【深度优先】【图论】【C++算法】2045. 到达目的地的第二短时间

2024-03-08 08:28
文章标签 算法 c++ 深度 图论 第二 优先 到达 短时间 2045 目的地

本文主要是介绍【深度优先】【图论】【C++算法】2045. 到达目的地的第二短时间，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！

作者推荐

视频算法专题

LeetCode2045. 到达目的地的第二短时间

城市用一个 双向连通 图表示，图中有 n 个节点，从 1 到 n 编号（包含 1 和 n）。图中的边用一个二维整数数组 edges 表示，其中每个 edges[i] = [ui, vi] 表示一条节点 ui 和节点 vi 之间的双向连通边。每组节点对由 最多一条 边连通，顶点不存在连接到自身的边。穿过任意一条边的时间是 time 分钟。
每个节点都有一个交通信号灯，每 change 分钟改变一次，从绿色变成红色，再由红色变成绿色，循环往复。所有信号灯都 同时 改变。你可以在 任何时候 进入某个节点，但是 只能 在节点 信号灯是绿色时 才能离开。如果信号灯是 绿色 ，你 不能 在节点等待，必须离开。
第二小的值 是 严格大于 最小值的所有值中最小的值。
例如，[2, 3, 4] 中第二小的值是 3 ，而 [2, 2, 4] 中第二小的值是 4 。
给你 n、edges、time 和 change ，返回从节点 1 到节点 n 需要的 第二短时间 。
注意：
你可以 任意次 穿过任意顶点，包括 1 和 n 。
你可以假设在 启程时 ，所有信号灯刚刚变成 绿色 。
示例 1： 
输入：n = 5, edges = [[1,2],[1,3],[1,4],[3,4],[4,5]], time = 3, change = 5
输出：13
在这里插入图片描述

解释：
上面的左图展现了给出的城市交通图。
右图中的蓝色路径是最短时间路径。
花费的时间是：

  • 从节点 1 开始，总花费时间=0
  • 1 -> 4：3 分钟，总花费时间=3
  • 4 -> 5：3 分钟，总花费时间=6
    因此需要的最小时间是 6 分钟。
    右图中的红色路径是第二短时间路径。
  • 从节点 1 开始，总花费时间=0
  • 1 -> 3：3 分钟，总花费时间=3
  • 3 -> 4：3 分钟，总花费时间=6
  • 在节点 4 等待 4 分钟，总花费时间=10
  • 4 -> 5：3 分钟，总花费时间=13
    因此第二短时间是 13 分钟。
    示例 2：
    输入：n = 2, edges = [[1,2]], time = 3, change = 2
    输出：11
    解释：
    最短时间路径是 1 -> 2 ，总花费时间 = 3 分钟
    第二短时间路径是 1 -> 2 -> 1 -> 2 ，总花费时间 = 11 分钟

提示：

2 <= n <= 104
n - 1 <= edges.length <= min(2 * 104, n * (n - 1) / 2)
edges[i].length == 2
1 <= ui, vi <= n
ui != vi
不含重复边
每个节点都可以从其他节点直接或者间接到达
1 <= time, change <= 103

深度优先

经过的边数相同，则行驶时间相同，等待时间也相同。所以本题等效与求严格经过边数第二少。令经过最少的边数是x，则严格第二少的边数只能是x+1或x+2。因为：到达目的地后返回一个节点，再到达目的地，经过的边数是x+2。
本问题等于与：
一，计算最少经过边数x。
二，能否经过x+1条边到达目的的。

每个节点除了记录最少边数，还要记录另外一个状态i1:
初始为0，第一次到达是变成1。加入队列。
1变2的条件：新经过的边数等于x+1。加入队列。
2不会发生的变化。
每个节点最多入队两次。估计时间复杂度是：O(n)。
目的地的i1，如果为1，则严格第二少的边数为x+1，否则为x+2。

通过边数计算时间：
如果总时间time / change 是奇数需要等待 等待时间 change - (time/change)。

代码

核心代码

class CNeiBo2
{
public:CNeiBo2(int n, bool bDirect, int iBase = 0) :m_iN(n), m_bDirect(bDirect), m_iBase(iBase){m_vNeiB.resize(n);}CNeiBo2(int n, vector<vector<int>>& edges, bool bDirect, int iBase = 0) :m_iN(n), m_bDirect(bDirect), m_iBase(iBase){m_vNeiB.resize(n);for (const auto& v : edges){m_vNeiB[v[0] - iBase].emplace_back(v[1] - iBase);if (!bDirect){m_vNeiB[v[1] - iBase].emplace_back(v[0] - iBase);}}}inline void Add(int iNode1, int iNode2){iNode1 -= m_iBase;iNode2 -= m_iBase;m_vNeiB[iNode1].emplace_back(iNode2);if (!m_bDirect){m_vNeiB[iNode2].emplace_back(iNode1);}}const int m_iN;const bool m_bDirect;const int m_iBase;vector<vector<int>> m_vNeiB;
};class Solution {
public:int secondMinimum(int n, vector<vector<int>>& edges, int time, int change) {CNeiBo2 neiBo(n, edges, false, 1);queue<pair<int,int>> que;		vector<int> vDis(n), vStatu(n);que.emplace(0,0);vStatu[0] = 1;while (que.size()){const auto [cur,curDis] = que.front();que.pop();for (const auto& next : neiBo.m_vNeiB[cur]){const int iNewDis = curDis + 1;if (0 == vStatu[next]){vDis[next] = iNewDis;vStatu[next] = 1;que.emplace(next,iNewDis);}else if ((1 == vStatu[next])&&( vDis[next]+1 == iNewDis)){vStatu[next] = 2;que.emplace(next, iNewDis);}}}const int iEdgeNum = (1 == vStatu.back()) ? (vDis.back() + 2) : (vDis.back() + 1);int iTime = 0;for (int i = 1; i <= iEdgeNum; i++){iTime += time;if ((iTime / change) & 1){if (iEdgeNum != i){iTime += (change - (iTime % change));}}}return iTime;}
};

测试用例

template<class T,class T2>
void Assert(const T& t1, const T2& t2)
{
assert(t1 == t2);
}

template
void Assert(const vector& v1, const vector& v2)
{
if (v1.size() != v2.size())
{
assert(false);
return;
}
for (int i = 0; i < v1.size(); i++)
{
Assert(v1[i], v2[i]);
}

}

int main()
{
int n, time, change;
vector<vector> edges;
{
Solution sln;
n = 5, edges = { {1,2},{1,3},{1,4},{3,4},{4,5} }, time = 3, change = 5;
auto res = sln.secondMinimum(n, edges, time, change);
Assert(13, res);
}
{
Solution sln;
n = 2, edges = { {1,2} }, time = 3, change = 2;
auto res = sln.secondMinimum(n, edges, time, change);
Assert(11, res);
}
}

2023年4月

class Solution {
public:
int secondMinimum(int n, vector<vector>& edges, int time, int change) {
m_vNeiB.resize(n + 1);
m_vDis.assign(n + 1,INT_MAX);
m_vDis2.assign(n + 1, INT_MAX);
for (const auto& e : edges)
{
m_vNeiB[e[0]].emplace_back(e[1]);
m_vNeiB[e[1]].emplace_back(e[0]);
}
std::queue<pair<int,int>> que;
que.emplace(1,0);
while (que.size())
{
const int iCur = que.front().first;
const int len = que.front().second;
que.pop();
for (const auto& next : m_vNeiB[iCur])
{
const int iNewLen = len + 1;
if (iNewLen >= m_vDis2[next])
{
continue;
}
que.emplace(next, iNewLen);
if (iNewLen < m_vDis[next])
{
m_vDis[next] = iNewLen;
}
else if (iNewLen != m_vDis[next])
{
m_vDis2[next] = iNewLen;
}
}
}
int tmp = m_vDis2[n];
int iRet = 0;
while (tmp–)
{
if ((iRet / change) & 1)
{
iRet += (change - iRet%change);
}
iRet += time;
}
return iRet;
}
vector<vector> m_vNeiB;
vector m_vDis;
vector m_vDis2;
};

扩展阅读

视频课程

有效学习：明确的目标 及时的反馈 拉伸区（难度合适），可以先学简单的课程，请移步CSDN学院，听白银讲师（也就是鄙人）的讲解。
https://edu.csdn.net/course/detail/38771

如何你想快

速形成战斗了，为老板分忧，请学习C#入职培训、C++入职培训等课程
https://edu.csdn.net/lecturer/6176

相关

下载

想高屋建瓴的学习算法，请下载《喜缺全书算法册》doc版
https://download.csdn.net/download/he_zhidan/88348653

我想对大家说的话
闻缺陷则喜是一个美好的愿望，早发现问题，早修改问题，给老板节约钱。
子墨子言之：事无终始，无务多业。也就是我们常说的专业的人做专业的事。
如果程序是一条龙，那算法就是他的是睛

测试环境

操作系统：win7 开发环境： VS2019 C++17
或者 操作系统：win10 开发环境： VS2022 C++17
如无特殊说明，本算法用**C++**实现。

这篇关于【深度优先】【图论】【C++算法】2045. 到达目的地的第二短时间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/786555。

相关文章

Python与DeepSeek的深度融合实战

Python与DeepSeek的深度融合实战

《Python与DeepSeek的深度融合实战》Python作为最受欢迎的编程语言之一,以其简洁易读的语法、丰富的库和广泛的应用场景,成为了无数开发者的首选,而DeepSeek,作为人工智能领域的新星... 目录一、python与DeepSeek的结合优势二、模型训练1. 数据准备2. 模型架构与参数设置3
阅读更多...
golang字符串匹配算法解读

golang字符串匹配算法解读

《golang字符串匹配算法解读》文章介绍了字符串匹配算法的原理,特别是Knuth-Morris-Pratt（KMP）算法,该算法通过构建模式串的前缀表来减少匹配时的不必要的字符比较,从而提高效率,在... 目录简介KMP实现代码总结简介字符串匹配算法主要用于在一个较长的文本串中查找一个较短的字符串（称为
阅读更多...
C++一个数组赋值给另一个数组方式

C++一个数组赋值给另一个数组方式

《C++一个数组赋值给另一个数组方式》文章介绍了三种在C++中将一个数组赋值给另一个数组的方法：使用循环逐个元素赋值、使用标准库函数std::copy或std::memcpy以及使用标准库容器,每种方... 目录C++一个数组赋值给另一个数组循环遍历赋值使用标准库中的函数 std::copy 或 std::
阅读更多...
通俗易懂的Java常见限流算法具体实现

通俗易懂的Java常见限流算法具体实现

《通俗易懂的Java常见限流算法具体实现》：本文主要介绍Java常见限流算法具体实现的相关资料,包括漏桶算法、令牌桶算法、Nginx限流和Redis+Lua限流的实现原理和具体步骤,并比较了它们的... 目录一、漏桶算法1.漏桶算法的思想和原理2.具体实现二、令牌桶算法1.令牌桶算法流程:2.具体实现2.1
阅读更多...
C++使用栈实现括号匹配的代码详解

C++使用栈实现括号匹配的代码详解

《C++使用栈实现括号匹配的代码详解》在编程中,括号匹配是一个常见问题,尤其是在处理数学表达式、编译器解析等任务时,栈是一种非常适合处理此类问题的数据结构,能够精确地管理括号的匹配问题,本文将通过C+... 目录引言问题描述代码讲解代码解析栈的状态表示测试总结引言在编程中，括号匹配是一个常见问题，尤其是在
阅读更多...
使用C++实现链表元素的反转

使用C++实现链表元素的反转

《使用C++实现链表元素的反转》反转链表是链表操作中一个经典的问题,也是面试中常见的考题,本文将从思路到实现一步步地讲解如何实现链表的反转,帮助初学者理解这一操作,我们将使用C++代码演示具体实现,同... 目录问题定义思路分析代码实现带头节点的链表代码讲解其他实现方式时间和空间复杂度分析总结问题定义给定
阅读更多...
C++初始化数组的几种常见方法(简单易懂)

C++初始化数组的几种常见方法(简单易懂)

《C++初始化数组的几种常见方法(简单易懂)》本文介绍了C++中数组的初始化方法,包括一维数组和二维数组的初始化,以及用new动态初始化数组,在C++11及以上版本中,还提供了使用std::array... 目录1、初始化一维数组1.1、使用列表初始化（推荐方式）1.2、初始化部分列表1.3、使用std::
阅读更多...
C++ Primer 多维数组的使用

C++ Primer 多维数组的使用

《C++Primer多维数组的使用》本文主要介绍了多维数组在C++语言中的定义、初始化、下标引用以及使用范围for语句处理多维数组的方法,具有一定的参考价值,感兴趣的可以了解一下... 目录多维数组多维数组的初始化多维数组的下标引用使用范围for语句处理多维数组指针和多维数组多维数组严格来说,C++语言没
阅读更多...
Java深度学习库DJL实现Python的NumPy方式

Java深度学习库DJL实现Python的NumPy方式

《Java深度学习库DJL实现Python的NumPy方式》本文介绍了DJL库的背景和基本功能,包括NDArray的创建、数学运算、数据获取和设置等,同时,还展示了如何使用NDArray进行数据预处理... 目录1 NDArray 的背景介绍1.1 架构2 JavaDJL使用2.1 安装DJL2.2 基本操
阅读更多...
最长公共子序列问题的深度分析与Java实现方式

最长公共子序列问题的深度分析与Java实现方式

《最长公共子序列问题的深度分析与Java实现方式》本文详细介绍了最长公共子序列（LCS）问题,包括其概念、暴力解法、动态规划解法,并提供了Java代码实现,暴力解法虽然简单,但在大数据处理中效率较低,... 目录最长公共子序列问题概述问题理解与示例分析暴力解法思路与示例代码动态规划解法DP 表的构建与意义动
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2