PAT1018 Public Bike Management (30)(最短路径+DFS)

本文介绍了一种算法,用于解决自行车站调整问题。通过Dijkstra算法找到从控制中心到问题车站的最短路径,并利用DFS回溯算法确定最优路径上需要及带回的自行车数量。目标是最小化调整过程中所需的自行车数量。

题意:

每个自行车车站的最大容量为一个偶数cmax,如果一个车站里面自行车的数量恰好为cmax / 2,那么称处于完美状态。如果一个车展容量是满的或者空的,控制中心(处于结点0处)就会携带或者从路上手机一定数量的自行车前往该车站,一路上会让所有的车展沿途都达到完美。现在给出cmax,车站的数量n,问题车站sp,m条边,还有距离,求最短路径。如果最短路径有多个,求能带的最少的自行车数目的那条。如果还是有很多条不同的路,那么就找一个从车站带回的自行车数目最少的。带回的时候是不调整的

思路:

这题的题意我一开始没读懂,一开始以为是终点容量只有0这种可能,所以一直在疑惑为什么会有带回的量,但实际也有可能终点是满的,这样可能从终点带回一定量。知道这点后就比较简单,就是先求出最短路径,然后用dfs从后往前遍历最短路径。

#include<string>
#include<cstdlib>
#include<vector>
#include<stack>
#include<queue>
#include<utility>
#include<map>
#include<cstdlib>
#include<stdio.h>
#include<algorithm>
#include<functional>
#include<iostream>
#define INF 0x6ffff
using namespace std;

const int maxn = 505;
int n, m, c, s;
int weight[maxn];
int dis[maxn];
bool vis[maxn];
int edge[maxn][maxn];
vector<int> pre[maxn];
vector<int> path, tempPath;
int needMin = INF, backMin = INF;

void dijkstra() {
	fill(vis, vis + maxn, true);
	fill(dis, dis + maxn, INF);
	dis[0] = 0;
	for (int i = 0; i <= n; i++) {
		int u = -1, min = INF;
		for (int j = 0; j <= n; j++) {
			if (vis[j] && min > dis[j]) {
				min = dis[j];
				u = j;
			}
		}
		vis[u] = false;
		for (int v = 0; v <= n; v++) {
			if (vis[v] && edge[u][v] != INF) {
				if (dis[v] > dis[u] + edge[u][v]) {
					dis[v] = dis[u] + edge[u][v];
					pre[v].clear();
					pre[v].push_back(u);
				}
				else if (dis[v] == dis[u] + edge[u][v]) {
					pre[v].push_back(u);
				}
			}
		}
	}
}

void dfs(int v) {
	tempPath.push_back(v);
	if (v == 0) {
		int need = 0, back = 0;
		for (int i = tempPath.size() - 1; i >= 0; i--) {
			int id = tempPath[i];
			if (weight[id] > 0)
				back += weight[id];
			else {
				if (back > (0 - weight[id]))		
					back += weight[id];
				else {						//只有back比要给的车数少时才计算need
					need += ((0 - weight[id]) - back);
					back = 0;
				}
			}
		}
		if (need < needMin) {
			needMin = need;
			backMin = back;
			path = tempPath;
		}
		else if (need == needMin&&back < backMin) {
			backMin = back;
			path = tempPath;
		}
		tempPath.pop_back();
		return;
	}
	for (int i = 0; i < pre[v].size(); i++) 
		dfs(pre[v][i]);
	tempPath.pop_back();
}

int main() {
	cin >> c >> n >> s >> m;
	for (int i = 1; i <= n; i++) {
		cin >> weight[i];
		weight[i] -= c / 2;
	}
	fill(edge[0], edge[0] + maxn*maxn, INF);
	while (m--) {
		int u, v, e;
		cin >> u >> v >> e;
		edge[u][v] = edge[v][u] = e;
	}
	dijkstra();
	dfs(s);
	printf("%d 0", needMin);
	for (int i = path.size() - 2; i >= 0; i--) {
		printf("->%d", path[i]);
	}
	printf(" %d", backMin);
	return 0;
}

转载于:https://www.cnblogs.com/seasonal/p/10343637.html

标题基于Python的自主学习系统后端设计与实现AI更换标题第1章引言介绍自主学习系统的研究背景、意义、现状以及本文的研究方法和创新点。1.1研究背景与意义阐述自主学习系统在教育技术领域的重要性和应用价值。1.2国内外研究现状分析国内外在自主学习系统后端技术方面的研究进展。1.3研究方法与创新点概述本文采用Python技术栈的设计方法和系统创新点。第2章相关理论与技术总结自主学习系统后端开发的相关理论和技术基础。2.1自主学习系统理论阐述自主学习系统的定义、特征和理论基础。2.2Python后端技术栈介绍DjangoFlask等Python后端框架及其适用场景。2.3数据库技术讨论关系型和非关系型数据库在系统中的应用方案。第3章系统设计与实现详细介绍自主学习系统后端的设计方案和实现过程。3.1系统架构设计提出基于微服务的系统架构设计方案。3.2核心模块设计详细说明用户管理、学习资源管理、进度跟踪等核心模块设计。3.3关键技术实现阐述个性化推荐算法、学习行为分析等关键技术的实现。第4章系统测试与评估对系统进行功能测试和性能评估。4.1测试环境与方法介绍测试环境配置和采用的测试方法。4.2功能测试结果展示各功能模块的测试结果和问题修复情况。4.3性能评估分析分析系统在高并发等场景下的性能表现。第5章结论与展望总结研究成果并提出未来改进方向。5.1研究结论概括系统设计的主要成果和技术创新。5.2未来展望指出系统局限性并提出后续优化方向。
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