华为OD统一考试 - 快递员的烦恼
题目描述
快递公司每日早晨,给每位快递员推送需要送到客户手中的快递以及路线信息,快递员自己又查找了一些客户与客户之间的路线距离信息,请你依据这些信息,给快递员设计一条最短路径,告诉他最短路径的距离。
注意:
- 不限制快递包裹送到客户手中的顺序,但必须保证都送到客户手中
- 用例保证一定存在投递站到每位客户之间的路线,但不保证客户与客户之间有路线,客户位置及投递站均允许多次经过
- 所有快递送完后,快递员需回到投递站
输入描述
首行输入两个正整数n、m
接下来 n 行,输入快递公司发布的客户快递信息,格式为:
客户id 投递站到客户之间的距离distance
再接下俩的 m 行,是快递员自行查找的客户与客户之间的距离信息,格式为
客户id1 客户id2 distance
在每行数据中,数据与数据之间均以单个空格分隔
规格:
- 0 < n ≤ 10
- 0 ≤ m ≤ 10
- 0 < 客户id ≤ 1000
- 0 < distance ≤ 10000
输出描述
最短路径距离,如无法找到,请输出-1
用例
输入 | 2 1 1 1000 2 1200 1 2 300 |
输出 | 2500 |
说明 | 路径1:快递员先把快递送到客户1中,接下来直接走客户1到客户2之间的直通路线,最后走投递站和客户2之间的路,回到投递站,距离为 1000 + 300 + 1200 = 2500 路径2:快递员先把快递送到客户1手中,接下来回到快递站,再出发把客户2的快递送过去,再回到快递站,距离为 1000 + 1000 + 1200 + 1200 = 4400 路径3:快递员先把快递送到客户2手中,接下来直接走客户2到客户1之间的直通线路,最后走投递站和客户1之间的路,回到投递站,距离为 1200 + 300 + 1000 = 2500 其他路径...... 所有路径中,最短路径距离为 2500 |
输入 | 5 1 5 1000 9 1200 17 300 132 700 500 2300 5 9 400 |
输出 | 9200 |
说明 | 在所有可行的路径中,最短路径长度为 1000 + 400 + 1200 + 300 + 300 + 700 + 700 + 2300 + 2300 = 9200 |
题目解析
下图中 0节点 代表快递站。
用例1图示
用例2图示
import Foundation func ODTest_2_38() { print("输入描述") print("首行输入两个正整数n、m") let nm = (readLine() ?? "").split(separator: " ").map { Int($0) ?? 0 } let n = nm[0] let m = nm[1] // floyd算法需要基于dist和path矩阵求解 // dist[i][j] 用于记录点 i->j 的最短距离,初始时等价于邻接矩阵 var dist = Array(repeating: Array(repeating: 0, count: n + 1), count: n + 1) // path[i][j] 用于记录点 i->j 最短距离情况下需要经过的中转点,初始时默认任意两点间无中转点,即默认path[i][j] = -1 var path = Array(repeating: Array(repeating: -1, count: n + 1), count: n + 1) for i in 0 ... n { for j in 0 ... n { // 初始时默认i,j不相连,即i,j之间距离无穷大 if i != j { dist[i][j] = Int.max } } } print("接下来 n 行,输入快递公司发布的客户快递信息,格式为:") // 由于本题的客户id不是顺序的,因此这里需要将客户id离散化处理 var map: [Int: Int] = [:] for i in 1 ... n { let Id_Dis = (readLine() ?? "").split(separator: " ").map { Int($0) ?? 0 } if Id_Dis.count == 2 { // 离散化处理 map[Id_Dis[0]] = i // 投递站到客户之间的距离distance dist[0][i] = Id_Dis[1] dist[i][0] = Id_Dis[1] } } print("再接下俩的 m 行,是快递员自行查找的客户与客户之间的距离信息,格式为") print("在每行数据中,数据与数据之间均以单个空格分隔") for _ in 1 ... m { let Dis = (readLine() ?? "").split(separator: " ").map { Int($0) ?? 0 } if Dis.count == 3, let i1 = map[Dis[0]], let i2 = map[Dis[1]] { // 客户与客户之间的距离信息 dist[i1][i2] = Dis[2] dist[i2][i1] = Dis[2] } } // floyd算法:用于解决全源最短路径问题 floyd() // ans记录经过所有点后回到出发点的最短距离 var ans = Int.max // 全排列模拟经过所有点的路径 var boolean = Array(repeating: false, count: n + 1) dfs(0, 0, &boolean, 0) print("输出描述") print("最短路径距离,如无法找到,请输出-1") print("\(ans)") /** * 找一条经过所有点的最短路径,我们可以求解所有点形成的全排列,每一个全排列都对应一条经过所有点的路径,只是经过点的先后顺序不同 // * 求某个全排列过程中,可以通过dist数组,累计上一个点i到下一个点j的最短路径dist[i][j] * * @param pre 上一个点, 初始为0,表示从快递站出发 * @param sum 当前全排列路径累计的路径权重 * @param used 全排列used数组,用于标记哪些点已使用过 * @param level 用于记录排列的长度 */ func dfs(_ pre: Int, _ sum: Int, _ used: inout [Bool], _ level: Int) { if level == n { // 此时pre是最后一个客户所在点,送完最后一个客户后,快递员需要回到快递站,因此最终累计路径权重为 sum + dist[pre][0] // 我们保留最小权重路径 ans = min(ans, sum + dist[pre][0]) return } for i in 1 ... n { if used[i] { continue } used[i] = true dfs(i, sum + dist[pre][i], &used, level + 1) used[i] = false } } // floyd算法 // 是一种用于解决图中所有节点对之间最短路径的动态规划算法 // 原理:通过动态规划的方式,逐步考虑每个顶点作为中间点,更新所有顶点对之间的最短路径。 // 时间复杂度:O(V^3),其中 V 是顶点数。 func floyd() { for k in 0 ... n { for i in 0 ... n { for j in 0 ... n { // newDist是经过k后,i->j的距离 let newDist = dist[i][k] + dist[k][j] // 如果newDist是i->j的更短路径 if newDist < dist[i][j] { // 则更新i->j的最短距离 dist[i][j] = newDist // 且此更短距离需要经过k, path[i][j]即记录 i->j 最短距离下需要经过点 k path[i][j] = k } } } } } }