【动态规划】【图论】【C++算法】1928规定时间内到达终点的最小花费

简介: 【动态规划】【图论】【C++算法】1928规定时间内到达终点的最小花费

作者推荐

【动态规划】【状态压缩】【2次选择】【广度搜索】1494. 并行课程 II

本文涉及知识点

动态规划汇总

LeetCode1928. 规定时间内到达终点的最小花费

一个国家有 n 个城市,城市编号为 0 到 n - 1 ,题目保证 所有城市 都由双向道路 连接在一起 。道路由二维整数数组 edges 表示,其中 edges[i] = [xi, yi, timei] 表示城市 xi 和 yi 之间有一条双向道路,耗费时间为 timei 分钟。两个城市之间可能会有多条耗费时间不同的道路,但是不会有道路两头连接着同一座城市。

每次经过一个城市时,你需要付通行费。通行费用一个长度为 n 且下标从 0 开始的整数数组 passingFees 表示,其中 passingFees[j] 是你经过城市 j 需要支付的费用。

一开始,你在城市 0 ,你想要在 maxTime 分钟以内 (包含 maxTime 分钟)到达城市 n - 1 。旅行的 费用 为你经过的所有城市 通行费之和 (包括 起点和终点城市的通行费)。

给你 maxTime,edges 和 passingFees ,请你返回完成旅行的 最小费用 ,如果无法在 maxTime 分钟以内完成旅行,请你返回 -1 。

示例 1:

输入:maxTime = 30, edges = [[0,1,10],[1,2,10],[2,5,10],[0,3,1],[3,4,10],[4,5,15]], passingFees = [5,1,2,20,20,3]

输出:11

解释:最优路径为 0 -> 1 -> 2 -> 5 ,总共需要耗费 30 分钟,需要支付 11 的通行费。

示例 2:

输入:maxTime = 29, edges = [[0,1,10],[1,2,10],[2,5,10],[0,3,1],[3,4,10],[4,5,15]], passingFees = [5,1,2,20,20,3]

输出:48

解释:最优路径为 0 -> 3 -> 4 -> 5 ,总共需要耗费 26 分钟,需要支付 48 的通行费。

你不能选择路径 0 -> 1 -> 2 -> 5 ,因为这条路径耗费的时间太长。

示例 3:

输入:maxTime = 25, edges = [[0,1,10],[1,2,10],[2,5,10],[0,3,1],[3,4,10],[4,5,15]], passingFees = [5,1,2,20,20,3]

输出:-1

解释:无法在 25 分钟以内从城市 0 到达城市 5 。

提示:

1 <= maxTime <= 1000

n == passingFees.length

2 <= n <= 1000

n - 1 <= edges.length <= 1000

0 <= xi, yi <= n - 1

1 <= timei <= 1000

1 <= passingFees[j] <= 1000

图中两个节点之间可能有多条路径。

图中不含有自环。

动态规划

路径中不会有重复节点,否则去掉环,用时更少,过路费更少或不变。

动态规划的状态表示

dp[i][j] 表示 消耗j单位时间到达i城市的最小过路非。所有相同时间的状态全部更新完时间复杂度是O(n),时间数是maxTime。故总时间复杂度是:O(n*maxTime)。

动态规划的转移方程

前置状态转移后置状态。

dp[i][j]更 新 k 和 i 连接 \Large更新 _{k和i连接}ki连接 dp[k][j+ik需要的时间] =min(,dp[i][j]+pass[k]

动态规划的初始值

dp[0][0]=第一个城市的过路费 其它状态全部为2e6。

动态规划的填表顺序

时间从0到大。

动态规划的返回值

dp.back()的最小值。

代码

class Solution {
public:
  int minCost(int maxTime, vector<vector<int>>& edges, vector<int>& passingFees) {
    m_c = passingFees.size();
    CNeiBo3 neiBo(m_c, edges,false);
    vector<vector<int>> dp(m_c, vector<int>(maxTime + 1, m_iNotMay));
    dp[0][0] = passingFees[0];
    for (int time = 0; time < maxTime; time++)
    {
      for (int pos = 0; pos < m_c; pos++)
      {
        for (const auto& [next,useTime] : neiBo.m_vNeiB[pos])
        {
          const int newTime = time + useTime;
          if (newTime <= maxTime)
          {
            const int newFees = dp[pos][time] + passingFees[next];
            if (newFees < dp[next][newTime])
            {
              dp[next][newTime] = newFees;
            }
          }
        }
      }
    }
    const int iMin = *std::min_element(dp.back().begin(), dp.back().end());
    return (iMin >= m_iNotMay) ? -1 : iMin;
  }
  int m_c;
  const int m_iNotMay = 2000'000;
};

测试用例

template<class T>
void Assert(const T& t1, const T& t2)
{
  assert(t1 == t2);
}
template<class T>
void Assert(const vector<T>& v1, const vector<T>& 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 maxTime;
  vector<vector<int>> edges;
  vector<int> passingFees;
  {
    Solution sln;
    maxTime = 30, edges = { {0,1,10},{1,2,10},{2,5,10},{0,3,1},{3,4,10},{4,5,15} }, passingFees = { 5,1,2,20,20,3 };
    auto res = sln.minCost(maxTime, edges, passingFees);
    Assert(res,11);
  }
  {
    Solution sln;
    maxTime = 29, edges = { {0,1,10},{1,2,10},{2,5,10},{0,3,1},{3,4,10},{4,5,15} }, passingFees = { 5,1,2,20,20,3 };
    auto res = sln.minCost(maxTime, edges, passingFees);
    Assert(res, 48);
  }
  {
    Solution sln;
    maxTime = 25, edges = { {0,1,10},{1,2,10},{2,5,10},{0,3,1},{3,4,10},{4,5,15} }, passingFees = { 5,1,2,20,20,3 };
    auto res = sln.minCost(maxTime, edges, passingFees);
    Assert(res, -1);
  }
}

2023年2月版

class Solution {

public:

int minCost(int maxTime, vector<vector>& edges, vector& passingFees) {

m_c = passingFees.size();

m_mDirectTime.resize(m_c);

for (const auto& v : edges)

{

if (v[2] > maxTime)

{

continue;

}

if (0 != m_mDirectTime[v[0]][v[1]] )

{

if (m_mDirectTime[v[0]][v[1]] < v[2])

{

continue;

}

}

m_mDirectTime[v[0]][v[1]] = v[2];

m_mDirectTime[v[1]][v[0]] = v[2];

}

dp.assign(maxTime+1, vector(m_c, m_iNotMay));

dp[0][0] = passingFees[0];

for (int iTime = 0; iTime <= maxTime; iTime++)

{

for (int iPos = 0; iPos < m_c; iPos++)

{

const int& iCurFees = dp[iTime][iPos];

if (m_iNotMay == iCurFees)

{

continue;

}

for (auto it : m_mDirectTime[iPos] )

{

const int iNewTime = iTime + it.second;

if (iNewTime > maxTime)

{

continue;

}

int& iNewFees = dp[iNewTime][it.first];

iNewFees = min(iNewFees, iCurFees + passingFees[it.first]);

}

}

}

int iMinFeel = INT_MAX;

for (auto& v : dp)

{

iMinFeel = min(iMinFeel, v[m_c - 1]);

}

return ( m_iNotMay == iMinFeel) ? -1 : iMinFeel;

}

int m_c;

vector<vector> dp;

vector<std::unordered_map<int, int>> m_mDirectTime;

const int m_iNotMay = 1000 * 1000 * 1000;

};

2023年7月版

class Solution {

public:

int minCost(int maxTime, vector<vector>& edges, vector& passingFees) {

m_c = passingFees.size();

vector<vector> vTimeNodeToMinCost(maxTime + 1, vector(m_c, INT_MAX));

vTimeNodeToMinCost[0][0] = passingFees[0];

for (int time = 1; time <= maxTime; time++)

{

for (const auto& v : edges)

{

Do(v[0], v[1], v[2], time, vTimeNodeToMinCost, passingFees);

Do(v[1], v[0], v[2], time, vTimeNodeToMinCost, passingFees);

}

}

int iMinCost = INT_MAX;

for (const auto& v : vTimeNodeToMinCost)

{

iMinCost = min(iMinCost, v.back());

}

return (INT_MAX == iMinCost) ? -1 : iMinCost;

}

void Do(int pre, int cur, int iUseTime,int time, vector<vector>& vTimeNodeToMinCost, const vector& passingFees)

{

int preTime = time - iUseTime;

if (preTime < 0)

{

return;

}

const int preMinCost = vTimeNodeToMinCost[preTime][pre];

if (INT_MAX == preMinCost)

{

return;

}

vTimeNodeToMinCost[time][cur] = min(vTimeNodeToMinCost[time][cur], preMinCost + passingFees[cur]);

}

int m_c;
vector < vector<pair<int, int>>> m_vNeiB;
int m_iMinCost = INT_MAX;
int m_iMaxTime;

};

2023年9月

class Solution {

public:

int minCost(int maxTime, vector<vector>& edges, vector& passingFees) {

m_iCityNum = passingFees.size();

std::unordered_map<int, int> mNodeNodeToTime[1001];

for (const auto& v : edges)

{

if (!mNodeNodeToTime[v[0]].count(v[1]) || (mNodeNodeToTime[v[0]][v[1]] > v[2]))

{

mNodeNodeToTime[v[0]][v[1]] = v[2];

mNodeNodeToTime[v[1]][v[0]] = v[2];

}

}

for (int i = 0; i < m_iCityNum; i++)

{

m_vNeiBo[i] = vector<pair<int, int>>(mNodeNodeToTime[i].begin(), mNodeNodeToTime[i].end());

}

return Do(maxTime, passingFees);

}

int Do(int maxTime, vector& passingFees)

{

vector vMinFee(m_iCityNum,INT_MAX);

std::priority_queue<tuple<int, int, int>, vector<tuple<int, int, int>>, std::greater<>> minHeap;

minHeap.emplace(0, 0, passingFees[0]);//总耗时,当前城市,最小消耗

while (minHeap.size())

{

const auto [time, city, fee] = minHeap.top();

minHeap.pop();

if (vMinFee[city] <= fee)

{

continue;

}

else

{

vMinFee[city] = fee;

}

for (const auto& [next, useTime] : m_vNeiBo[city])

{

const int iNewTime = time + useTime;

if (iNewTime > maxTime)

{

continue;

}

const int iNewFee = fee + passingFees[next];

minHeap.emplace(iNewTime, next, iNewFee);

}

}

return ( INT_MAX == vMinFee[m_iCityNum-1] ) ? -1 : vMinFee[m_iCityNum - 1];

}

vector<pair<int, int>> m_vNeiBo[1001];

int m_iCityNum;

};


相关文章
|
8天前
|
存储 算法 Java
算法系列之动态规划
动态规划(Dynamic Programming,简称DP)是一种用于解决复杂问题的算法设计技术。它通过将问题分解为更小的子问题,并存储这些子问题的解来避免重复计算,从而提高算法的效率。
21 4
算法系列之动态规划
|
19天前
|
存储 监控 算法
员工屏幕监控系统之 C++ 图像差分算法
在现代企业管理中,员工屏幕监控系统至关重要。本文探讨了其中常用的图像差分算法,该算法通过比较相邻两帧图像的像素差异,检测屏幕内容变化,如应用程序切换等。文中提供了C++实现代码,并介绍了其在实时监控、异常行为检测和数据压缩等方面的应用,展示了其实现简单、效率高的特点。
40 15
|
19天前
|
算法 Serverless 数据处理
从集思录可转债数据探秘:Python与C++实现的移动平均算法应用
本文探讨了如何利用移动平均算法分析集思录提供的可转债数据,帮助投资者把握价格趋势。通过Python和C++两种编程语言实现简单移动平均(SMA),展示了数据处理的具体方法。Python代码借助`pandas`库轻松计算5日SMA,而C++代码则通过高效的数据处理展示了SMA的计算过程。集思录平台提供了详尽且及时的可转债数据,助力投资者结合算法与社区讨论,做出更明智的投资决策。掌握这些工具和技术,有助于在复杂多变的金融市场中挖掘更多价值。
47 12
|
10天前
|
存储 监控 算法
公司监控上网软件架构:基于 C++ 链表算法的数据关联机制探讨
在数字化办公时代,公司监控上网软件成为企业管理网络资源和保障信息安全的关键工具。本文深入剖析C++中的链表数据结构及其在该软件中的应用。链表通过节点存储网络访问记录,具备高效插入、删除操作及节省内存的优势,助力企业实时追踪员工上网行为,提升运营效率并降低安全风险。示例代码展示了如何用C++实现链表记录上网行为,并模拟发送至服务器。链表为公司监控上网软件提供了灵活高效的数据管理方式,但实际开发还需考虑安全性、隐私保护等多方面因素。
17 0
公司监控上网软件架构:基于 C++ 链表算法的数据关联机制探讨
|
2月前
|
负载均衡 算法 安全
探秘:基于 C++ 的局域网电脑控制软件自适应指令分发算法
在现代企业信息化架构中,局域网电脑控制软件如同“指挥官”,通过自适应指令分发算法动态调整指令发送节奏与数据量,确保不同性能的终端设备高效运行。基于C++语言,利用套接字实现稳定连接和线程同步管理,结合实时状态反馈,优化指令分发策略,提升整体管控效率,保障网络稳定,助力数字化办公。
70 19
|
16天前
|
算法 安全 调度
【动态规划篇】穿越算法迷雾:约瑟夫环问题的奇幻密码
【动态规划篇】穿越算法迷雾:约瑟夫环问题的奇幻密码
|
16天前
|
机器学习/深度学习 算法 测试技术
【动态规划篇】01 背包的逆袭:如何用算法装满你的 “财富背包”
【动态规划篇】01 背包的逆袭:如何用算法装满你的 “财富背包”
|
2月前
|
算法 Java C++
【潜意识Java】蓝桥杯算法有关的动态规划求解背包问题
本文介绍了经典的0/1背包问题及其动态规划解法。
59 5
|
2月前
|
存储 算法 测试技术
【C++数据结构——树】二叉树的遍历算法(头歌教学实验平台习题) 【合集】
本任务旨在实现二叉树的遍历,包括先序、中序、后序和层次遍历。首先介绍了二叉树的基本概念与结构定义,并通过C++代码示例展示了如何定义二叉树节点及构建二叉树。接着详细讲解了四种遍历方法的递归实现逻辑,以及层次遍历中队列的应用。最后提供了测试用例和预期输出,确保代码正确性。通过这些内容,帮助读者理解并掌握二叉树遍历的核心思想与实现技巧。
56 2
|
3月前
|
存储 算法 安全
基于红黑树的局域网上网行为控制C++ 算法解析
在当今网络环境中,局域网上网行为控制对企业和学校至关重要。本文探讨了一种基于红黑树数据结构的高效算法,用于管理用户的上网行为,如IP地址、上网时长、访问网站类别和流量使用情况。通过红黑树的自平衡特性,确保了高效的查找、插入和删除操作。文中提供了C++代码示例,展示了如何实现该算法,并强调其在网络管理中的应用价值。