97.小明逛公园
https://kamacoder.com/problempage.php?pid=1155
Floyd 算法精讲
https://www.programmercarl.com/kamacoder/0097.小明逛公园.html#floyd-算法精讲

Floyd 算法精讲

• 问题总结：双向道路；路径规划；多个起点到多个终点

• 核心思想：动态规划

  • 确定dp数组和下标含义：grid[i][j][k] = m 含义：节点i到节点j以【1...k】集合为中间节点的最短距离为m k是集合
  • 确定递推公式：
    1. 节点i->节点j最短路径经过节点k：
       grid[i][j][k] = grid[i][k][k-1]+grid[k][j][k-1]
    2. 节点i->节点j最短路径不经过节点k
       grid[i][j][k] = grid[i][j][k-1]
    3. 最终递推式为：
       grid[i][j][k] = min(grid[i][k][k-1]+grid[k][j][k-1],grid[i][j][k-1])
  • dp数组初始化
    grid[i][j][0]:节点0无意义；从节点0开始初始化；

  

  • 确定遍历顺序:从底层一层一层遍历上去；
  • 推导dp数组
  点击查看代码

  def floyd(n,grid):
  	for k in range(1,n+1):
  		for i in range(1,n+1):
  			for j in range(1,n+1):
  				grid[i][j][k] = min(grid[i][k][k-1]+grid[k][j][k-1],grid[i][j][k-1])
  	return grid
  def main():
  	max_int = 10005
  
  	n,m = map(int,input().split())
  	grid = [[[max_int]*(n+1) for _ in range(n+1)] for _ in range(n+1)]
  
  	for _ in range(m):
  		p1,p2,w = map(int,input().split())
  		grid[p1][p2][0] = w
  		grid[p2][p1][0] = w
  
  	grid = floyd(n,grid)
  
  	q = int(input())
  	for _ in range(q):
  		start,end = map(int,input().split())
  		if grid[start][end][n]==max_int:
  			print(-1)
  		else:
  			print(grid[start][end][n])
  
  if __name__ == '__main__':
  	main()
  

Astar算法

• 其实是BFS的变形；

• BFS和Astar算法的动画如图：https://kamacoder.com/tools/knight.html

• Astar遍历：
  

• BFS遍历：
  

• BFS 是没有目的性的 一圈一圈去搜索， 而 A * 是有方向性的去搜索。

• 其关键在于 启发式函数。

• 每个节点的权值为F，给出公式为：F = G + H

  • G：起点达到目前遍历节点的距离
  • F：目前遍历的节点到达终点的距离

• 本题的图是无权网格状，在计算两点距离通常有如下三种计算方式：

  • 曼哈顿距离，计算方式： d = abs(x1-x2)+abs(y1-y2)
  • 欧氏距离（欧拉距离） ，计算方式：d = sqrt( (x1-x2)^2 + (y1-y2)^2
  • 切比雪夫距离，计算方式：d = max(abs(x1 - x2), abs(y1 - y2))

• 计算出来 F 之后，按照 F 的 大小，来选去出队列的节点。可以使用 优先级队列 帮我们排好序，每次出队列，就是F最小的节点。

• 多个目标找最近目标（特别是潜在目标数量很多的时候），可以考虑 Dijkstra ，BFS 或者 Floyd

  点击查看代码

  import heapq
  import math
  
  def heuristic(x1, y1, x2, y2):
  	# 欧式距离作为启发式函数
  	return math.sqrt((x2 - x1) ** 2 + (y2 - y1) ** 2)
  
  def a_star(a1,a2,b1,b2):
  	# 定义骑士的8个移动方向
  	directions = [(-2, -1), (-1, -2), (1, -2), (2, -1),
  			  (2, 1), (1, 2), (-1, 2), (-2, 1)]
  	pq = []
  	heapq.heappush(pq,(0,0,a1,a2))
  
  	visited = set()
  	while pq:
  		total_cost,curr_cost,x,y = heapq.heappop(pq)
  
  		if (x,y) == (b1,b2):
  			return curr_cost
  		if (x,y) in visited:
  			continue
  		visited.add((x,y))
  
  		for dx,dy in directions:
  			nx,ny = x+dx,y+dy
  			if 1<=nx<=1000 and 1<=ny<=1000 and (nx,ny) not in visited:
  				new_cost  = curr_cost+1
  				total_cost = new_cost+heuristic(nx,ny,b1,b2)
  				heapq.heappush(pq,(total_cost,new_cost,nx,ny))
  	return -1
  
  def main():
  	# 定义骑士的8个移动方向
  	directions = [(-2, -1), (-1, -2), (1, -2), (2, -1),
  			  (2, 1), (1, 2), (-1, 2), (-2, 1)]
  
  	n = int(input())
  	res = []
  	for _ in range(n):
  		a1,a2,b1,b2 = map(int,input().split())
  		res_i = a_star(a1,a2,b1,b2)
  		res.append(res_i)
  	for res_i in res:
  		print(res_i)
  if __name__ == '__main__':
  	main()
  

路径规划算法总结

图算法总结

1. 深搜与广搜：遍历；
2. 并查集：判断是否相连；
3. 最小生成树；
4. 拓扑排序；
5. 最短路径算法；