HDU-3790 最短路径问题(水题)

本文介绍了一种改进的Dijkstra算法——双权Dijkstra算法,该算法在解决带有多重权重约束的最短路径问题中表现优异。具体地,算法应用于带有两个权重(如距离和费用)的图中,寻找从起点到终点的距离最短且花费最小的路径。
Problem Description
给你n个点,m条无向边,每条边都有长度d和花费p,给你起点s终点t,要求输出起点到终点的最短距离及其花费,如果最短距离有多条路线,则输出花费最少的。
 

Input
输入n,m,点的编号是1~n,然后是m行,每行4个数 a,b,d,p,表示a和b之间有一条边,且其长度为d,花费为p。最后一行是两个数 s,t;起点s,终点。n和m为0时输入结束。
(1<n<=1000, 0<m<100000, s != t)
 

Output
输出 一行有两个数, 最短距离及其花费。
 

Sample Input
3 2 1 2 5 6 2 3 4 5 1 3 0 0
 

Sample Output
9 11

双权dijkstra注意要更新图之间的权

直接上代码

#include<cstdio>
#include<iostream>
#include<cstring>
#include<algorithm>
using namespace std;
const int maxn = 1e3+5;
#define INF 0x3f3f3f3f
int map[maxn][maxn],map1[maxn][maxn];
int vis[maxn],dis[maxn],dis1[maxn];
int n,m;
void dijkstra(int st){
	memset(vis,0,sizeof(vis));
	for(int i = 1;i<=n;i++){
		dis[i] = map[st][i];
		dis1[i] = map1[st][i];
	}
	dis[st] = 0,dis1[st] = 0;
	vis[st] = 1;
	int pos = st;
	for(int i = 1;i<n;i++){
		for(int j = 1;j<=n;j++){
			if(!vis[j] && dis[j]>dis[pos] + map[pos][j]){
				dis[j] = dis[pos] + map[pos][j];
				dis1[j] = dis1[pos] + map1[pos][j];
			}
			else if(!vis[j] && dis[j] == dis[pos] + map[pos][j]){
				dis1[j] = min(dis1[j],dis1[pos] + map1[pos][j]);
			}
		}
		int v,minn = INF;
		for(int j = 1;j<=n;j++){
			if(!vis[j] && minn>dis[j]){
				v = j;
				minn = dis[j];
			}
		}
		vis[v] = 1;
		pos = v;
	}
}
int main()
{
	
	while(~scanf("%d %d",&n,&m) && (n+m))
	{
		memset(map,INF,sizeof(map));
		memset(map1,INF,sizeof(map1));
		int st,en;
		int a,b,c,d;
		for(int i = 0;i<m;i++){
			scanf("%d %d %d %d",&a,&b,&c,&d);
			if(map[a][b]>c) {//注意这一点
				map[a][b] = map[b][a] = c;
				map1[a][b] = map1[b][a] = d;
			}
			else if(map[a][b] == c && map1[a][b] >d){
				map1[a][b] = map1[b][a] = d;
			}
			
		}
		scanf("%d %d",&st,&en);
		dijkstra(st);
		printf("%d %d\n",dis[en],dis1[en]);
	}
	return 0;
}

转载于:https://www.cnblogs.com/acer1238/p/9165480.html

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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