模板——Dijkstra算法+堆优化

本文详细介绍并实现了Dijkstra算法,这是一种用于解决带权图中单源最短路径问题的经典算法。通过C++代码示例展示了如何构造图、定义节点与边,并利用优先队列进行最短路径的搜索。
#include<bits/stdc++.h>
using namespace std;
const int INF=0x3f3f3f3f;
const int maxn=600010;
struct point{
    int start,cost;
};
bool operator < (const point &m,const point &n){
    return m.cost>n.cost;
}
struct edge{
    int to,cost;
};
vector <edge> e[maxn];
bool judge[maxn];
int len[maxn];
int sta;
point add(int x,int y){
    point rem;
    rem.start=x;
    rem.cost=y;
    return rem;
}
void addedge(int u,int v,int w){
    edge rem;
    rem.to=v;
    rem.cost=w;
    e[u].push_back(rem);
}
void dijkstra(int n,int start){
    memset(judge,false,sizeof(judge));
    for (int i=1; i<=n; i++) len[i]=INF;
    priority_queue <point> que;
    while (!que.empty()) que.pop();
    len[start]=0;
    que.push(add(start,0));
    point tem;
    while (!que.empty()){
        tem=que.top();
        que.pop();
        int u=tem.start;
        if (judge[u]) continue;
        judge[u]=true;
        for (int i=0; i<e[u].size(); i++){
            int v=e[tem.start][i].to;
            int cost=e[u][i].cost;
            if (!judge[v] && len[v]>len[u]+cost){
                len[v]=len[u]+cost;
                que.push(add(v,len[v]));
            }
        }
    }
}
int main(){
    for (int i=0; i<=maxn; i++)
        if (!e[i].empty())
            e[i].clear();
            int n,e;
            cin>>n>>e>>sta;
            for (int i=1; i<=e; i++){
                int u,v,w;
                cin>>u>>v>>w;
                addedge(u,v,w);
            }
            dijkstra(n,sta);
            for (int i=1; i<=n; i++)
                cout<<len[i]<<" ";
                cout<<endl;
                return 0;
}

  

转载于:https://www.cnblogs.com/cain-/p/7505684.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。
### Dijkstra算法模板代码实现 #### Java版本示例 Dijkstra算法用于解决单源最短路径问题,即给定图中的一个起点,求解此点到其余各顶点的最短路径。下面展示了一个基于优先队列优化版的Dijkstra算法Java实现[^1]。 ```java import java.util.*; public class Dijkstra { private static final int INF = Integer.MAX_VALUE; public static Map&lt;Integer, Integer&gt; dijkstra(Map&lt;Integer, List&lt;int[]&gt;&gt; graph, int start) { PriorityQueue&lt;int[]&gt; pq = new PriorityQueue&lt;&gt;(Comparator.comparingInt(a -&gt; a[1])); Map&lt;Integer, Integer&gt; distTo = new HashMap&lt;&gt;(); for (int node : graph.keySet()) { distTo.put(node, INF); } distTo.put(start, 0); pq.offer(new int[]{start, 0}); while (!pq.isEmpty()) { int[] curr = pq.poll(); int u = curr[0]; int d = curr[1]; if (d &gt; distTo.get(u)) continue; for (int[] neighbor : graph.getOrDefault(u, Collections.emptyList())) { int v = neighbor[0], weight = neighbor[1]; if (distTo.get(u) + weight &lt; distTo.get(v)) { distTo.put(v, distTo.get(u) + weight); pq.offer(new int[]{v, distTo.get(v)}); } } } return distTo; } } ``` 这段代码定义了`dijkstra`方法接收邻接表形式存储的无向加权图以及起始节点作为参数,并返回从起始节点出发到达各个节点所需的最小距离映射表。 对于更具体的场景需求&mdash;&mdash;例如获取指定两点间的最短路径而非所有可达点的距离,则可以参照另一种思路,在遍历过程中维护前驱指针以便后续回溯构建具体路径[^2]。 #### C# 版本示例 当仅需关注特定两节点间最短路径时,可采用如下方式: ```csharp using System.Collections.Generic; public class Node { public string Name { get; set; } public Dictionary&lt;Node, double&gt; Edges { get; set; } = new Dictionary&lt;Node, double&gt;(); } public static List&lt;Node&gt; GetShortestPath(Node start, Node end) { var distances = new Dictionary&lt;Node, double&gt;(); foreach(var n in start.Graph.Nodes){ distances[n]=double.PositiveInfinity; } distances[start] = 0; var previousNodes = new Dictionary&lt;Node, Node&gt;(); var unvisited = new HashSet&lt;Node&gt;(start.Graph.Nodes); while(unvisited.Count &gt; 0 &amp;&amp; !unvisited.Contains(end)){ // Select the unvisited vertex with smallest known distance from source. var currentMinDistanceVertex = unvisited.MinBy(n =&gt; distances[n]); unvisited.Remove(currentMinDistanceVertex); foreach (var edge in currentMinDistanceVertex.Edges.Keys) { if(!unvisited.Contains(edge)) continue; var altDist = distances[currentMinDistanceVertex]+currentMinDistanceVertex.Edges[edge]; if(altDist&lt;distances[edge]){ distances[edge]=altDist; previousNodes[edge]=currentMinDistanceVertex; } } } var path = new Stack&lt;Node&gt;(); for (Node node = end; node != null; node = previousNodes.GetValueOrDefault(node)) path.Push(node); return new List&lt;Node&gt;(path); } ``` 在此段C#代码中,通过引入字典`previousNodes`保存每个访问过的节点及其对应的上一跳节点信息,从而能够在完成整个图结构上的松弛操作之后逆序重构出完整的最短路径列表。
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