【代码随想录算法训练营第六十六天|卡码网97.小明逛公园、127.骑士的攻击】

97.小明逛公园

之前的题目都是只有一个出发点和到达点,这道题是有多个起始对,用之前的算法把每一对结果算出来也是可行的,在这里使用Floyd算法。
本质上是一种动态规划,dp数组dp[i][j][k]中的i,j两点在以(1~k)中的点作为中间结点的时候的最小距离,递推公式是dp[i][j][k]=min(dp[i][k][k-1]+dp[k][j][k-1], dp[i][j][k-1]),遍历顺序是k在最外,i,j在内。本质上是因为dp[i][k][k-1]这些中间量还可能是由k更小的时候的组合推断出来的,所以对于所有的i和j,k都应该是从小到大递增推导所有i和j的状态,所以k在最外层。

n, m = map(int, input().split())
grid = [[[float('inf')] * (n+1) for _ in range(n+1)] for _ in range(n+1)]
for i in range(m):
    u, v, w = map(int, input().split())
    grid[u][v][0] = w
    grid[v][u][0] = w 
q = int(input())
plans = []
for i in range(q):
    start, end = map(int, input().split())
    plans.append([start, end])
    
for k in range(1, n+1):
    for i in range(1, n+1):
        for j in range(1, n+1):
            grid[i][j][k] = min(grid[i][j][k-1], grid[i][k][k-1] + grid[k][j][k-1])


for plan in plans:
    if grid[plan[0]][plan[1]][-1] != float('inf'):
        print(grid[plan[0]][plan[1]][-1])
    else:
        print(-1)

127.骑士的攻击

这道题使用的是Astar算法,是在BFS的基础上进行了一定的优化。普通的BFS也能做但是在广度搜索的时候会有很多的浪费,因此关键就在于每次如何选择朝向目标移动的最近的点。Astar通过计算每个点的预估距离并用小顶堆进行排序,从而使得每次取出来的都是当前可能最小距离的点。在这题使用欧氏距离最合适,总距离是点距离原点的欧氏距离加上到目标点的欧氏距离。

import heapq

n = int(input())
directions = [[-2, 1], [-1, 2], [1, 2], [2, 1], [-2, -1], [-1, -2], [1, -2], [2, -1]]
Distance = lambda x, y, tar_x, tar_y: (x - tar_x) ** 2 + (y - tar_y) ** 2

class Knight:
    def __init__(self, a1, a2, g=0, f=0, h=0):
        self.x = a1
        self.y = a2
        self.g = g
        self.f = f 
        self.h = h
    
    def __lt__(self, k):
        return self.f < k.f
    
    def __str__(self):
        return f'Knight:{self.x},{self.y}'
    
def bfs(grid, knight, target):
    heap = []
    heapq.heappush(heap, knight)
    while heap:
        cur = heapq.heappop(heap)
        if cur.x == target[0] and cur.y == target[1]:
            return
        for d in directions:
            next_x = cur.x + d[0]
            next_y = cur.y + d[1]
            if next_x < 1 or next_x >= len(grid) or next_y < 1 or next_y >= len(grid[0]):
                continue
            if not grid[next_x][next_y]:
                grid[next_x][next_y] = grid[cur.x][cur.y] + 1
                next_knight = Knight(next_x, next_y)
                next_knight.g = cur.g + 5
                next_knight.h = Distance(next_x, next_y, target[0], target[1])
                next_knight.f = next_knight.g + next_knight.h 
                heapq.heappush(heap, next_knight)
                
for i in range(n):
    a1, a2, b1, b2 = map(int, input().split())
    grid = [[0] * 1001 for _ in range(1001)]
    knight = Knight(a1, a2)
    knight.h = Distance(a1, a2, b1, b2)
    knight.f = knight.g + knight.h
    bfs(grid, knight, [b1, b2])
    print(grid[b1][b2])

最近更新

  1. docker php8.1+nginx base 镜像 dockerfile 配置

    2024-07-13 15:42:02       67 阅读
  2. Could not load dynamic library ‘cudart64_100.dll‘

    2024-07-13 15:42:02       71 阅读
  3. 在Django里面运行非项目文件

    2024-07-13 15:42:02       58 阅读
  4. Python语言-面向对象

    2024-07-13 15:42:02       69 阅读

热门阅读

  1. 开发指南048-前端模块版本

    2024-07-13 15:42:02       19 阅读
  2. AI工具网站

    2024-07-13 15:42:02       18 阅读
  3. 什么是ipc

    2024-07-13 15:42:02       22 阅读
  4. 红帽虚拟化REST API指导文档

    2024-07-13 15:42:02       22 阅读
  5. 层次分析法:matlab代码实现

    2024-07-13 15:42:02       20 阅读
  6. Tg机器人开发:实现自动化图片审核功能

    2024-07-13 15:42:02       18 阅读
  7. Mojo AI编程语言(三)数据结构:高效数据处理

    2024-07-13 15:42:02       22 阅读
  8. postgresql创建只读权限的用户

    2024-07-13 15:42:02       17 阅读