可上 欧弟OJ系统 练习华子OD、大厂真题
绿色聊天软件戳od1441
了解算法冲刺训练(备注【CSDN】否则不通过)
文章目录
相关推荐阅读
- 全源最短路问题:Floyd算法详解【经典算法,限时免费】
- 【Py/Java/C++三种语言OD独家2024D卷真题】20天拿下华为OD笔试之【最短路问题】2024D-快递员的烦恼【欧弟算法】全网注释最详细分类最全的华为OD真题题解
一、题目描述
有 n
个城市,按从 0
到 n-1
编号。给你一个边数组 edges
,其中 edges[i] = [from(i), to(i), weight(i)]
代表 from(i)
和 to(i)
两个城市之间的双向加权边,距离阈值是一个整数 distanceThreshold
。
返回在路径距离限制为 distanceThreshold
以内可到达城市最少的城市。如果有多个这样的城市,则返回编号最大的城市。
注意,连接城市 i 和 j 的路径的距离等于沿该路径的所有边的权重之和。
示例 1:
输入:n = 4, edges = [[0,1,3],[1,2,1],[1,3,4],[2,3,1]], distanceThreshold = 4
输出:3
解释:城市分布图如上。 每个城市阈值距离 distanceThreshold = 4 内的邻居城市分别是:
城市 0 -> [城市 1, 城市 2]
城市 1 -> [城市 0, 城市 2, 城市 3]
城市 2 -> [城市 0, 城市 1, 城市 3]
城市 3 -> [城市 1, 城市 2]
城市 0 和 3 在阈值距离 4 以内都有 2 个邻居城市,但是我们必须返回城市 3,因为它的编号最大。
示例 2:
输入:n = 5, edges = [[0,1,2],[0,4,8],[1,2,3],[1,4,2],[2,3,1],[3,4,1]], distanceThreshold = 2
输出:0
解释:城市分布图如上。 每个城市阈值距离 distanceThreshold = 2 内的邻居城市分别是:
城市 0 -> [城市 1]
城市 1 -> [城市 0, 城市 4]
城市 2 -> [城市 3, 城市 4]
城市 3 -> [城市 2, 城市 4]
城市 4 -> [城市 1, 城市 2, 城市 3]
城市 0 在阈值距离 2 以内只有 1 个邻居城市。
提示:
2 <= n <= 100
1 <= edges.length <= n * (n - 1) / 2
edges[i].length == 3
0 <= from(i) < to(i) < n
1 <= weight(i), distanceThreshold <= 10^4
- 所有
(from(i), to(i))
都是不同的。
二、题目解析
本题的设问是,希望找到在阈值距离范围内能到达城市最少的城市编号。
这意味着,这个最短路问题并不是求特定起点到特定终点的距离,而是要考虑不同的起点和不同的终点。
因此是一个全源最短路径问题,应该使用Floyd算法来解决。
关于全源最短路问题的Floyd算法的详细解释,可以查看2024/08/03 真题讲解(最短路问题Floyd算法专题)
三、参考代码
Python
# 题目:LeetCode1334. 阈值距离内邻居最少的城市 # 作者:闭着眼睛学数理化 # 算法:最短路问题-Floyd算法 # 代码看不懂的地方,请直接在群上提问 class Solution: def findTheCity(self, n: int, edges: List[List[int]], distanceThreshold: int) -> int: grid = [n * [inf] for _ in range(n)] # 初始化,grid[a][b]表示从a到b的最短路径 for a, b, w in edges: grid[a][b], grid[b][a] = w, w # grid数组的对角线均为0,表示从节点i到达其自身的路径为0 for i in range(n): grid[i][i] = 0 # 枚举所有中间点(插点) for mid in range(n): # 枚举起始点 for start in range(n): # 枚举终点 for end in range(n): # 动态转移方程:如果直接从start到end的最短路径,不如先从start再到mid再到end的距离短 # 则更新grid[start][end]。 if grid[start][end] > grid[start][mid] + grid[mid][end]: grid[start][end] = grid[start][mid] + grid[mid][end] grid[end][start] = grid[start][mid] + grid[mid][end] ans, min_num = -1, inf # 再次遍历所有节点i for i in range(n): # 计算从节点i出发,其最短距离小于阈值distanceThreshold的其他节点数目 # -1表示刨除其自身的影响,本题其实不-1也可以 num = sum(dis <= distanceThreshold for dis in grid[i]) - 1 if min_num >= num: ans = i min_num = num return ans
Java
class Solution { public int findTheCity(int n, int[][] edges, int distanceThreshold) { // 初始化,grid[a][b]表示从a到b的最短路径,填充一个大数 int[][] grid = new int[n][n]; for (int[] row : grid) { Arrays.fill(row, 1000000); } for (int[] edge : edges) { int a = edge[0], b = edge[1], w = edge[2]; grid[a][b] = w; grid[b][a] = w; } // grid数组的对角线均为0,表示从节点i到达其自身的路径为0 for (int i = 0; i < n; i++){ grid[i][i] = 0; } // 枚举所有中间点(插点) for (int mid = 0; mid < n; mid++) { // 枚举起始点 for (int start = 0; start < n; start++) { // 枚举终点 for (int end = 0; end < n; end++) { // 动态转移方程:如果直接从start到end的最短路径,不如先从start再到mid再到end的距离短 // 则更新grid[start][end]。 if (grid[start][end] > grid[start][mid] + grid[mid][end]) { grid[start][end] = grid[start][mid] + grid[mid][end]; grid[end][start] = grid[start][mid] + grid[mid][end]; } } } } int ans = -1, min_num = Integer.MAX_VALUE; // 再次遍历所有节点i for (int i = 0; i < n; i++) { int num = 0; // 计算从节点i出发,其最短距离小于阈值distanceThreshold的其他节点数目 for (int dis : grid[i]) { if (dis <= distanceThreshold) { num++; } } if (min_num >= num) { ans = i; min_num = num; } } return ans; } }
C++
class Solution { public: int findTheCity(int n, vector<vector<int>>& edges, int distanceThreshold) { // 初始化图,grid[a][b]表示从a到b的最短路径,填充一个大数 vector<vector<int>> grid(n, vector<int>(n, 1000000)); for (auto& edge : edges) { int a = edge[0], b = edge[1], w = edge[2]; grid[a][b] = w; grid[b][a] = w; } // grid数组的对角线均为0,表示从节点i到达其自身的路径为0 for (int i = 0; i < n; i++){ grid[i][i] = 0; } // 枚举所有中间点(插点) for (int mid = 0; mid < n; ++mid) { // 枚举起始点 for (int start = 0; start < n; ++start) { // 枚举终点 for (int end = 0; end < n; ++end) { // 动态转移方程:如果直接从start到end的最短路径,不如先从start再到mid再到end的距离短 // 则更新grid[start][end]。 if (grid[start][end] > grid[start][mid] + grid[mid][end]) { grid[start][end] = grid[start][mid] + grid[mid][end]; grid[end][start] = grid[start][mid] + grid[mid][end]; } } } } int ans = -1, min_num = INT_MAX; // 再次遍历所有节点i for (int i = 0; i < n; ++i) { // 计算从节点i出发,其最短距离小于阈值distanceThreshold的其他节点数目 int num = count_if(grid[i].begin(), grid[i].end(), [distanceThreshold](int dis) { return dis <= distanceThreshold; }); if (min_num >= num) { ans = i; min_num = num; } } return ans; } };
四、时空复杂度
时间复杂度:O(N^3)
。三重循环所需时间复杂度。
空间复杂度:O(N^2)
。最小距离矩阵所占空间。
其中N
为节点数目。
华为OD算法/大厂面试高频题算法练习冲刺训练
华为OD算法/大厂面试高频题算法冲刺训练目前开始常态化报名!目前已服务300+同学成功上岸!
课程讲师为全网50w+粉丝编程博主@吴师兄学算法 以及小红书头部编程博主@闭着眼睛学数理化
每期人数维持在20人内,保证能够最大限度地满足到每一个同学的需求,达到和1v1同样的学习效果!
60+天陪伴式学习,40+直播课时,300+动画图解视频,300+LeetCode经典题,200+华为OD真题/大厂真题,还有简历修改、模拟面试、专属HR对接将为你解锁
可上全网独家的欧弟OJ系统练习华子OD、大厂真题
可查看链接 大厂真题汇总 & OD真题汇总(持续更新)
绿色聊天软件戳
od1336
了解更多