dijkstra之细节处理 ——PAT (Advanced Level) 1072 Gas Station (30 分)

2023-11-08 12:50

本文主要是介绍dijkstra之细节处理 ——PAT (Advanced Level) 1072 Gas Station (30 分),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
题目大意:
有n个居民楼,m个汽油站,给出k条路,要选最合适的汽油站:
1.该汽油站满足到所有居民楼距离不超过ds
2.该汽油站到所有居民楼的最短距离尽可能大
3.在2相同情况下,该汽油站到所有居民楼的平均距离尽可能小
4.在3相同情况下,汽油站标号最小

变量准备:
为了做出dijkstra算法,需要提前设定dis,e,visit等变量,且需设置inf
同时注意设置的max值要大于n + m即1010

更细节的地方需要注意:
e[i][i]设置为0
e[i][j]的路径取最短的

利用singlemin_和avgmin_记录全局的个体最短的最长&平均距离最短的

//大型变量定义现场
int n, m, k, ds;
int e[1100][1100], dis[1100];
bool visit[1100];
int inf = 999999999;
double singlemin_ = -1, avgmin_ = inf;//全局的个体最短的最长&平均距离

输入处理:
输入当作string
将两类点放进1 - n + m, 其中前n个表示居民,后m个表示加油站
1.若无G,则直接stoi读入编号
2.若有G,利用substr(1)表示抓取第一个字符起到结尾的数字,令编号为n + stoi表示gas station

    //初始化准备fill(e[0], e[0] + 1100 * 1100, inf);fill(dis, dis + 1100, inf);for(int i = 0; i < 1100; i++) e[i][i] = 0;//输入处理cin >> n >> m >> k >> ds;string a, b;int c, d, dist;for(int i = 0; i < k; i++){cin >> a >> b >> dist;if(a[0] == 'G'){   a = a.substr(1);c = n + stoi(a);}else c = stoi(a);if(b[0] == 'G'){   b = b.substr(1);d = n + stoi(b);}else d = stoi(b);//cout << c << d << dist << endl;e[c][d] = e[d][c] = min(dist, e[c][d]);}

dijkstra过程:
每个gas来一次dijkstra,首先判断ds,然后记录最短距离和平均距离进行比较,dijkstra过程如下:
1.初始化起点dis为0
2.找出最小的dis记录为u和minn
3.visit为true
4.寻遍v,并更新新的dis[v]

    int nowid = -1;double singlemin, avgmin;//遍历每一个gas stationfor(int index = n + 1; index <= n + m; index++){   //初始化dis和visitfill(dis, dis + 1100, inf);fill(visit, visit + 1100, false);singlemin = inf;avgmin = 0;//dijkstra阶段dis[index] = 0;//index作为起点for(int i = 1; i <= n + m; i++){   int u = -1, minn = inf;//找出目前到index距离最短的for(int j = 1; j <= n + m; j++){if(visit[j] == false && dis[j] < minn){u = j;minn = dis[j];}}if(u == -1) break;visit[u] = true;//更新未选中的点到起点的距离for(int v = 1; v <= n + m; v++){if(visit[v] == false && dis[v] > dis[u] + e[u][v])dis[v] = dis[u] + e[u][v];}}//到目前为止,得到了dis的全部值//考察与每个居民楼的距离for(int i = 1; i <= n; i++){if(dis[i] > ds) //超出服务范围{singlemin = -1;break;}singlemin = min(singlemin, double(dis[i]));//最短距离avgmin += dis[i];//平均距离}if(singlemin == -1) continue;//不合最远服务要求avgmin = avgmin / n;//cout << singlemin << " " << avgmin << endl;if(singlemin > singlemin_){nowid = index;singlemin_ = singlemin;avgmin_ = avgmin;}else if(singlemin == singlemin_ && avgmin < avgmin_){nowid = index;avgmin_ = avgmin;}else if(singlemin == singlemin_ && avgmin == avgmin_)nowid = min(nowid, index);}

完整代码:

#include<bits/stdc++.h>
using namespace std;//大型变量定义现场
int n, m, k, ds;
int e[1100][1100], dis[1100];
bool visit[1100];
int inf = 999999999;
double singlemin_ = -1, avgmin_ = inf;//全局的个体最短&平均距离int main()
{   //初始化准备fill(e[0], e[0] + 1100 * 1100, inf);fill(dis, dis + 1100, inf);for(int i = 0; i < 1100; i++) e[i][i] = 0;//输入处理cin >> n >> m >> k >> ds;string a, b;int c, d, dist;for(int i = 0; i < k; i++){cin >> a >> b >> dist;if(a[0] == 'G'){   a = a.substr(1);c = n + stoi(a);}else c = stoi(a);if(b[0] == 'G'){   b = b.substr(1);d = n + stoi(b);}else d = stoi(b);//cout << c << d << dist << endl;e[c][d] = e[d][c] = min(dist, e[c][d]);}int nowid = -1;double singlemin, avgmin;//遍历每一个gas stationfor(int index = n + 1; index <= n + m; index++){   //初始化dis和visitfill(dis, dis + 1100, inf);fill(visit, visit + 1100, false);singlemin = inf;avgmin = 0;//dijkstra阶段dis[index] = 0;//index作为起点for(int i = 1; i <= n + m; i++){   int u = -1, minn = inf;//找出目前到index距离最短的for(int j = 1; j <= n + m; j++){if(visit[j] == false && dis[j] < minn){u = j;minn = dis[j];}}if(u == -1) break;visit[u] = true;//更新未选中的点到起点的距离for(int v = 1; v <= n + m; v++){if(visit[v] == false && dis[v] > dis[u] + e[u][v])dis[v] = dis[u] + e[u][v];}}//到目前为止,得到了dis的全部值//考察与每个居民楼的距离for(int i = 1; i <= n; i++){if(dis[i] > ds) //超出服务范围{singlemin = -1;break;}singlemin = min(singlemin, double(dis[i]));//最短距离avgmin += dis[i];//平均距离}if(singlemin == -1) continue;//不合最远服务要求avgmin = avgmin / n;//cout << singlemin << " " << avgmin << endl;if(singlemin > singlemin_){nowid = index;singlemin_ = singlemin;avgmin_ = avgmin;}else if(singlemin == singlemin_ && avgmin < avgmin_){nowid = index;avgmin_ = avgmin;}else if(singlemin == singlemin_ && avgmin == avgmin_)nowid = min(nowid, index);}//最终输出if(nowid == -1) printf("No Solution\n");else {printf("G%d\n", nowid - n);printf("%.1lf %.1lf\n", singlemin_, avgmin_ + 0.001);}return 0;
}

总结:
1.利用%.1f,3.25四舍五入是3.2,而3.251是3.3,因此可以加0.00001
2.对于求max初值设-1,对于求min初值设inf
3.名字应该更对应含义
4.substr(1)的用法
5.注意数组的范围,不够的话会导致段错误

这篇关于dijkstra之细节处理 ——PAT (Advanced Level) 1072 Gas Station (30 分)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/369957

相关文章

SpringBoot分段处理List集合多线程批量插入数据方式

《SpringBoot分段处理List集合多线程批量插入数据方式》文章介绍如何处理大数据量List批量插入数据库的优化方案:通过拆分List并分配独立线程处理,结合Spring线程池与异步方法提升效率... 目录项目场景解决方案1.实体类2.Mapper3.spring容器注入线程池bejsan对象4.创建

PHP轻松处理千万行数据的方法详解

《PHP轻松处理千万行数据的方法详解》说到处理大数据集,PHP通常不是第一个想到的语言,但如果你曾经需要处理数百万行数据而不让服务器崩溃或内存耗尽,你就会知道PHP用对了工具有多强大,下面小编就... 目录问题的本质php 中的数据流处理:为什么必不可少生成器:内存高效的迭代方式流量控制:避免系统过载一次性

Python实现批量CSV转Excel的高性能处理方案

《Python实现批量CSV转Excel的高性能处理方案》在日常办公中,我们经常需要将CSV格式的数据转换为Excel文件,本文将介绍一个基于Python的高性能解决方案,感兴趣的小伙伴可以跟随小编一... 目录一、场景需求二、技术方案三、核心代码四、批量处理方案五、性能优化六、使用示例完整代码七、小结一、

Python中 try / except / else / finally 异常处理方法详解

《Python中try/except/else/finally异常处理方法详解》:本文主要介绍Python中try/except/else/finally异常处理方法的相关资料,涵... 目录1. 基本结构2. 各部分的作用tryexceptelsefinally3. 执行流程总结4. 常见用法(1)多个e

PHP应用中处理限流和API节流的最佳实践

《PHP应用中处理限流和API节流的最佳实践》限流和API节流对于确保Web应用程序的可靠性、安全性和可扩展性至关重要,本文将详细介绍PHP应用中处理限流和API节流的最佳实践,下面就来和小编一起学习... 目录限流的重要性在 php 中实施限流的最佳实践使用集中式存储进行状态管理(如 Redis)采用滑动

MyBatis-plus处理存储json数据过程

《MyBatis-plus处理存储json数据过程》文章介绍MyBatis-Plus3.4.21处理对象与集合的差异:对象可用内置Handler配合autoResultMap,集合需自定义处理器继承F... 目录1、如果是对象2、如果需要转换的是List集合总结对象和集合分两种情况处理,目前我用的MP的版本

Python自动化处理PDF文档的操作完整指南

《Python自动化处理PDF文档的操作完整指南》在办公自动化中,PDF文档处理是一项常见需求,本文将介绍如何使用Python实现PDF文档的自动化处理,感兴趣的小伙伴可以跟随小编一起学习一下... 目录使用pymupdf读写PDF文件基本概念安装pymupdf提取文本内容提取图像添加水印使用pdfplum

C# LiteDB处理时间序列数据的高性能解决方案

《C#LiteDB处理时间序列数据的高性能解决方案》LiteDB作为.NET生态下的轻量级嵌入式NoSQL数据库,一直是时间序列处理的优选方案,本文将为大家大家简单介绍一下LiteDB处理时间序列数... 目录为什么选择LiteDB处理时间序列数据第一章:LiteDB时间序列数据模型设计1.1 核心设计原则

基于Redis自动过期的流处理暂停机制

《基于Redis自动过期的流处理暂停机制》基于Redis自动过期的流处理暂停机制是一种高效、可靠且易于实现的解决方案,防止延时过大的数据影响实时处理自动恢复处理,以避免积压的数据影响实时性,下面就来详... 目录核心思路代码实现1. 初始化Redis连接和键前缀2. 接收数据时检查暂停状态3. 检测到延时过

Java利用@SneakyThrows注解提升异常处理效率详解

《Java利用@SneakyThrows注解提升异常处理效率详解》这篇文章将深度剖析@SneakyThrows的原理,用法,适用场景以及隐藏的陷阱,看看它如何让Java异常处理效率飙升50%,感兴趣的... 目录前言一、检查型异常的“诅咒”:为什么Java开发者讨厌它1.1 检查型异常的痛点1.2 为什么说