L3-007. 天梯地图

本文介绍了一种用于天梯赛的在线地图算法实现方案。该算法能够为用户提供两条路线建议:一条是耗时最少的路线,另一条是距离最短的路线。采用Dijkstra算法分别对时间和距离进行优化,确保提供最佳路线。

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

L3-007. 天梯地图

时间限制
300 ms
内存限制
65536 kB
代码长度限制
8000 B
判题程序
Standard
作者
陈越

本题要求你实现一个天梯赛专属在线地图,队员输入自己学校所在地和赛场地点后,该地图应该推荐两条路线:一条是最快到达路线;一条是最短距离的路线。题目保证对任意的查询请求,地图上都至少存在一条可达路线。

输入格式:

输入在第一行给出两个正整数N(2 <= N <=500)和M,分别为地图中所有标记地点的个数和连接地点的道路条数。随后M行,每行按如下格式给出一条道路的信息:

V1 V2 one-way length time

其中V1V2是道路的两个端点的编号(从0到N-1);如果该道路是从V1V2的单行线,则one-way为1,否则为0;length是道路的长度;time是通过该路所需要的时间。最后给出一对起点和终点的编号。

输出格式:

首先按下列格式输出最快到达的时间T和用节点编号表示的路线:

Time = T: 起点 => 节点1 => ... => 终点

然后在下一行按下列格式输出最短距离D和用节点编号表示的路线:

Distance = D: 起点 => 节点1 => ... => 终点

如果最快到达路线不唯一,则输出几条最快路线中最短的那条,题目保证这条路线是唯一的。而如果最短距离的路线不唯一,则输出途径节点数最少的那条,题目保证这条路线是唯一的。

如果这两条路线是完全一样的,则按下列格式输出:

Time = T; Distance = D: 起点 => 节点1 => ... => 终点

输入样例1:
10 15
0 1 0 1 1
8 0 0 1 1
4 8 1 1 1
5 4 0 2 3
5 9 1 1 4
0 6 0 1 1
7 3 1 1 2
8 3 1 1 2
2 5 0 2 2
2 1 1 1 1
1 5 0 1 3
1 4 0 1 1
9 7 1 1 3
3 1 0 2 5
6 3 1 2 1
5 3
输出样例1:
Time = 6: 5 => 4 => 8 => 3
Distance = 3: 5 => 1 => 3
输入样例2:
7 9
0 4 1 1 1
1 6 1 3 1
2 6 1 1 1
2 5 1 2 2
3 0 0 1 1
3 1 1 3 1
3 2 1 2 1
4 5 0 2 2
6 5 1 2 1
3 5
输出样例2:
Time = 3; Distance = 4: 3 => 2 => 5

// 醉了,最后一个点死活过不了,以后想起来在说吧= = 
#include <iostream>
#include <vector>
#define INF 1 << 30
using namespace std;
struct node {
	int end;
	int length;
	int time;
	node(int end, int length, int time) {
		this->end = end;
		this->length = length;
		this->time = time;
	}
};
// 最短路线&&结点最少
vector<int> dijkstra_len(int start, int end, int N, vector< vector<node> >& map) {
	vector<int> dis_len(N, INF); // distance
	vector<bool> vis(N, false);  // visit
	vector<int> path(N + 10, -1);     // path 记录前导点
	vector<int> point(N + 1, INF);

	dis_len[start] = 0;
	point[start] = 1;


	while (true) {
		int cur = -1;
		int min = INF;
		for (int i = 0; i < N; i++) {
			if (vis[i] != true && dis_len[i] < min) {
				cur = i;
				min = dis_len[i];
			}
		}
		if (cur == -1)
			break;
		vis[cur] = true;
		for (int i = 0; i < map[cur].size(); i++) {
			if (vis[map[cur][i].end] == true)
				continue;
			// 对距离进行松弛
			if (dis_len[map[cur][i].end] > dis_len[cur] + map[cur][i].length) {
				dis_len[map[cur][i].end] = dis_len[cur] + map[cur][i].length;
				point[map[cur][i].end] = point[cur] + 1;
				path[map[cur][i].end] = cur;
			}
			// 如果距离相同,则对结点数进行松弛
			else if ((dis_len[map[cur][i].end] == dis_len[cur] + map[cur][i].length) && (point[map[cur][i].end] > point[cur] + 1)) {
				point[map[cur][i].end] = point[cur] + 1;
				path[map[cur][i].end] = cur;
			}
		}
	}

	// 返回路径,通过前导推出
	vector<int> return_path;
	int cur = end;
	while (cur != -1) {
		return_path.push_back(cur);
		cur = path[cur];
	}
	// 在路径后面添加一个最短距离,方便后续统计
	return_path.push_back(dis_len[end]);
	return return_path;
}
// 时间最短&&路径最短
vector<int> dijkstra_time(int start, int end, int N, vector< vector<node> >& map) {
	vector<int> dis_time(N, INF);
	vector<int> dis_len(N, INF);
	vector<bool> vis(N, false);
	vector<int> path(N + 10, -1);

	dis_time[start] = 0;
	dis_len[start] = 0;

	while (true) {
		int cur = -1;
		int min = INF;
		for (int i = 0; i < N; i++) {
			if (vis[i] != true && dis_time[i] < min) {
				cur = i;
				min = dis_time[i];
			}
		}
		if (cur == -1)
			break;
		vis[cur] = true;
		for (int i = 0; i < map[cur].size(); i++) {
			if (vis[map[cur][i].end] == true)
				continue;
			// 对时间进行松弛
			if (dis_time[map[cur][i].end] > dis_time[cur] + map[cur][i].time) {
				dis_time[map[cur][i].end] = dis_time[cur] + map[cur][i].time;
				dis_len[map[cur][i].end] = dis_len[cur] + map[cur][i].length;
				path[map[cur][i].end] = cur;
			}
			// 如果时间相同,则对距离进行松弛
			else if ((dis_time[map[cur][i].end] == dis_time[cur] + map[cur][i].time) && (dis_len[map[cur][i].end] > dis_len[cur] + map[cur][i].length)){
				dis_len[map[cur][i].end] = dis_len[cur] + map[cur][i].length;
				path[map[cur][i].end] = cur;
			}
		}
	}

	vector<int> return_path;
	int cur = end;
	while (cur != -1) {
		return_path.push_back(cur);
		cur = path[cur];
	}
	// 在路径后面添加一个最短距离,方便
	return_path.push_back(dis_time[end]);
	// 返回最短路径
	return return_path;
}

int main() {
	//freopen("1.txt", "r", stdin);
	int N, M;
	int start, end;
	cin >> N >> M;
	vector< vector<node> > map(N);
	vector< int > path_len;
	vector< int > path_time;
	for (int i = 0; i < M; i++) {
		int start, end, one_way, length, time;
		cin >> start >> end >> one_way >> length >> time;
		map[start].push_back(node(end, length, time));
		if (one_way == 0)
			map[end].push_back(node(start, length, time));
	}
	cin >> start >> end;
	path_len = dijkstra_len(start, end, N, map);
	path_time = dijkstra_time(start, end, N, map);

	bool flag = false;
	if (path_len.size() == path_time.size()) {
		for (int i = path_len.size() - 2; i >= 0; i--)
			if (path_len[i] != path_time[i])
				break;
		flag = true;
	}
	else
		flag = false;

	if (false == flag) {
		printf("Time = %d: %d", path_time[path_time.size() - 1], path_time[path_time.size() - 2]);
		for (int i = path_time.size() - 3; i >= 0; i--)
			printf(" => %d", path_time[i]);
		printf("\n");
		printf("Distance = %d: %d", path_len[path_len.size() - 1], path_len[path_len.size() - 2]);
		for (int i = path_len.size() - 3; i >= 0; i--)
			printf(" => %d", path_len[i]);
	}
	else {
		printf("Time = %d; Distance = %d: %d", path_time[path_time.size() - 1], path_len[path_len.size() - 1], path_len[path_len.size() - 2]);
		for (int i = path_len.size() - 3; i >= 0; i--)
			printf(" => %d", path_len[i]);
	}
	return 0;
}

### L3-007 天梯地图算法解析 #### Dijkstra算法的应用背景 在解决L3-007天梯地图这一编程挑战时,核心在于理解和运用Dijkstra算法来处理加权图中的最短路径问题。此题不仅考察基本的最短路径求解方法,还进一步要求能够区并提供两种不同类型的最优路径——即最快到达时间和最短物理距离下的路径[^1]。 #### 数据结构的选择与初始化 为了高效地存储和访问节点间的关系以及权重信息,通常会选择邻接表作为底层数据结构。对于每一个查询请求而言,程序需读取起点(队员所在位置)和终点(比赛场地),并将这些信息映射到预先构建好的城市网络模型中去。此外,还需准备两个优先级队列别用于保存当前已知的最佳时间成本和空间成本路径状态[^2]。 #### 计算过程详解 当执行具体计算逻辑时,应先通过一次完整的Dijkstra遍历找到从源点出发至目标点之间的最小累积耗时方案;紧接着再独立运行第二次迭代专注于寻找总行程长度上的极小化解答。值得注意的是,在每次松弛操作期间除了更新相应的代价外还需要同步维护额外的状态变量用来追踪经过了多少个中间站点以便后续输出完整的结果集[^4]。 ```python import heapq def dijkstra(graph, start, end, mode=&#39;time&#39;): n = len(graph) dist = [float(&#39;inf&#39;)] * n prev = [-1] * n count = [0] * n pq = [(0, start)] while pq: d, u = heapq.heappop(pq) if u == end or d > dist[u]: continue for v, w in graph[u]: alt = d + (w[mode==&#39;distance&#39;]) if alt < dist[v]: dist[v], prev[v], count[v] = alt, u, count[u]+1 heapq.heappush(pq,(alt,v)) path = [] node = end while node != -1: path.append(node) node = prev[node] return {&#39;path&#39;: list(reversed(path)), &#39;cost&#39;: dist[end], &#39;nodes_passed&#39;:count[end]} ``` 上述代码实现了基于给定模式(`&#39;time&#39;` 或 `&#39;distance&#39;`)选择合适边权进行单源最短路搜索的功能,并返回包含所选路径、对应开销及途经顶点数量在内的字典对象。
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