关于程序员:动态规划加权有向图的最短路径算法

52次阅读

共计 4458 个字符,预计需要花费 12 分钟才能阅读完成。

读完本文,能够去力扣解决如下题目:

787. K 站直达内最便宜的航班(Medium


毕业季,对过来兴许有些欢畅和感伤,对将来兴许有些迷茫和向往,不过这些究竟是过眼云烟,迟早会被工夫淡化和忘记。

在这段美好时光的开端,的确应该来一场说走就走的毕业旅行,放肆一把,给青春画上一个完满的句号。

那么,本文就教给你一个动静布局算法,在毕业旅行中省钱,节约谋求诗和远方的资本。

假如,你筹备从学校所在的城市登程,游历多个城市,一路浪到公司入职,那么你应该如何安顿游览路线,能力最小化机票的开销?

咱们来看看力扣第 787 题「K 站直达内最便宜的航班」,我形容一下题目:

当初有 n 个城市,别离用 0,1…,n - 1 这些序号示意,城市之间的航线用三元组 [from, to, price] 来示意,比如说三元组 [0,1,100] 就示意,从城市 0 到城市 1 之间的机票价格是 100 元。

题目会给你输出若干参数:

正整数 n 代表城市个数,数组 flights 装着若干三元组代表城市间的航线及价格,城市编号 src 代表你所在的城市,城市编号 dst 代表你要去的指标城市,整数 K 代表你最多通过的中转站个数。

函数签名如下:

int findCheapestPrice(int n, int[][] flights, int src, int dst, int K);

请你的算法计算,在 K 次直达之内,从 srcdst所需的最小破费是多少钱,如果无奈达到,则返回 -1

比方说题目给的例子:

n = 3, flights = [[0,1,100],[1,2,100],[0,2,500]], src = 0, dst = 2, K = 0

航线就是如下这张图所示,有向边代表航线的方向,边上的数字代表航线的机票价格:

出发点是 0,达到点是2,容许的最大直达次数K 为 1,所以最小的开销就是图中红色的两条边,从 0 登程,通过直达城市 1 达到指标城市2,所以算法的返回值应该是 200。

留神这个直达次数的下限 K 是比拟辣手的,如果上述题目将 K 改为 0,也就是不容许直达,那么咱们的算法只能返回 500 了,也就是间接从 0 飞到2

很显著,这题就是个加权有向图中求最短门路的问题

说白了,就是给你一幅加权有向图,让你求 srcdst权重最小的一条门路,同时要满足,这条门路最多不能超过 K + 1 条边 (通过K 个节点相当于通过 K + 1 条边。

咱们来剖析下求最短门路相干的算法。

BFS 算法思路

咱们前文 动静布局外围套路详解 中说过,求最值的问题,很多都可能应用动静布局来求解。

加权最短门路问题,再加个 K 的限度也不妨,不也是个求最值的问题嘛,动静布局通通拿下。

咱们先不论 K 的限度,单就「加权最短门路」这个问题来看看,它怎么就是个动静布局问题了呢?

比方说,当初我想计算 srcdst的最短门路:

最小权重是多少?我不晓得。

但我能够把问题进行合成:

s1, s2是指向 dst 的相邻节点,它们之间的权重我是晓得的,别离是w1, w2

只有我晓得了从 srcs1, s2的最短门路,我不就晓得 srcdst的最短门路了吗!

minPath(src, dst) = min(minPath(src, s1) + w1, 
    minPath(src, s2) + w2
)

这其实就是递归关系了,就是这么简略。

不过别忘了,题目对咱们的最短门路还有个「门路上不能超过 K + 1 条边」的限度

那么咱们无妨定义这样一个 dp 函数:

int dp(int s, int k);

函数的定义如下:

从终点 src 登程,k步之内(一步就是一条边)达到节点 s 的最小门路权重为dp(s, k)

那么,dp函数的 base case 就不言而喻了:

// 定义:从 src 登程,k 步之内达到 s 的最小老本
    int dp(int s, int k) {
        // 从 src 到 src,一步都不必走
        if (s == src) {return 0;}
        // 如果步数用尽,就无解了
        if (k == 0) {return -1;}

        // ...
    }

题目想求的最小机票开销就能够用 dp(dst, K+1) 来示意:

int findCheapestPrice(int n, int[][] flights, int src, int dst, int K) {
    // 将中转站个数转化成边的条数
    K++;
    //...
    return dp(dst, K);

增加了一个 K 条边的限度,状态转移方程怎么写呢?其实和方才是一样的:

K步之内从 srcdst的最小门路权重是多少?我不晓得。

但我能够把问题合成:

s1, s2是指向 dst 的相邻节点,我只有可能在 K - 1 步之内从 src 达到 s1, s2,那我就能够在K 步之内从 src 达到dst

也就是如下关系式:

dp(dst, k) = min(dp(s1, k - 1) + w1, 
    dp(s2, k - 1) + w2
)

这就是新的状态转移方程,如果你能看懂这个算式,就曾经能够解决这道题了。

代码实现

根据上述思路,我怎么晓得 s1, s2 是指向 dst 的相邻节点,他们之间的权重是w1, w2

我心愿给一个节点,就能晓得有谁指向这个节点,还晓得它们之间的权重,对吧。

业余点说,得用一个数据结构记录每个节点的「入度」indegree:

// 哈希表记录每个点的入度
// to -> [from, price]
HashMap<Integer, List<int[]>> indegree;
int src, dst;

public int findCheapestPrice(int n, int[][] flights, int src, int dst, int K) {
    // 将中转站个数转化成边的条数
    K++;
    this.src = src;
    this.dst = dst;

    indegree = new HashMap<>();
    for (int[] f : flights) {int from = f[0];
        int to = f[1];
        int price = f[2];
        // 记录谁指向该节点,以及之间的权重
        indegree.putIfAbsent(to, new LinkedList<>());
        indegree.get(to).add(new int[] {from, price});
    }

    return dp(dst, K);
}

有了 indegree 存储入度,那么就能够具体实现 dp 函数了:

// 定义:从 src 登程,k 步之内达到 s 的最短门路权重
int dp(int s, int k) {
    // base case
    if (s == src) {return 0;}
    if (k == 0) {return -1;}
    // 初始化为最大值,不便等会儿取最小值
    int res = Integer.MAX_VALUE;
    if (indegree.containsKey(s)) {
        // 当 s 有入度节点时,合成为子问题
        for (int[] v : indegree.get(s)) {int from = v[0];
            int price = v[1];
            // 从 src 达到相邻的入度节点所需的最短门路权重
            int subProblem = dp(from, k - 1);
            // 跳过无解的状况
            if (subProblem != -1) {res = Math.min(res, subProblem + price);
            }
        }
    }
    // 如果还是初始值,阐明此节点不可达
    return res == Integer.MAX_VALUE ? -1 : res;
}

有之前的铺垫,这段解法逻辑应该是很清晰的。当然,对于动静布局问题,必定要打消重叠子问题。

为什么有重叠子问题?很简略,如果某个节点同时指向两个其余节点,那么这两个节点就有雷同的一个入度节点,就会产生反复的递归计算。

怎么打消重叠子问题?找问题的「状态」。

状态是什么?在问题合成(状态转移)的过程中变动的,就是状态。

谁在变动?显然就是 dp 函数的参数 sk,每次递归调用,指标点 s 和步数束缚 k 在变动

所以,本题的状态有两个,应该算是二维动静布局,咱们能够用一个 memo 二维数组或者哈希表作为备忘录,缩小反复计算。

咱们选用二维数组做备忘录吧,留神 K 是从 1 开始算的,所以备忘录初始大小要再加一:

int src, dst;
HashMap<Integer, List<int[]>> indegree;
// 备忘录
int[][] memo;

public int findCheapestPrice(int n, int[][] flights, int src, int dst, int K) {
    K++;
    this.src = src;
    this.dst = dst;
    // 初始化备忘录,全副填一个非凡值
    memo = new int[n][K + 1];
    for (int[] row : memo) {Arrays.fill(row, -888);
    }

    // 其余不变
    // ...

    return dp(dst, K);
}

// 定义:从 src 登程,k 步之内达到 s 的最小老本
int dp(int s, int k) {
    // base case
    if (s == src) {return 0;}
    if (k == 0) {return -1;}
    // 查备忘录,避免冗余计算
    if (memo[s][k] != -888) {return memo[s][k];
    }

    // 状态转移不变
    // ...

    // 存入备忘录
    memo[s][k] = res == Integer.MAX_VALUE ? -1 : res;
    return memo[s][k];
}

查看更多优质算法文章 点击这里,手把手刷力扣,致力于把算法讲清楚!我的 算法教程 曾经取得 90k star,欢送点赞!

正文完
 0