0 or 1 图论最短路spfa

本文探讨了一个有趣的问题:如何在给定的矩阵中找到一个满足特定条件的0-1矩阵,使得该矩阵与原矩阵对应位置元素乘积之和最小。通过将问题转化为图论中的最短路径问题,并使用SPFA算法进行求解。

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

Given a n*n matrix C ij (1<=i,j<=n),We want to find a n*n matrix X ij (1<=i,j<=n),which is 0 or 1. 


Besides,X ij meets the following conditions: 


1.X 12+X 13+...X 1n=1 
2.X 1n+X 2n+...X n-1n=1 
3.for each i (1<i<n), satisfies ∑X ki (1<=k<=n)=∑X ij (1<=j<=n). 


For example, if n=4,we can get the following equality: 


X 12+X 13+X 14=1 
X 14+X 24+X 34=1 
X 12+X 22+X 32+X 42=X 21+X 22+X 23+X 24 
X 13+X 23+X 33+X 43=X 31+X 32+X 33+X 34 


Now ,we want to know the minimum of ∑C ij*X ij(1<=i,j<=n) you can get. 
Hint


For sample, X 12=X 24=1,all other X ij is 0. 
Input
The input consists of multiple test cases (less than 35 case). 
For each test case ,the first line contains one integer n (1<n<=300). 
The next n lines, for each lines, each of which contains n integers, illustrating the matrix C, The j-th integer on i-th line is C ij(0<=C ij<=100000).
Output
For each case, output the minimum of ∑C ij*X ij you can get. 
Sample Input
4
1 2 4 10
2 0 1 1
2 2 0 5
6 3 1 2
Sample Output
3

题解:

这道题出的真的是很棒,感觉自己好菜系列又增加了一道题目。

这道题目要求找一个满足给定条件的0,1矩阵使得找出的矩阵对应位置与给出矩阵对应位置乘积之和最小。

我们这样想,把给出的矩阵看作是一个图的邻接矩阵,矩阵的数就代表的是边的权值。

而要求我们给出的0,1矩阵呢,就相当于在原图之中找一些边,这些边的选取满足一些条件,然后求这些边权值之和的最小值。

题目中要求第一行的后n-1的位置有且只能有1个1,这也就变相的说明了我们找的边的左端点为1号顶点的边只能有一条,也就是1号点的出度为1。

同理n号点的入度为1。其他点的入度与出度相同。

而我们又要求最小和,所以说其他点入读和出度都不会大于1,不然就不优了。

所以说,我们可以想到从1点出发求到n点的一条最短路。这显然是满足条件的边选择方法。

但是最短路不是唯一的情况。

还有一种情况就是从点1出发,走一个闭环,然后回到点1,得到的长度为dis1

从点n出发,走一个闭环,然后回到点n,得到的长度为dis2

dis = dis1+dis2

我们要对上述两种情况取一个最小值。

(有的同学可能会想,如果从1出发的闭环经过了n,这样n的入度+1,从n出发的闭环又回到了n,这样n的入度又+1,与n的入度为1矛盾,怎么办)

(我们可以说明上面的情况一定不会是最优解,一定会被从1到n的最短路优化掉,因为从1到n再回到1的闭环一定比直接从1到n要短)

代码:

#include <cstdio>
#include <iostream>
#include <algorithm> 
#include <cstring>
#include <queue>
using namespace std;
const int MAXN = 400;
int head[MAXN];
int d[MAXN];
int G[MAXN][MAXN];
int cnt;
struct edge{ 
    int v; 
    int next; 
    int cost; 
}Es[100000];  
void init(){ 
    cnt = 0; 
    memset(head,-1,sizeof(head)); 
}
inline void add_edge(int i,int j,int cost){   
    Es[cnt].v = j; 
    Es[cnt].cost = cost; 
    Es[cnt].next = head[i]; 
    head[i] = cnt++; 
}   
void spfa(int x){
	int visit[MAXN];
	memset(d,0x3f,sizeof(d));
	memset(visit,0,sizeof(visit));
	queue<int> Q;
	Q.push(x);
	d[x] = 0;
	visit[x] = 1;
	while(!Q.empty()){
		int u = Q.front();Q.pop();
		for(int e = head[u];e != -1;e = Es[e].next)
		{
			int v = Es[e].v;
			if(d[v] > d[u] + Es[e].cost){
				d[v] = d[u] + Es[e].cost;
				if(!visit[v]){
					visit[v] = 1;
					Q.push(v);
				}
			}
		}
		visit[u] = 0;
	}
}
int main()
{
	int n;
	while(scanf("%d",&n) != EOF){
		int ans = 0x3f3f3f3f;
		init();
		for(int i = 1;i <= n;i++){
			for(int j = 1;j <= n;j++){
				int c;
				scanf("%d",&G[i][j]);
				//if(i != j)
				add_edge(i,j,G[i][j]);
			}
		}
		spfa(1);
		ans = min(ans,d[n]);
		int dis1 = 0x3f3f3f3f,dis2 = 0x3f3f3f3f;
		for(int i = 2;i <= n;i++){
			dis1 = min(dis1,d[i] + G[i][1]);
		}
		spfa(n);
		for(int i = 1;i < n;i++){
			dis2 = min(dis2,d[i] + G[i][n]);
		}
		printf("%d\n",min(ans,dis1+dis2));
	}
}


### SPFA算法概述 SPFA(Shortest Path Faster Algorithm)是一种基于Bellman-Ford算法的改进版本,主要用于求解含有负权边的单源短路径问题。它通过引入队列来加速松弛操作的过程,在实际应用中表现出了较高的效率[^2]。 SPFA的核心思想是对图中的每条边进行松弛操作,直到无法进一步更新为止。与传统的Bellman-Ford相比,SPFA仅对那些可能会影响其他节点距离值的顶点执行松弛操作,从而减少了不必要的计算开销[^3]。 --- ### SPFA算法实现 以下是SPFA算法的一个基本实现: #### 邻接表建图 SPFA通常采用邻接表的方式存储图结构,这有助于减少空间消耗并提高访问速度。 ```cpp #include <iostream> #include <queue> #include <vector> #include <cstring> using namespace std; const int INF = 0x3f3f3f3f; struct Edge { int to, weight; }; int n, m, s; // 节点数、边数、起点编号 vector<Edge> adj[1000]; // 邻接表 bool inQueue[1000]; long long dist[1000]; void spfa(int start) { queue<int> q; memset(dist, 0x3f, sizeof(dist)); // 初始化为无穷大 memset(inQueue, false, sizeof(inQueue)); dist[start] = 0; q.push(start); inQueue[start] = true; while (!q.empty()) { int u = q.front(); q.pop(); inQueue[u] = false; for (auto &edge : adj[u]) { // 对u的所有邻居进行遍历 if (dist[edge.to] > dist[u] + edge.weight) { // 松弛条件 dist[edge.to] = dist[u] + edge.weight; if (!inQueue[edge.to]) { // 如果未入队则加入队列 q.push(edge.to); inQueue[edge.to] = true; } } } } } ``` 上述代码实现了SPFA的基本逻辑,其中`adj[]`是一个邻接表数组,用于记录每个节点的相邻关系及其权重;`dist[]`保存从起始节点到各节点的当前短距离;`inQueue[]`标记某个节点是否已经在队列中以防止重复入队[^4]。 --- ### 算法优化策略 尽管SPFA在许多场景下表现出色,但在极端情况下其时间复杂度退化至O(VE),因此需要采取一些措施加以优化: 1. **SLF(Small Label First)** 在每次将新节点压入队列之前,优先考虑将其插入队首而非队尾。具体来说,如果待插入节点的距离小于等于队头元素的距离,则应插于队首;反之则正常追加到队尾。这种方法能够显著提升某些特定测试用例下的性能。 2. **LLL(Large Label Last)** 当发现某次迭代后的小距离大于某一阈值时,可以跳过后续部分运算过程,因为这些较大的数值很可能不会影响终结果。不过需要注意的是,这种剪枝方式可能会破坏正确性,需谨慎使用。 3. **多端点检测机制** 若存在多个候选终点,则可在程序结束前提前终止搜索流程一旦确认任意目标可达即可返回相应答案而无需继续完成整个遍历工作流[^1]。 --- ### 复杂度分析 理论上讲,SPFA的时间复杂度介于O(E)和O(VE)之间,取决于输入数据的具体特性以及所选优化手段的效果如何。对于稀疏图而言,由于平均下来每个结点只会经历有限次数进出队列的动作,因而整体耗时往往接近线性级别;然而当面对稠密网络者特殊构造的数据集时,就有可能触发差情形下的平方级增长趋势。 ---
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