态规划的方式高效地解决多对多之间的短路径问题,在某些场景下也可以间接服务于单源需求。 --- ### 算法实现详解 #### 1. Dijkstra算法 (Python 实现) 下面是一个简单的 Python 版本的 Dijkstra 算法实现,使用堆队列模块 `heapq` 来加速选取下一个要访问的节点过程: ```python import heapq def dijkstra(graph, start): distances = {node: float('inf') for node in graph} # 初始化所有节点距离为无穷大 distances[start] = 0 # 设置起始节点距离为零 priority_queue = [(0, start)] # 创建一个小根堆存储待探索节点 while priority_queue: current_distance, current_node = heapq.heappop(priority_queue) if current_distance > distances[current_node]: continue for neighbor, weight in graph[current_node].items(): distance = current_distance + weight if distance < distances[neighbor]: distances[neighbor] = distance heapq.heappush(priority_queue, (distance, neighbor)) return distances ``` 此函数接受两个参数:一个是表示加权图的数据字典形式;另一个是指定的初始节点名称字符串。返回结果则是一张映射表记录着各个目标节点相对于原点的佳可达成本。 #### 2. Bellman-Ford算法 (C++ 实现) 这里提供了一个 C++ 的贝尔曼福特算法模板代码片段供参考学习: ```cpp #include <bits/stdc++.h> using namespace std; struct Edge { int src, dest, weight; }; void bellmanFord(vector<Edge> edges, int V, int E, int source){ vector<int> dist(V, INT_MAX); dist[source] = 0; for(int i=0;i<V-1;i++){ for(auto edge : edges){ if(dist[edge.src]!=INT_MAX && dist[edge.src]+edge.weight<dist[edge.dest]){ dist[edge.dest]=dist[edge.src]+edge.weight; } } } // Check negative cycle bool hasNegativeCycle=false; for(auto edge : edges){ if(dist[edge.src]!=INT_MAX && dist[edge.src]+edge.weight<dist[edge.dest]){ cout << "Graph contains a negative-weight cycle"; hasNegativeCycle=true; break; } } if(!hasNegativeCycle){ for(int i=0;i<V;i++) printf("%d\t%d\n",i,dist[i]); } } ``` 上述程序定义了一种数据结构用来描述连接两结点间的弧线以及它们所携带的价值量度单位——重量。接着按照标准流程迭代调整直至收敛完成整个运算逻辑。 --- ### 总结对比分析 | 属性 | Dijkstra Algorithm | Bellman–Ford Algorithm | |-------------------|----------------------------|------------------------------| | 时间复杂度 | O((E+V)log⁡(V)) | O(VE) | | 是否允许负权 | 否 | 是 | | 应用领域 | 地理信息系统(GIS),路由协议等 | 计算机网络流量工程等领域 | 尽管两种技术都致力于寻找单一源头至目的地间优行走路线方案,但由于各自设计初衷不同导致实际表现有所差异。具体选用哪一种取决于应用场景的具体约束条件比如性能指标要求或是输入数据特征等因素影响下的综合考量[^1]. ---
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