HDU 2544 最短路——贝尔曼福特(结构体优化) spfa算法

2024-08-24 23:32

本文主要是介绍HDU 2544 最短路——贝尔曼福特(结构体优化) spfa算法,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!

最短路

Time Limit: 5000/1000 MS (Java/Others)    Memory Limit: 32768/32768 K (Java/Others)
Total Submission(s): 29251    Accepted Submission(s): 12644


Problem Description
在每年的校赛里,所有进入决赛的同学都会获得一件很漂亮的t-shirt。但是每当我们的工作人员把上百件的衣服从商店运回到赛场的时候,却是非常累的!所以现在他们想要寻找最短的从商店到赛场的路线,你可以帮助他们吗?

 

Input
输入包括多组数据。每组数据第一行是两个整数N、M(N<=100,M<=10000),N表示成都的大街上有几个路口,标号为1的路口是商店所在地,标号为N的路口是赛场所在地,M则表示在成都有几条路。N=M=0表示输入结束。接下来M行,每行包括3个整数A,B,C(1<=A,B<=N,1<=C<=1000),表示在路口A与路口B之间有一条路,我们的工作人员需要C分钟的时间走过这条路。
输入保证至少存在1条商店到赛场的路线。
 

Output
对于每组输入,输出一行,表示工作人员从商店走到赛场的最短时间
 

Sample Input
  
2 1 1 2 3 3 3 1 2 5 2 3 5 3 1 2 0 0
 

Sample Output
  
3 2
 

Source
UESTC 6th Programming Contest Online

贝尔曼福特算法:

#include <stdio.h>
#include <stdlib.h>
#include <string.h>int dis[20010];
int head[20010];
int n,m;
int num;struct linshi
{int v;int w;int next;
} edge[20010];void creat()
{int u,v,w,i;for(i=0; i<m; i++){scanf("%d%d%d",&u,&v,&w);edge[num].v=v;edge[num].w=w;edge[num].next=head[u];head[u]=num++;edge[num].v=u;edge[num].w=w;edge[num].next=head[v];head[v]=num++;}//无向图要存双方向
}int bellman()
{int i,j,flag=0,k,mark;for(i=1; i<=n; i++){dis[i]=99999999;}dis[1]=0;for(k=0; k<n-1; k++){mark = 0;for(i=1; i<=n; i++){for(j=head[i]; j!=-1; j=edge[j].next){if(dis[i]>dis[edge[j].v]+edge[j].w){dis[i]=dis[edge[j].v]+edge[j].w;mark = 1;}}}if(mark == 0)break;}for(i=1; i<=n; i++){for(j=head[i]; j!=-1; j=edge[j].next){if(dis[i]>dis[edge[j].v]+edge[j].w){flag=1;break;}}}return flag;
}int main()
{int fh;while(scanf("%d%d",&n,&m),n&&m){num=0;memset(head,-1,sizeof(head));creat();fh=bellman();if(fh==0){printf("%d\n",dis[n]);}}return 0;
}


SPFA算法:

#include <stdio.h>
#include <string.h>
#include <queue>using namespace std;struct node
{int v;int w;int next;
}ls[40010];const int inf = 99999999;
int head[110];
int num;void creat(int x,int y,int z)
{ls[num].v = y;ls[num].w = z;ls[num].next = head[x];head[x] = num++;
}void spfa(int n,int s,int e)
{int cd;int dis[110];bool vis[110];queue <int> q;while(!q.empty())q.pop();memset(vis,false,sizeof(vis));for(int i = 0;i <= n;i++)dis[i] = inf;dis[s] = 0;q.push(s);vis[s] = true;while(!q.empty()){cd = q.front();q.pop();for(int i = head[cd];~i;i = ls[i].next){int v = ls[i].v;if(dis[v] > dis[cd] + ls[i].w){dis[v] = dis[cd] + ls[i].w;if(!vis[v]){q.push(v);vis[v] = true;}}}vis[cd] = false;}if(dis[e] == inf)printf("-1\n");elseprintf("%d\n",dis[e]);
}int main()
{int n,m,x,y,z;while(scanf("%d%d",&n,&m),n || m){num = 0;memset(head,-1,sizeof(head));for(int i = 0;i < m;i++){scanf("%d%d%d",&x,&y,&z);creat(x,y,z);creat(y,x,z);}spfa(n,1,n);}return 0;
}




这篇关于HDU 2544 最短路——贝尔曼福特(结构体优化) spfa算法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/1103919

相关文章

Python+PyQt5实现文件夹结构映射工具

《Python+PyQt5实现文件夹结构映射工具》在日常工作中,我们经常需要对文件夹结构进行复制和备份,本文将带来一款基于PyQt5开发的文件夹结构映射工具,感兴趣的小伙伴可以跟随小编一起学习一下... 目录概述功能亮点展示效果软件使用步骤代码解析1. 主窗口设计(FolderCopyApp)2. 拖拽路径

SpringBoot中HTTP连接池的配置与优化

《SpringBoot中HTTP连接池的配置与优化》这篇文章主要为大家详细介绍了SpringBoot中HTTP连接池的配置与优化的相关知识,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一... 目录一、HTTP连接池的核心价值二、Spring Boot集成方案方案1:Apache HttpCl

使用雪花算法产生id导致前端精度缺失问题解决方案

《使用雪花算法产生id导致前端精度缺失问题解决方案》雪花算法由Twitter提出,设计目的是生成唯一的、递增的ID,下面:本文主要介绍使用雪花算法产生id导致前端精度缺失问题的解决方案,文中通过代... 目录一、问题根源二、解决方案1. 全局配置Jackson序列化规则2. 实体类必须使用Long封装类3.

PyTorch高级特性与性能优化方式

《PyTorch高级特性与性能优化方式》:本文主要介绍PyTorch高级特性与性能优化方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、自动化机制1.自动微分机制2.动态计算图二、性能优化1.内存管理2.GPU加速3.多GPU训练三、分布式训练1.分布式数据

MySQL中like模糊查询的优化方案

《MySQL中like模糊查询的优化方案》在MySQL中,like模糊查询是一种常用的查询方式,但在某些情况下可能会导致性能问题,本文将介绍八种优化MySQL中like模糊查询的方法,需要的朋友可以参... 目录1. 避免以通配符开头的查询2. 使用全文索引(Full-text Index)3. 使用前缀索

C#实现高性能Excel百万数据导出优化实战指南

《C#实现高性能Excel百万数据导出优化实战指南》在日常工作中,Excel数据导出是一个常见的需求,然而,当数据量较大时,性能和内存问题往往会成为限制导出效率的瓶颈,下面我们看看C#如何结合EPPl... 目录一、技术方案核心对比二、各方案选型建议三、性能对比数据四、核心代码实现1. MiniExcel

Springboot实现推荐系统的协同过滤算法

《Springboot实现推荐系统的协同过滤算法》协同过滤算法是一种在推荐系统中广泛使用的算法,用于预测用户对物品(如商品、电影、音乐等)的偏好,从而实现个性化推荐,下面给大家介绍Springboot... 目录前言基本原理 算法分类 计算方法应用场景 代码实现 前言协同过滤算法(Collaborativ

MySQL索引的优化之LIKE模糊查询功能实现

《MySQL索引的优化之LIKE模糊查询功能实现》:本文主要介绍MySQL索引的优化之LIKE模糊查询功能实现,本文通过示例代码给大家介绍的非常详细,感兴趣的朋友一起看看吧... 目录一、前缀匹配优化二、后缀匹配优化三、中间匹配优化四、覆盖索引优化五、减少查询范围六、避免通配符开头七、使用外部搜索引擎八、分

openCV中KNN算法的实现

《openCV中KNN算法的实现》KNN算法是一种简单且常用的分类算法,本文主要介绍了openCV中KNN算法的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的... 目录KNN算法流程使用OpenCV实现KNNOpenCV 是一个开源的跨平台计算机视觉库,它提供了各

Python通过模块化开发优化代码的技巧分享

《Python通过模块化开发优化代码的技巧分享》模块化开发就是把代码拆成一个个“零件”,该封装封装,该拆分拆分,下面小编就来和大家简单聊聊python如何用模块化开发进行代码优化吧... 目录什么是模块化开发如何拆分代码改进版:拆分成模块让模块更强大:使用 __init__.py你一定会遇到的问题模www.