067.求解最优交通路径

简介: 067.求解最优交通路径
/*交通图最短路径程序*/
#include "string.h" 
#include "stdio.h" 
typedef struct ArcCell{
  int adj;  /*相邻接的城市序号*/
}ArcCell; /*定义边的类型*/
typedef struct VertexType{
  int number;    /*城市序号*/
  char *city;   /*城市名称*/
}VertexType; /*定义顶点的类型*/
typedef struct{
  VertexType vex[25];  /*图中的顶点,即为城市*/
  ArcCell arcs[25][25]; /*图中的边,即为城市间的距离*/
  int vexnum,arcnum; /*顶点数,边数*/
}MGraph; /*定义图的类型*/
MGraph G; /*把图定义为全局变量*/
int P[25][25]; 
long int D[25];
void CreateUDN(v,a) /*造图函数*/
int v,a;
{ int i,j;
  G.vexnum=v;
  G.arcnum=a;
  for(i=0;i<G.vexnum;++i) G.vex[i].number=i;
  /*下边是城市名*/
  G.vex[0].city="乌鲁木齐"; 
  G.vex[1].city="西宁";
  G.vex[2].city="兰州";
  G.vex[3].city="呼和浩特";
  G.vex[4].city="北京";
  G.vex[5].city="天津";
  G.vex[6].city="沈阳";
  G.vex[7].city="长春";
  G.vex[8].city="哈尔滨";
  G.vex[9].city="大连";
  G.vex[10].city="西安";
  G.vex[11].city="郑州";
  G.vex[12].city="徐州";
  G.vex[13].city="成都";
  G.vex[14].city="武汉";
  G.vex[15].city="上海";
  G.vex[16].city="昆明";
  G.vex[17].city="贵州";
  G.vex[18].city="株洲";
  G.vex[19].city="南昌";
  G.vex[20].city="福州";
  G.vex[21].city="柳州";
  G.vex[22].city="南宁";
  G.vex[23].city="广州";
  G.vex[24].city="深圳";
  /*这里把所有的边假定为20000,含义是城市间不可到达*/
  for(i=0;i<G.vexnum;++i)
    for(j=0;j<G.vexnum;++j) 
      G.arcs[i][j].adj=20000;
  /*下边是可直接到达的城市间的距离,由于两个城市间距离是互相的,
    所以要对图中对称的边同时赋值。*/
  G.arcs[0][2].adj=G.arcs[2][0].adj=1892;
  G.arcs[1][2].adj=G.arcs[2][1].adj=216;
  G.arcs[2][3].adj=G.arcs[3][2].adj=1145;
  G.arcs[2][10].adj=G.arcs[10][2].adj=676;
  G.arcs[3][4].adj=G.arcs[4][3].adj=668;
  G.arcs[4][5].adj=G.arcs[5][4].adj=137;
  G.arcs[5][6].adj=G.arcs[6][5].adj=704;
  G.arcs[6][7].adj=G.arcs[7][6].adj=305;
  G.arcs[7][8].adj=G.arcs[8][7].adj=242;
  G.arcs[6][9].adj=G.arcs[9][6].adj=397;
  G.arcs[4][11].adj=G.arcs[11][4].adj=695;
  G.arcs[5][12].adj=G.arcs[12][5].adj=674;
  G.arcs[10][13].adj=G.arcs[13][10].adj=842;
  G.arcs[11][14].adj=G.arcs[14][11].adj=534;
  G.arcs[12][15].adj=G.arcs[15][12].adj=651;
  G.arcs[13][16].adj=G.arcs[16][13].adj=1100;
  G.arcs[13][17].adj=G.arcs[17][13].adj=967;
  G.arcs[14][18].adj=G.arcs[18][14].adj=409;
  G.arcs[17][18].adj=G.arcs[18][17].adj=902;
  G.arcs[15][19].adj=G.arcs[19][15].adj=825;
  G.arcs[18][19].adj=G.arcs[19][18].adj=367;
  G.arcs[19][20].adj=G.arcs[20][19].adj=622;
  G.arcs[17][21].adj=G.arcs[21][17].adj=607;
  G.arcs[18][21].adj=G.arcs[21][18].adj=672;
  G.arcs[21][22].adj=G.arcs[22][21].adj=255;
  G.arcs[18][23].adj=G.arcs[23][18].adj=675;
  G.arcs[23][24].adj=G.arcs[24][23].adj=140;
  G.arcs[16][17].adj=G.arcs[17][16].adj=639;
  G.arcs[10][11].adj=G.arcs[11][10].adj=511;
  G.arcs[11][12].adj=G.arcs[12][11].adj=349;
}
void narrate() /*说明函数*/
{
  int i,k=0;
  printf("\n*****************欢迎使用最优交通路径程序!***************\n");
  printf("\n城市列表如下:\n\n");
  for(i=0;i<25;i++)
  {
    printf("(%2d)%-10s",i,G.vex[i].city); /*输出城市列表*/
    k=k+1;
    if(k%4==0) printf("\n");
  }
}
void ShortestPath(num) /*最短路径函数*/
int num;
{ 
  int v,w,i,t;
  int final[25];
  int min;
  for(v=0;v<25;++v)
  {
    final[v]=0;D[v]=G.arcs[num][v].adj;
    for(w=0;w<25;++w) P[v][w]=0;
    if(D[v]<20000) {P[v][num]=1;P[v][v]=1;}
  }
  D[num]=0;final[num]=1;
  for(i=0;i<25;++i)
  {
    min=20000;
    for(w=0;w<25;++w)
      if(!final[w])
        if(D[w]<min){v=w;min=D[w];}
    final[v]=1;
    for(w=0;w<25;++w)
      if(!final[w]&&((min+G.arcs[v][w].adj)<D[w]))
      {
        D[w]=min+G.arcs[v][w].adj;
        for(t=0;t<25;t++) P[w][t]=P[v][t];
        P[w][w]=1;
      }
  }
}
void output(city1,city2) /*输出函数*/
int city1;
int city2;
{
  int a,b,c,d,q=0;
  a=city2;
  if(a!=city1)
  {
    printf("\n从%s到%s的最短路径是",G.vex[city1].city,G.vex[city2].city);
    printf("(最短距离为 %dkm.)\n\t",D[a]);
    printf("%s",G.vex[city1].city);
    d=city1;
    for(c=0;c<25;++c)
    {
gate:; /*标号,可以作为goto语句跳转的位置*/
   P[a][city1]=0;
   for(b=0;b<25;b++)
   {
     if(G.arcs[d][b].adj<20000&&P[a][b])
     {
       printf("-->%s",G.vex[b].city);q=q+1;
       P[a][b]=0;
       d=b;
       if(q%8==0) printf("\n");
       goto gate;
     }
   }
    }
  }
}
void main() /*主函数*/
{
  int v0,v1;
  CreateUDN(25,30);
  narrate();
  printf("\n\n请选择起点城市(0~24):\n");
  scanf("%d",&v0);
  printf("请选择终点城市(0~24):\n");
  scanf("%d",&v1);
  ShortestPath(v0);  /*计算两个城市之间的最短路径*/
  output(v0,v1);     /*输出结果*/
  printf("\n");
  printf("\n 请按任意键退出...\n");
  getch();
}
相关文章
|
6月前
|
算法 测试技术 C++
【动态规划】【图论】【C++算法】1575统计所有可行路径
【动态规划】【图论】【C++算法】1575统计所有可行路径
|
5月前
|
Python
求解带有限重的三维装箱问题——启发式深度优先搜索算法
求解带有限重的三维装箱问题——启发式深度优先搜索算法
103 4
|
算法
基于马科维茨与蒙特卡洛模型的资产最优配置模型(Matlab代码实现)
基于马科维茨与蒙特卡洛模型的资产最优配置模型(Matlab代码实现)
135 0
基于马科维茨与蒙特卡洛模型的资产最优配置模型(Matlab代码实现)
|
算法 定位技术
探索最短路径问题:寻找优化路线的算法解决方案
探索最短路径问题:寻找优化路线的算法解决方案
199 0
|
机器学习/深度学习 算法
【路径优化】基于人工蜂群(ABC)算法和粒子群优化算法的组合求解路径优化问题(Matlab代码实现)
【路径优化】基于人工蜂群(ABC)算法和粒子群优化算法的组合求解路径优化问题(Matlab代码实现)
180 0
|
算法
基于适应度距离平衡的全局优化问题导向机制的改进粘液-霉菌算法(Matlab代码实现)
基于适应度距离平衡的全局优化问题导向机制的改进粘液-霉菌算法(Matlab代码实现)
109 0
|
算法 定位技术 Python
秒懂算法 | A*算法实现最优路径规划
启发式探索是利用问题拥有的启发信息来引导搜索,达到减少探索范围、降低问题复杂度的目的。A*寻路算法是启发式探索的一个典型实践,在寻路搜索的过程中,给每个节点绑定了一个估计值(即启发式),在对节点的遍历过程中采取估计值优先原则,估计值更优的节点会被优先遍历。
1134 1
秒懂算法  | A*算法实现最优路径规划
|
算法
基于PSO的最优路径优化仿真,带GUI界面,可以设置粒子数目,迭代次数,优化目标,输出最优解和最优路径
基于PSO的最优路径优化仿真,带GUI界面,可以设置粒子数目,迭代次数,优化目标,输出最优解和最优路径
150 0
基于PSO的最优路径优化仿真,带GUI界面,可以设置粒子数目,迭代次数,优化目标,输出最优解和最优路径
|
存储 算法
基于禁忌搜索的TSP问题求解仿真输出路线规划图和收敛曲线
基于禁忌搜索的TSP问题求解仿真输出路线规划图和收敛曲线
192 0
基于禁忌搜索的TSP问题求解仿真输出路线规划图和收敛曲线
|
机器学习/深度学习 传感器 人工智能
【优化指派】基于禁忌搜索算法求解指派优化问题(耗时最短)附Matlab代码
【优化指派】基于禁忌搜索算法求解指派优化问题(耗时最短)附Matlab代码