【深度优先】【图论】【C++算法】2045. 到达目的地的第二短时间

简介: 【深度优先】【图论】【C++算法】2045. 到达目的地的第二短时间

LeetCode2045. 到达目的地的第二短时间

城市用一个 双向连通 图表示,图中有 n 个节点,从 1 到 n 编号(包含 1 和 n)。图中的边用一个二维整数数组 edges 表示,其中每个 edges[i] = [ui, vi] 表示一条节点 ui 和节点 vi 之间的双向连通边。每组节点对由 最多一条 边连通,顶点不存在连接到自身的边。穿过任意一条边的时间是 time 分钟。

每个节点都有一个交通信号灯,每 change 分钟改变一次,从绿色变成红色,再由红色变成绿色,循环往复。所有信号灯都 同时 改变。你可以在 任何时候 进入某个节点,但是 只能 在节点 信号灯是绿色时 才能离开。如果信号灯是 绿色 ,你 不能 在节点等待,必须离开。

第二小的值 是 严格大于 最小值的所有值中最小的值。

例如,[2, 3, 4] 中第二小的值是 3 ,而 [2, 2, 4] 中第二小的值是 4 。

给你 n、edges、time 和 change ,返回从节点 1 到节点 n 需要的 第二短时间 。

注意:

你可以 任意次 穿过任意顶点,包括 1 和 n 。

你可以假设在 启程时 ,所有信号灯刚刚变成 绿色 。

示例 1: 

输入:n = 5, edges = [[1,2],[1,3],[1,4],[3,4],[4,5]], time = 3, change = 5

输出:13

解释:

上面的左图展现了给出的城市交通图。

右图中的蓝色路径是最短时间路径。

花费的时间是:

  • 从节点 1 开始,总花费时间=0
  • 1 -> 4:3 分钟,总花费时间=3
  • 4 -> 5:3 分钟,总花费时间=6
    因此需要的最小时间是 6 分钟。
    右图中的红色路径是第二短时间路径。
  • 从节点 1 开始,总花费时间=0
  • 1 -> 3:3 分钟,总花费时间=3
  • 3 -> 4:3 分钟,总花费时间=6
  • 在节点 4 等待 4 分钟,总花费时间=10
  • 4 -> 5:3 分钟,总花费时间=13
    因此第二短时间是 13 分钟。
    示例 2:
    输入:n = 2, edges = [[1,2]], time = 3, change = 2
    输出:11
    解释:
    最短时间路径是 1 -> 2 ,总花费时间 = 3 分钟
    第二短时间路径是 1 -> 2 -> 1 -> 2 ,总花费时间 = 11 分钟

提示:

2 <= n <= 104

n - 1 <= edges.length <= min(2 * 104, n * (n - 1) / 2)

edges[i].length == 2

1 <= ui, vi <= n

ui != vi

不含重复边

每个节点都可以从其他节点直接或者间接到达

1 <= time, change <= 103

深度优先

经过的边数相同,则行驶时间相同,等待时间也相同。所以本题等效与求严格经过边数第二少。令经过最少的边数是x,则严格第二少的边数只能是x+1或x+2。因为:到达目的地后返回一个节点,再到达目的地,经过的边数是x+2。

本问题等于与:

一,计算最少经过边数x。

二,能否经过x+1条边到达目的的。

每个节点除了记录最少边数,还要记录另外一个状态i1:

初始为0,第一次到达是变成1。加入队列。

1变2的条件:新经过的边数等于x+1。加入队列。

2不会发生的变化。

每个节点最多入队两次。估计时间复杂度是:O(n)。

目的地的i1,如果为1,则严格第二少的边数为x+1,否则为x+2。

通过边数计算时间:

如果总时间time / change 是奇数需要等待 等待时间 change - (time/change)。

代码

核心代码

class CNeiBo2
{
public:
  CNeiBo2(int n, bool bDirect, int iBase = 0) :m_iN(n), m_bDirect(bDirect), m_iBase(iBase)
  {
    m_vNeiB.resize(n);
  }
  CNeiBo2(int n, vector<vector<int>>& edges, bool bDirect, int iBase = 0) :m_iN(n), m_bDirect(bDirect), m_iBase(iBase)
  {
    m_vNeiB.resize(n);
    for (const auto& v : edges)
    {
      m_vNeiB[v[0] - iBase].emplace_back(v[1] - iBase);
      if (!bDirect)
      {
        m_vNeiB[v[1] - iBase].emplace_back(v[0] - iBase);
      }
    }
  }
  inline void Add(int iNode1, int iNode2)
  {
    iNode1 -= m_iBase;
    iNode2 -= m_iBase;
    m_vNeiB[iNode1].emplace_back(iNode2);
    if (!m_bDirect)
    {
      m_vNeiB[iNode2].emplace_back(iNode1);
    }
  }
  const int m_iN;
  const bool m_bDirect;
  const int m_iBase;
  vector<vector<int>> m_vNeiB;
};
class Solution {
public:
  int secondMinimum(int n, vector<vector<int>>& edges, int time, int change) {
    CNeiBo2 neiBo(n, edges, false, 1);
    queue<pair<int,int>> que;   
    vector<int> vDis(n), vStatu(n);
    que.emplace(0,0);
    vStatu[0] = 1;
    while (que.size())
    {
      const auto [cur,curDis] = que.front();
      que.pop();
      for (const auto& next : neiBo.m_vNeiB[cur])
      {
        const int iNewDis = curDis + 1;
        if (0 == vStatu[next])
        {
          vDis[next] = iNewDis;
          vStatu[next] = 1;
          que.emplace(next,iNewDis);
        }
        else if ((1 == vStatu[next])&&( vDis[next]+1 == iNewDis))
        {
          vStatu[next] = 2;
          que.emplace(next, iNewDis);
        }
      }
    }
    const int iEdgeNum = (1 == vStatu.back()) ? (vDis.back() + 2) : (vDis.back() + 1);
    int iTime = 0;
    for (int i = 1; i <= iEdgeNum; i++)
    {
      iTime += time;
      if ((iTime / change) & 1)
      {
        if (iEdgeNum != i)
        {
          iTime += (change - (iTime % change));
        }
      }
    }
    return iTime;
  }
};

测试用例

template<class T,class T2>
void Assert(const T& t1, const T2& t2)
{
assert(t1 == t2);
}
template
void Assert(const vector& v1, const vector& 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 n, time, change;
vector<vector> edges;
{
Solution sln;
n = 5, edges = { {1,2},{1,3},{1,4},{3,4},{4,5} }, time = 3, change = 5;
auto res = sln.secondMinimum(n, edges, time, change);
Assert(13, res);
}
{
Solution sln;
n = 2, edges = { {1,2} }, time = 3, change = 2;
auto res = sln.secondMinimum(n, edges, time, change);
Assert(11, res);
}
}

2023年4月

class Solution {
public:
int secondMinimum(int n, vector<vector>& edges, int time, int change) {
m_vNeiB.resize(n + 1);
m_vDis.assign(n + 1,INT_MAX);
m_vDis2.assign(n + 1, INT_MAX);
for (const auto& e : edges)
{
m_vNeiB[e[0]].emplace_back(e[1]);
m_vNeiB[e[1]].emplace_back(e[0]);
}
std::queue<pair<int,int>> que;
que.emplace(1,0);
while (que.size())
{
const int iCur = que.front().first;
const int len = que.front().second;
que.pop();
for (const auto& next : m_vNeiB[iCur])
{
const int iNewLen = len + 1;
if (iNewLen >= m_vDis2[next])
{
continue;
}
que.emplace(next, iNewLen);
if (iNewLen < m_vDis[next])
{
m_vDis[next] = iNewLen;
}
else if (iNewLen != m_vDis[next])
{
m_vDis2[next] = iNewLen;
}
}
}
int tmp = m_vDis2[n];
int iRet = 0;
while (tmp–)
{
if ((iRet / change) & 1)
{
iRet += (change - iRet%change);
}
iRet += time;
}
return iRet;
}
vector<vector> m_vNeiB;
vector m_vDis;
vector m_vDis2;
};


扩展阅读

视频课程

有效学习:明确的目标 及时的反馈 拉伸区(难度合适),可以先学简单的课程,请移步CSDN学院,听白银讲师(也就是鄙人)的讲解。

https://edu.csdn.net/course/detail/38771

如何你想快

速形成战斗了,为老板分忧,请学习C#入职培训、C++入职培训等课程

https://edu.csdn.net/lecturer/6176

相关

下载

想高屋建瓴的学习算法,请下载《喜缺全书算法册》doc版

https://download.csdn.net/download/he_zhidan/88348653

我想对大家说的话
闻缺陷则喜是一个美好的愿望,早发现问题,早修改问题,给老板节约钱。
子墨子言之:事无终始,无务多业。也就是我们常说的专业的人做专业的事。
如果程序是一条龙,那算法就是他的是睛

测试环境

操作系统:win7 开发环境: VS2019 C++17

或者 操作系统:win10 开发环境: VS2022 C++17

如无特殊说明,本算法用**C++**实现。

相关文章
|
2月前
|
算法 测试技术 C++
【动态规划算法】蓝桥杯填充问题(C/C++)
【动态规划算法】蓝桥杯填充问题(C/C++)
|
25天前
|
JSON 算法 数据挖掘
基于图论算法有向图PageRank与无向图Louvain算法构建指令的方式方法 用于支撑qwen agent中的统计相关组件
利用图序列进行数据解读,主要包括节点序列分析、边序列分析以及结合节点和边序列的综合分析。节点序列分析涉及节点度分析(如入度、出度、度中心性)、节点属性分析(如品牌、价格等属性的分布与聚类)、节点标签分析(如不同标签的分布及标签间的关联)。边序列分析则关注边的权重分析(如关联强度)、边的类型分析(如管理、协作等关系)及路径分析(如最短路径计算)。结合节点和边序列的分析,如子图挖掘和图的动态分析,可以帮助深入理解图的结构和功能。例如,通过子图挖掘可以发现具有特定结构的子图,而图的动态分析则能揭示图随时间的变化趋势。这些分析方法结合使用,能够从多个角度全面解读图谱数据,为决策提供有力支持。
|
2月前
|
存储 算法 C++
高精度算法(加、减、乘、除,使用c++实现)
高精度算法(加、减、乘、除,使用c++实现)
642 0
高精度算法(加、减、乘、除,使用c++实现)
|
2月前
|
算法 数据处理 C++
c++ STL划分算法;partition()、partition_copy()、stable_partition()、partition_point()详解
这些算法是C++ STL中处理和组织数据的强大工具,能够高效地实现复杂的数据处理逻辑。理解它们的差异和应用场景,将有助于编写更加高效和清晰的C++代码。
43 0
|
2月前
|
存储 算法 决策智能
【算法】博弈论(C/C++)
【算法】博弈论(C/C++)
|
2月前
|
存储 算法 C++
【算法】哈希映射(C/C++)
【算法】哈希映射(C/C++)
|
2月前
|
机器学习/深度学习 人工智能 算法
【算法】最长公共子序列(C/C++)
【算法】最长公共子序列(C/C++)
|
2月前
|
人工智能 算法 BI
一篇带你速通差分算法(C/C++)
一篇带你速通差分算法(C/C++)
|
2月前
|
人工智能 算法 C++
一篇带你速通前缀和算法(C/C++)
一篇带你速通前缀和算法(C/C++)
|
2月前
|
存储 算法 C++
弗洛伊德(Floyd)算法(C/C++)
弗洛伊德(Floyd)算法(C/C++)