最短路(hdu2544)
Time Limit: 5000/1000 MS (Java/Others) Memory Limit: 32768/32768 K (Java/Others)
Total Submission(s): 104625 Accepted Submission(s): 44973
1.Problem Description:
在每年的校賽裏,所有進入決賽的同學都會獲得一件很漂亮的t-shirt。但是每當我們的工作人員把上百件的衣服從商店運回到賽場的時候,卻是非常累的!所以現在他們想要尋找最短的從商店到賽場的路線,你可以幫助他們嗎?
Input:輸入包括多組數據。每組數據第一行是兩個整數N、M(N<=100,M<=10000),N表示成都的大街上有幾個路口,標號爲1的路口是商店所在地,標號爲N的路口是賽場所在地,M則表示在成都有幾條路。N=M=0表示輸入結束。接下來M行,每行包括3個整數A,B,C(1<=A,B<=N,1<=C<=1000),表示在路口A與路口B之間有一條路,我們的工作人員需要C分鐘的時間走過這條路。
輸入保證至少存在1條商店到賽場的路線。
Output:對於每組輸入,輸出一行,表示工作人員從商店走到賽場的最短時間
Sample Input
2 1
1 2 3
3 3
1 2 5
2 3 5
3 1 2
0 0
Sample Output
3
2
2.基本思路
這道題由於只有100個城市,因此不採用任何優化,只採用最簡單的Dijkstra便能通過。但爲了能夠理解Dijkstra的主要優化方法我們以該題爲例在該題的基礎上不斷地進行優化,最終達到終極版本,當你掌握了終極版本的Dijkstra算法之後,你將對Dijkstra問題無所畏懼。
3.代碼實現
3.1 裸Dijkstra算法【採用鄰接鏈表和鄰接矩陣進行存取均可,當圖較爲稀疏的時候採用鄰接鏈表效率更高,但圖較爲稠密的時候採用鄰接矩陣的效率更高,但一般情況下鄰接鏈表的效率均更優】
#include <iostream>
#include <climits>
#include <vector>
#define N 101
using namespace std;
int dis[N];
int vis[N];
struct Next{
int city;
int time;
Next(int _city,int _time){
city = _city;
time = _time;
}
};
vector<Next> Vec[N];
int main()
{
int n,m;
int A,B,C;
while(cin>>n>>m){
if(n==0&&m==0)
break;
//init
for(int i=1;i<=n;i++)
dis[i]=-1,vis[i]=-1,Vec[i].clear();
for(int i=0;i<m;i++){
cin>>A>>B>>C;
Vec[A].push_back(Next(B,C));
Vec[B].push_back(Next(A,C));
}
int newP = 1;
dis[newP] = 0;
vis[newP] = 0;
//dijkstra
for(int i=0;i<n-1;i++){
for(int j=0;j<Vec[newP].size();j++){
int city = Vec[newP][j].city;
int time = Vec[newP][j].time;
if(vis[city]==0)
continue;
if(dis[city]==-1||dis[city]>dis[newP]+time){
dis[city] = dis[newP]+time;
}
}
int Min = INT_MAX;
for(int j=1;j<=n;j++){
if(vis[j]!=0){
if(~dis[j]){
if(dis[j]<Min){
Min=dis[j];
newP = j;
}
}
}
}
vis[newP] = 0;
}
cout<<dis[n]<<endl;
}
return 0;
}
首先提交一發,好了,這就是我們優化的起點
3.2 仔細想想,其實Dis[…]的更新並不一定是按順序的,因此我們只需要在dis[N]更新完之後便可以得到最終個正確答案了。
#include <iostream>
#include <climits>
#include <vector>
#define N 101
using namespace std;
int dis[N];
int vis[N];
struct Next{
int city;
int time;
Next(int _city,int _time){
city = _city;
time = _time;
}
};
vector<Next> Vec[N];
int main()
{
int n,m;
int A,B,C;
while(cin>>n>>m){
if(n==0&&m==0)
break;
//init
for(int i=1;i<=n;i++)
dis[i]=-1,vis[i]=-1,Vec[i].clear();
for(int i=0;i<m;i++){
cin>>A>>B>>C;
Vec[A].push_back(Next(B,C));
Vec[B].push_back(Next(A,C));
}
int newP = 1;
dis[newP] = 0;
vis[newP] = 0;
//dijkstra
for(int i=0;i<n-1;i++){
for(int j=0;j<Vec[newP].size();j++){
int city = Vec[newP][j].city;
int time = Vec[newP][j].time;
if(vis[city]==0)
continue;
if(dis[city]==-1||dis[city]>dis[newP]+time){
dis[city] = dis[newP]+time;
}
}
int Min = INT_MAX;
for(int j=1;j<=n;j++){
if(vis[j]!=0){
if(~dis[j]){
if(dis[j]<Min){
Min=dis[j];
newP = j;
}
}
}
}
vis[newP] = 0;
if(newP==n)break;
}
cout<<dis[n]<<endl;
}
return 0;
}
再提交一發!!
咦,好像沒什麼變化,估計是測試用例中特殊數據樣例比較少,別急,後面還有大招呢,我們繼續優化。
3.3 是時候分析一下上面算法的時間複雜度了,一看過去兩層循環特別醒目,因此該算法的平均時間複雜度爲。我們來分析一下兩層循環,第一層指的是最多一共需要選擇除了起始點外的個結點,因此這一層循環是至少需要的,不可簡化的,而第二層循環的目的呢,主要是爲了取出當前數組中沒有被訪問過的城市中對應最小的城市,因此其是一個求解最小值的過程,這裏我們就可以考慮採用小頂堆進行優化,這樣每次求最小值的時候,我們只需要取出堆頂的元素即可。分析算法可知,堆中元素最多可以到達個,也就是邊的數量。因此該算法的時間複雜度爲
下面放出優化之後的代碼:
#include <iostream>
#include <climits>
#include <vector>
#include <queue>
#define N 101
using namespace std;
int dis[N];
int vis[N];
struct Node{
int id;
int cost;
Node(int _id,int _cost){
id = _id;
cost = _cost;
}
operator < (const Node& ano)const{
return cost > ano.cost;
}
};
priority_queue<Node> Que;
struct Next{
int city;
int time;
Next(int _city,int _time){
city = _city;
time = _time;
}
};
vector<Next> Vec[N];
int main()
{
int n,m;
int A,B,C;
while(cin>>n>>m){
if(n==0&&m==0)
break;
while(!Que.empty())
Que.pop();
//init
for(int i=1;i<=n;i++)
dis[i]=-1,vis[i]=-1,Vec[i].clear();
for(int i=0;i<m;i++){
cin>>A>>B>>C;
Vec[A].push_back(Next(B,C));
Vec[B].push_back(Next(A,C));
}
int newP = 1;
dis[newP] = 0;
vis[newP] = 0;
//dijkstra
for(int i=0;i<n-1;i++){
for(int j=0;j<Vec[newP].size();j++){
int city = Vec[newP][j].city;
int time = Vec[newP][j].time;
if(vis[city]==0)
continue;
if(dis[city]==-1||dis[city]>dis[newP]+time){
dis[city] = dis[newP]+time;
Que.push(Node(city,dis[city]));
}
}
while(!Que.empty()){
if(vis[Que.top().id]!=-1){
Que.pop();
continue;
}
newP = Que.top().id;
Que.pop();
break;
}
vis[newP] = 0;
if(newP==n)break;
}
cout<<dis[n]<<endl;
}
return 0;
}
3.4 到這裏應該已經能過絕大部分的題目了,但仔細想想還有沒有優化的空間呢?有的,因爲我們採用了vector來作爲鄰接鏈表存儲圖的結構,而vector是STL封裝的高級數據結構,因此訪問時間一般比簡單的整數數組來的慢,因此這裏可以採用鏈式前向星來存取整圖的結構,對於卡常的代碼還是值得嘗試採用該種方法來試一試。先貼出代碼和運行結果:
#include <iostream>
#include <climits>
#include <vector>
#include <queue>
#include <memory.h>
#define N 101
#define M 10001
using namespace std;
struct Node{
int id;
int cost;
Node(int _id,int _cost){
id = _id;
cost = _cost;
}
operator < (const Node& ano)const{
return cost > ano.cost;
}
};
struct Edge{
int next;//下條同起點的邊的編號
int to;//該邊的終止點的編號
int w;//該邊所具有的權重
}edge[M];
priority_queue<Node> Que;
int dis[N];
int vis[N];
int head[N];
int tot;
void init() {
tot = 0;
memset(head, -1, sizeof(head));
}
void add_Edge(int u,int v,int w){
edge[tot].to=v;
edge[tot].w=w;
edge[tot].next=head[u];
head[u]=tot++;
}
int main()
{
int n,m;
int A,B,C;
while(cin>>n>>m){
//init
init();
for(int i=1;i<=n;i++)
vis[i]=0,dis[i]=0x3f3f3f3f;
if(n==0&&m==0)
break;
while(!Que.empty())
Que.pop();
for(int i=0;i<m;i++){
cin>>A>>B>>C;
add_Edge(A,B,C);
add_Edge(B,A,C);
}
int newP = 1;
dis[newP] = 0;
vis[newP] = 1;
//dijkstra
for(int i=0;i<n-1;i++){
for(int j=head[newP];~j;j=edge[j].next){
int city = edge[j].to;
int time = edge[j].w;
if(vis[city]!=1&&dis[city]>dis[newP]+time){
dis[city] = dis[newP]+time;
Que.push(Node(city,dis[city]));
}
}
while(!Que.empty()){
if(vis[Que.top().id]!=0){
Que.pop();
continue;
}
newP = Que.top().id;
Que.pop();
break;
}
vis[newP] = 1;
if(newP==n)break;
}
cout<<dis[n]<<endl;
}
return 0;
}
最終運行的時間沒有多大的變化,主要還是該問題的數據規模比較小,但規模比較大的時候效果就比較明顯了。
關於前向星有以下兩篇文章值得參考:
https://blog.csdn.net/acdreamers/article/details/16902023
https://blog.csdn.net/lookqaq/article/details/81304637
最後爲了證明優化的意義,不凡請各位看官移步hdu3790親自感受一下優化的魅力之所在。
以下是我最終AC的代碼:https://paste.ubuntu.com/p/gtW7ypFhRG/
4.Summary:
最後讓我們一起來總結一下,這篇文章的優化過程,首先我們採用了裸Dijkstra的代碼直接跑通,隨後觀察到可以判斷終點的更新來提前終止算法,接下來我們分析了前面算法的時間複雜度,採用小頂堆來選取最小距離的結點將複雜度從直接降到了。最後,我們考慮採用鏈式前向星來優化圖的存儲,相比於Vector數據結構存儲圖,其訪問圖中邊的效率得到了提高,以上。