单源最短路径:dijikstra

//P4779【模板】单源最短路径(标准版)
//适用于不含负权值路径的图

#include <iostream>
#include <cstdio>
#include <algorithm>
#include <queue>
using namespace std;
#define MAXN 100005
#define MAXM 500005
#define INF 2147483647
int N,M,S;
int edge_num=0;
int head[MAXN]={0};
bool used[MAXN]={false};
int dis[MAXN]={0};

struct eg
{
    int next;
    int to;
    int dis;
}edge[MAXM];//链式向前星储存

void scanff()
{
    int a,b,c;
    cin>>N>>M>>S;
    for(int i=1;i<=M;i++)
    {
        cin>>a>>b>>c;
        edge[++edge_num].next=head[a];
        edge[edge_num].to=b;
        edge[edge_num].dis=c;
        head[a]=edge_num;
    }
    for(int i=1;i<=N;i++)
        dis[i]=INF;
    dis[S]=0;
}

struct Node
{
    int dis;//点到原点距离
    int pos;//点的编号
    bool operator <( const Node &x )const
    {
        return x.dis < dis;
    }
};//重载小于号。注意不要忘记头文件cstdio!

priority_queue<Node> pq;//堆优化

void dijkstra()
{
    pq.push((Node){0,S});//将原点推入堆中
    while(!pq.empty())
    {
        Node temp=pq.top();
        //每次取到原点距离最短到点,作为距离确定点并pop掉
        pq.pop();
        if(used[temp.pos])//重复推入堆中,已求得最短路径,不用再计算
            continue;
        used[temp.pos]=true;//这个点已从堆中被推出(确定了最短距离)
        //遍历所有以temp.pos为起点到边
        for(int i=head[temp.pos];i;i=edge[i].next)
        {
            int t=edge[i].to;
            if(dis[t]>dis[temp.pos]+edge[i].dis)
            {
            	//更新最短距离
                dis[t]=dis[temp.pos]+edge[i].dis;
                if(!used[t])
                {
                    pq.push((Node){dis[t],t});
                }   
            }
        }
    }
    for(int i=1;i<=N;i++)
        cout<<dis[i]<<" ";
}

int main()
{
    freopen("in.in","r",stdin);
    freopen("out.out","w",stdout);
    scanff();
    dijkstra();
    return 0;
}

Dijkstra短路径算法不能直接用来解决旅行商问题(TSP),因为TSP要求的是短的回路路径,而Dijkstra算法只能求解单源最短路径问题。 要解决TSP问题,需要使用其他算法,如回溯算法、分支限界算法、遗传算法等。其中,分支限界算法是比较常用的一种方法,它可以通过剪枝和限制搜索空间的方式,快速找到TSP问题的优解。 下面是基于分支限界算法求解TSP问题的简要流程: 1.根据给定的城市距离矩阵构建完全图,其中每个城市为图中的一个节点,距离为边的权值。 2.选择一个起点城市,将其作为路径的第一个节点。 3.根据分支限界算法的思想,每次只扩展当前路径的一个节点,记录扩展过的节点和路径长度,并记录当前优解。 4.对于每个未扩展的节点,计算从当前节点到该节点的距离,并将该节点加入路径中。 5.对于加入路径的节点,更新当前路径长度,并判断是否达到终点。如果已经到达终点,则比较当前路径长度与优解,如果更小则更新优解。 6.对于未到达终点的节点,根据当前路径长度和优解的大小关系,进行剪枝操作,排除掉不可能成为优解的路径。 7.重复步骤4-6,直到搜索完所有可能的路径。 8.返回优解。 需要注意的是,TSP问题是NP难问题,因此对于大规模的问题,即使使用优的算法也需要大量的计算时间。
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