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

解决docker目录内存不足扩容处理方案

《解决docker目录内存不足扩容处理方案》文章介绍了Docker存储目录迁移方法:因系统盘空间不足,需将Docker数据迁移到更大磁盘(如/home/docker),通过修改daemon.json配... 目录1、查看服务器所有磁盘的使用情况2、查看docker镜像和容器存储目录的空间大小3、停止dock

5 种使用Python自动化处理PDF的实用方法介绍

《5种使用Python自动化处理PDF的实用方法介绍》自动化处理PDF文件已成为减少重复工作、提升工作效率的重要手段,本文将介绍五种实用方法,从内置工具到专业库,帮助你在Python中实现PDF任务... 目录使用内置库(os、subprocess)调用外部工具使用 PyPDF2 进行基本 PDF 操作使用

分析 Java Stream 的 peek使用实践与副作用处理方案

《分析JavaStream的peek使用实践与副作用处理方案》StreamAPI的peek操作是中间操作,用于观察元素但不终止流,其副作用风险包括线程安全、顺序混乱及性能问题,合理使用场景有限... 目录一、peek 操作的本质:有状态的中间操作二、副作用的定义与风险场景1. 并行流下的线程安全问题2. 顺

Python异常处理之避免try-except滥用的3个核心原则

《Python异常处理之避免try-except滥用的3个核心原则》在Python开发中,异常处理是保证程序健壮性的关键机制,本文结合真实案例与Python核心机制,提炼出避免异常滥用的三大原则,有需... 目录一、精准打击:只捕获可预见的异常类型1.1 通用异常捕获的陷阱1.2 精准捕获的实践方案1.3

Pandas处理缺失数据的方式汇总

《Pandas处理缺失数据的方式汇总》许多教程中的数据与现实世界中的数据有很大不同,现实世界中的数据很少是干净且同质的,本文我们将讨论处理缺失数据的一些常规注意事项,了解Pandas如何表示缺失数据,... 目录缺失数据约定的权衡Pandas 中的缺失数据None 作为哨兵值NaN:缺失的数值数据Panda

C++中处理文本数据char与string的终极对比指南

《C++中处理文本数据char与string的终极对比指南》在C++编程中char和string是两种用于处理字符数据的类型,但它们在使用方式和功能上有显著的不同,:本文主要介绍C++中处理文本数... 目录1. 基本定义与本质2. 内存管理3. 操作与功能4. 性能特点5. 使用场景6. 相互转换核心区别

Python动态处理文件编码的完整指南

《Python动态处理文件编码的完整指南》在Python文件处理的高级应用中,我们经常会遇到需要动态处理文件编码的场景,本文将深入探讨Python中动态处理文件编码的技术,有需要的小伙伴可以了解下... 目录引言一、理解python的文件编码体系1.1 Python的IO层次结构1.2 编码问题的常见场景二

Python函数的基本用法、返回值特性、全局变量修改及异常处理技巧

《Python函数的基本用法、返回值特性、全局变量修改及异常处理技巧》本文将通过实际代码示例,深入讲解Python函数的基本用法、返回值特性、全局变量修改以及异常处理技巧,感兴趣的朋友跟随小编一起看看... 目录一、python函数定义与调用1.1 基本函数定义1.2 函数调用二、函数返回值详解2.1 有返

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