你的朋友正计划远征加拿大北部的一个小镇
下个寒假。他们研究了所有的旅行选择,并制定了一个
节点表示中间目的地,边表示中间目的地之间的reoad的图
他们。
在此过程中,他们还了解到,极端天气会导致
世界在冬季变得相当缓慢,并可能导致大的旅行延误他们已经
找到了一个优秀的旅游网站,可以准确地预测他们能以多快的速度
沿着公路旅行;然而,旅行的速度取决于一年中的时间。更多
准确地说,该网站回答了以下形式的查询:给定一个edge e=(u,v)
连接两个站点u和v,并给出从位置u开始的建议起始时间t
网站将返回一个值fe(t),预测到达v的时间。网站保证

fe(t)>t对于每一条边e和每一次t(你不能在时间上向后移动),并且
fe(t)是t的单调递增函数(也就是说,你不能通过开始
稍后)除此之外,函数fe可以是任意的例如,在
旅行时间不随季节而变化,我们将得到fe(t)=t+e, wheree是
从边缘e的开始到结束所需的时间。
您的朋友想使用网站来确定最快的旅行方式
有向图从它们的起点到它们的预定目的地。(你应该假设
它们从时间0开始,网站所做的所有预测都是完全正确的
正确。)为此提供一个多项式时间算法,其中我们将单个查询处理为
网站(基于特定的边缘e和时间t)作为一个计算步骤。

    def updatepath(node):
        randomvalue = random.randint(0,3)
        print(node,"to other node:",randomvalue)
        for i in range(0,n):
            distance[node][i] = distance[node][i] + randomvalue

    def minDistance(dist,flag_array,n):
        min_value = math.inf
        for i in range(0,n):
            if dist[i] < min_value and flag_array[i] == False:
                min_value = dist[i]
                min_index = i
        return min_index

    def shortest_path(graph, src,n):
        dist = [math.inf] * n
        flag_array = [False] * n
        dist[src] = 0

        for cout in range(n):
            #find the node index that have min cost
            u = minDistance(dist,flag_array,n)
            flag_array[u] = True
            updatepath(u)
            for i in range(n):
                if graph[u][i] > 0 and flag_array[i]==False and dist[i] > dist[u] + graph[u][i]:
                    dist[i] = dist[u] + graph[u][i]
                    path[i] = u
        return dist

我应用了Dijkstra算法,但它不正确我将在我的算法中改变什么来工作它的动态变化的边缘。

最佳答案

关键是函数是单调递增的。有一个算法利用了这个属性,它被称为一个*。
累积成本:你的教授希望你使用两个距离,一个是累积成本(这很简单,就是从先前的成本加上移动到下一个节点所需的成本/时间)。
启发式成本:这是一些预测成本。
disjkstra方法不起作用,因为您使用的是启发式成本/预测和累积成本。
单调递增意味着h(a)<=h(a)+f(a..b),简单地说,如果从节点a移动到节点b,则成本不应小于前一个节点(在这种情况下为a),这是启发式+累积的。如果此属性保持不变,则a*选择的第一条路径始终是指向目标的路径,并且它不需要回溯。
注意:这个算法的能力完全取决于你如何预测值。
如果你低估了将用累积值修正的值,但如果你高估了该值,它将选择错误的路径。
算法:

Create  a Min Priority queue.
insert initial city in q.

while(!pq.isEmpty() && !Goalfound) Node min = pq.delMin() //this should return you a cities to which your distance(heuristic+accumulated is minial). put all succesors of min in pq // all cities which you can reach, you can better make a list of visited cities s that queue will be efficient by not placing same element twice.Keep doing this and at the end you will either reach goal or your queue will be empty
额外的
在这里,我使用*实现了一个8字谜解决方案,它可以让您了解如何定义成本以及如何工作。
`
private void solve(MinPQ<Node> pq, HashSet<Node> closedList) {
        while(!(pq.min().getBoad().isGoal(pq.min().getBoad()))){
            Node e = pq.delMin();
            closedList.add(e);
            for(Board boards: e.getBoad().neighbors()){
                Node nextNode = new Node(boards,e,e.getMoves()+1);
                if(!equalToPreviousNode(nextNode,e.getPreviousNode()))
                      pq.insert(nextNode);
               }
            }
        Node collection = pq.delMin();
            while(!(collection.getPreviousNode() == null)){
                this.getB().add(collection.getBoad());
                collection =collection.getPreviousNode();
        }
            this.getB().add(collection.getBoad());
            System.out.println(pq.size());
    }

这里有一个full代码的链接。

10-06 05:08