AcWing 91. 最短Hamilton路径 [状压dp]

本文探讨了在带权无向图中寻找从起点到终点的最短Hamilton路径的算法,利用位运算优化状态表示,通过动态规划实现高效求解。

给定一张 n 个点的带权无向图,点从 0~n-1 标号,求起点 0 到终点 n-1 的最短Hamilton路径。 Hamilton路径的定义是从 0 到 n-1 不重不漏地经过每个点恰好一次。
输入格式
第一行输入整数n。
接下来n行每行n个整数,其中第i行第j个整数表示点i到j的距离(记为a[i,j])。
对于任意的x,y,z,数据保证 a[x,x]=0,a[x,y]=a[y,x] 并且 a[x,y]+a[y,z]>=a[x,z]。
输出格式
输出一个整数,表示最短Hamilton路径的长度。
数据范围
1≤n≤201≤n≤20
0≤a[i,j]≤1070≤a[i,j]≤107
输入样例:
5
0 2 4 5 1
2 0 6 5 3
4 6 0 8 3
5 5 8 0 5
1 3 3 5 0
输出样例:
18

要求一个最短Hamilton路径,一个nphard问题
对于地图中每一个点,在走的时候都有走过和没有走过两种状态,要想枚举每种状态,可以用位运算代表当前走过的情况;
地图最大是20,数组需要1<<20*20,相比20!*20可以接受;
枚举时,每条序列i有20位,第j位为1则代表这个点已经走过了,0反之;
for (i=1; i<(1<<n); i++)//i代表着是一个方案集合,其中每一个位置1和0,代表着这个点经过还是没有经过

for (i=1; i<(1<<n); i++)
for (j=0; j<n; j++)
        if ((i>>j & 1))
            for (k=0; k<n; k++)
                if ((i^(1<<j)) >> k & 1)
                    f[i][j]=min(dp[i][j],dp[i^(1<<j)][k]+weight[k][j]);

这个是核心代码,逐个讲;
for (i=1; i<(1<<n); i++)
for (j=0; j<n; j++)
i序列就是整个路径走过的情况用二进制可以遍历到所有情况;
然后对这条n位路径逐位分析;
if ((i>>j & 1))
for (k=0; k<n; k++)
判断第j位是不是1;有没有走过,如果走过的话就在当前基础上再次对i遍历;
if ((i^(1<<j)) >> k & 1)
f[i][j]=min(dp[i][j],dp[i^(1<<j)][k]+weight[k][j]);
如果第j位是1,则将第j位变成0,然后对i序列遍历,对改变后的i序列为1的每一位dp运算
dp数组ij分别代表当前的i序列,当前走到了j点,在当前的i序列下,走到j点后可能的花费由除了j为0,其他和i序列相同的这个序列的除j外其他为1的点的花费加上这个点到j的花费之中取最小的;

#include <bits/stdc++.h>
using namespace std;
int n,f[1<<20][21],i,j,k;
int weight[21][21];
int main()
{
   ios::sync_with_stdio(false);
   memset(f,0x3f,sizeof(f));cin>>n;
   for (i=0; i<n; i++)
       for (j=0; j<n; j++)
           cin>>weight[i][j];
   f[1][0]=0;
   for (i=1; i<(1<<n); i++)
       for (j=0; j<n; j++)
           if ((i>>j & 1))//如果i集合中第j位是1,也就是到达过这个点
               for (k=0; k<n; k++)//枚举到达j的点k
                   if ((i^(1<<j)) >> k & 1)
                       f[i][j]=min(f[i][j],f[i^(1<<j)][k]+weight[k][j]);//选择最小值
   cout<<f[(1<<n)-1][n-1];
   return 0;
} //代码借鉴了后面的题解
### Hamilton 路径的算法与图论分析 Hamilton 路径问题在图论中是一个经典问题,其目标是在一个加权图中找到一条从起点到终点的路径,该路径恰好经过每个顶点一次,并且路径的总权重小。该问题属于 NP-Hard 问题,因此对于大规模图,通常需要使用动态规划等优化策略来求解。 #### 缩动态规划方法 Hamilton 路径可以通过缩动态规划来高效求解。缩的核心思想是使用二进制数来表示已经访问过的顶点集合,从而减少态存储的空间和计算复杂度。 定义态 `dp[i][j]` 表示当前处于顶点 `j`,并且已经访问过的顶点集合由二进制数 `i` 表示时的路径长度。初始态为 `dp[1][0] = 0`,表示从起点 `0` 出发,仅访问了自己。 态转移方程为: ```python dp[i][j] = min(dp[i ^ (1 << j)][k] + weight[k][j]) for all k in i if k != j ``` 其中: - `i` 是一个二进制数,表示已访问的顶点集合。 - `j` 是当前所在的顶点。 - `weight[k][j]` 是顶点 `k` 到顶点 `j` 的边权值。 - `i ^ (1 << j)` 表示从集合 `i` 中移除顶点 `j`。 终答案是 `min(dp[(1 << n) - 1][j] + weight[j][n-1])`,其中 `n` 是图中顶点的数量,`j` 遍历所有可能的中间顶点。 #### 图论中的应用 在图论中, Hamilton 路径问题与旅行商问题(TSP)密切相关,但不同之处在于 TSP 要求路径形成一个回路,而 Hamilton 路径只需要从起点到终点。该问题在实际应用中广泛存在,例如电路设计、物流路径规划等领域。 #### 示例代码 以下是一个实现 Hamilton 路径的 Python 示例代码: ```python n = int(input()) weight = [list(map(int, input().split())) for _ in range(n)] # 初始化动态规划表 dp = [[float('inf')] * n for _ in range(1 << n)] dp[1][0] = 0 # 起点为顶点0 # 态转移 for i in range(1 << n): for j in range(n): if (i >> j) & 1: for k in range(n): if (i ^ (1 << j)) >> k & 1: dp[i][j] = min(dp[i][j], dp[i ^ (1 << j)][k] + weight[k][j]) # 终结果 print(dp[(1 << n) - 1][n-1]) ```
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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