热门标签 | HotTags
当前位置:  开发笔记 > 人工智能 > 正文

java实现乘地铁方案的最优选择(票价,距离)

这篇文章主要介绍了java实现乘地铁方案的最优选择(票价,距离),文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下

初始问题描述:

已知2条地铁线路,其中A为环线,B为东西向线路,线路都是双向的。经过的站点名分别如下,两条线交叉的换乘点用T1、T2表示。编写程序,任意输入两个站点名称,输出乘坐地铁最少需要经过的车站数量(含输入的起点和终点,换乘站点只计算一次)。

地铁线A(环线)经过车站:A1 A2 A3 A4 A5 A6 A7 A8 A9 T1 A10 A11 A12 A13 T2 A14 A15 A16 A17 A18

地铁线B(直线)经过车站:B1 B2 B3 B4 B5 T1 B6 B7 B8 B9 B10 T2 B11 B12 B13 B14 B15

该特定条件下的实现:

package com.patrick.bishi;
 
import java.util.HashSet;
import java.util.LinkedList;
import java.util.Scanner;
import java.util.Set;
 
/**
 * 获取两条地铁线上两点间的最短站点数
 * 
 * @author patrick
 * 
 */
public class SubTrain {
	private static LinkedList subA = new LinkedList();
	private static LinkedList subB = new LinkedList();
 
	public static void main(String[] args) {
		String sa[] = { "A1", "A2", "A3", "A4", "A5", "A6", "A7", "A8", "A9",
				"T1", "A10", "A11", "A12", "A13", "T2", "A14", "A15", "A16",
				"A17", "A18" };
		String sb[] = { "B1", "B2", "B3", "B4", "B5", "T1", "B6", "B7", "B8",
				"B9", "B10", "T2", "B11", "B12", "B13", "B14", "B15" };
		Set plots = new HashSet();
		for (String t : sa) {
			plots.add(t);
			subA.add(t);
		}
		for (String t : sb) {
			plots.add(t);
			subB.add(t);
		}
		Scanner in = new Scanner(System.in);
		String input = in.nextLine();
		String trail[] = input.split("\\s");
		String src = trail[0];
		String dst = trail[1];
		if (!plots.contains(src) || !plots.contains(dst)) {
			System.err.println("no these plot!");
			return;
		}
		int len = getDistance(src, dst);
		System.out.printf("The shortest distance between %s and %s is %d", src,
				dst, len);
	}
 
	// 经过两个换乘站点后的距离
	public static int getDist(String src, String dst) {
		int len = 0;
		int at1t2 = getDistOne("T1", "T2");
		int bt1t2 = subB.indexOf("T2") - subB.indexOf("T1") + 1;
		int a = 0;
		if (src.equals("T1")) {
			a = getDistOne(dst, "T2");
			len = a + bt1t2 - 1;// two part must more 1
		} else if (src.equals("T2")) {
			a = getDistOne(dst, "T1");
			len = a + bt1t2 - 1;
		} else if (dst.equals("T1")) {
			a = getDistOne(src, "T2");
			len = a + at1t2 - 1;
		} else if (dst.equals("T2")) {
			a = getDistOne(src, "T1");
			len = a + at1t2 - 1;
		}
		return len;
	}
 
	// 获得一个链表上的两个元素的最短距离
	private static int getDistOne(String src, String dst) {
		int aPre, aBack, aLen, len, aPos, bPos;
		aPre = aBack = aLen = len = 0;
		aLen = subA.size();
		if ("T1".equals(src) && "T2".equals(dst)) {
			int a = subA.indexOf("T1");
			int b = subA.indexOf("T2");
			int at1t2 = (b - a) > (a + aLen - b) ? (a + aLen - b) : (b - a);
			int bt1t2 = subB.indexOf("T2") - subB.indexOf("T1");
			len = at1t2 > bt1t2 ? bt1t2 : at1t2;
		} else if (subA.contains(src) && subA.contains(dst)) {
			aPos = subA.indexOf(src);
			bPos = subA.indexOf(dst);
			if (aPos > bPos) {
				aBack = aPos - bPos;
				aPre = aLen - aPos + bPos;
				len = aBack > aPre ? aPre : aBack;
			} else {
				aPre = bPos - aPos;
				aBack = aLen - bPos + aPos;
				len = aBack > aPre ? aPre : aBack;
			}
		} else if (subB.contains(src) && subB.contains(dst)) {
			aPos = subB.indexOf(src);
			bPos = subB.indexOf(dst);
			len = aPos > bPos ? (aPos - bPos) : (bPos - aPos);
		} else {
			System.err.println("Wrong!");
		}
		return len + 1;
	}
 
	public static int getDistance(String src, String dst) {
		int aPre, aBack, len, aLen;
		aPre = aBack = len = aLen = 0;
		aLen = subA.size();
		int a = subA.indexOf("T1");
		int b = subA.indexOf("T2");
		int at1t2 = (b - a) > (a + aLen - b) ? (a + aLen - b) : (b - a);
		int bt1t2 = subB.indexOf("T2") - subB.indexOf("T1");
		if ((subA.contains(src) && subA.contains(dst))
				|| (subB.contains(src) && subB.contains(dst))) {
			len = getDistOne(src, dst);
			if (src.equals("T1") || src.equals("T2") || dst.equals("T1")
					|| dst.equals("T2")) {
				int t = getDist(src, dst);
				len = len > t ? t : len;
			}
		} else {
			int at1 = getDist(src, "T1");
			int at2 = getDist(src, "T2");
			int bt1 = getDist(dst, "T1");
			int bt2 = getDist(dst, "T2");
			aPre = at1 + bt1 - 1;
			aBack = at2 + bt2 - 1;
			len = aBack > aPre ? aPre : aBack;
			aPre = at1t2 + at1 + bt2 - 2;
			aBack = bt1t2 + at2 + bt1 - 2;
			int tmp = aBack > aPre ? aPre : aBack;
			len = len > tmp ? tmp : len;
		}
		return len;
	}
}

通用乘地铁方案的实现(最短距离利用Dijkstra算法):
package com.patrick.bishi;
 
import java.util.ArrayList;
import java.util.List;
import java.util.Scanner;
 
/**
 * 地铁中任意两点的最有路径
 * 
 * @author patrick
 * 
 */
public class SubTrainMap {
	protected int[][] subTrainMatrix; // 图的邻接矩阵,用二维数组表示
	private static final int MAX_WEIGHT = 99; // 设置最大权值,设置成常量
	private int[] dist;
	private List vertex;// 按顺序保存顶点s
	private List edges;
 
	public int[][] getSubTrainMatrix() {
		return subTrainMatrix;
	}
 
	public void setVertex(List vertices) {
		this.vertex = vertices;
	}
 
	public List getVertex() {
		return vertex;
	}
 
	public List getEdges() {
		return edges;
	}
 
	public int getVertexSize() {
		return this.vertex.size();
	}
 
	public int vertexCount() {
		return subTrainMatrix.length;
	}
 
	@Override
	public String toString() {
		String str = "邻接矩阵:\n";
		int n = subTrainMatrix.length;
		for (int i = 0; i ();
		this.subTrainMatrix = new int[size][size];
		this.dist = new int[size];
		for (int i = 0; i  vertices) {
		this.vertex = vertices;
		int size = getVertexSize();
		this.subTrainMatrix = new int[size][size];
		this.dist = new int[size];
		for (int i = 0; i 边的权值
 
	public void insertEdge(T start, T stop, int weight) { // 插入一条边
		int n = subTrainMatrix.length;
		int i = getPosInvertex(start);
		int j = getPosInvertex(stop);
		if (i >= 0 && i = 0 && j = 0 && i = 0 && j  vertices = new ArrayList();
		vertices.add("A");
		vertices.add("B");
		vertices.add("C");
		vertices.add("D");
		vertices.add("E");
 
		graph = new SubTrainMap(vertices);
 
		graph.addEdge("A", "B", 5);
		graph.addEdge("A", "D", 2);
		graph.addEdge("B", "C", 7);
		graph.addEdge("B", "D", 6);
		graph.addEdge("C", "D", 8);
		graph.addEdge("C", "E", 3);
		graph.addEdge("D", "E", 9);
 
	}
 
	private static SubTrainMap graph;
 
	/** 打印顶点之间的距离 */
	public void printL(int[][] a) {
		for (int i = 0; i  vertices = new ArrayList();
		for (String t : sa) {
			if (!vertices.contains(t)) {
				vertices.add(t);
			}
		}
		for (String t : sb) {
			if (!vertices.contains(t)) {
				vertices.add(t);
			}
		}
		graph = new SubTrainMap(vertices);
		for (int i = 0; i  " + stop + " 经过的站点数为: " + len);
	}
 
	public int find(T start, T stop) {
		int startPos = getPosInvertex(start);
		int stopPos = getPosInvertex(stop);
		if (startPos <0 || startPos > getVertexSize())
			return MAX_WEIGHT;
		String[] path = dijkstra(startPos);
		System.out.println("从" + start + "出发到" + stop + "的最短路径为:"
				+ path[stopPos]);
		return dist[stopPos];
	}
 
	// 单元最短路径问题的Dijkstra算法
	private String[] dijkstra(int vertex) {
		int n = dist.length - 1;
		String[] path = new String[n + 1]; // 存放从start到其他各点的最短路径的字符串表示
		for (int i = 0; i <= n; i++)
			path[i] = new String(this.vertex.get(vertex) + "-->"
					+ this.vertex.get(i));
 
		boolean[] visited = new boolean[n + 1];
		// 初始化
		for (int i = 0; i <= n; i++) {
			dist[i] = subTrainMatrix[vertex][i];// 到各个顶点的距离,根据顶点v的数组初始化
			visited[i] = false;// 初始化访问过的节点,当然都没有访问过
		}
 
		dist[vertex] = 0;
		visited[vertex] = true;
 
		for (int i = 1; i <= n; i++) {// 将所有的节点都访问到
			int temp = MAX_WEIGHT;
			int visiting = vertex;
			for (int j = 0; j <= n; j++) {
				if ((!visited[j]) && (dist[j] " + this.vertex.get(j);
				}
			}// update all new distance
 
		}// visite all nodes
			// for (int i = 0; i <= n; i++)
		// System.out.println("从" + vertex + "出发到" + i + "的最短路径为:" + path[i]);
		// System.out.println("=====================================");
		return path;
	}
 
	/**
	 * 图的边
	 * 
	 * @author patrick
	 * 
	 */
	class Edge {
		private T start, dest;
		private int weight;
 
		public Edge() {
		}
 
		public Edge(T start, T dest, int weight) {
			this.start = start;
			this.dest = dest;
			this.weight = weight;
		}
 
		public String toString() {
			return "(" + start + "," + dest + "," + weight + ")";
		}
 
	}
 
}

图中各边的权可以是距离也可以是票价,初始化的方案决定实现的目标。最短路径计算也可以用Floyd算法实现。欢迎其他人讨论和提供实现。

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。


推荐阅读
  • 本文详细解析了JavaScript中相称性推断的知识点,包括严厉相称和宽松相称的区别,以及范例转换的规则。针对不同类型的范例值,如差别范例值、统一类的原始范例值和统一类的复合范例值,都给出了具体的比较方法。对于宽松相称的情况,也解释了原始范例值和对象之间的比较规则。通过本文的学习,读者可以更好地理解JavaScript中相称性推断的概念和应用。 ... [详细]
  • 一、Hadoop来历Hadoop的思想来源于Google在做搜索引擎的时候出现一个很大的问题就是这么多网页我如何才能以最快的速度来搜索到,由于这个问题Google发明 ... [详细]
  • Android中高级面试必知必会,积累总结
    本文介绍了Android中高级面试的必知必会内容,并总结了相关经验。文章指出,如今的Android市场对开发人员的要求更高,需要更专业的人才。同时,文章还给出了针对Android岗位的职责和要求,并提供了简历突出的建议。 ... [详细]
  • CSS3选择器的使用方法详解,提高Web开发效率和精准度
    本文详细介绍了CSS3新增的选择器方法,包括属性选择器的使用。通过CSS3选择器,可以提高Web开发的效率和精准度,使得查找元素更加方便和快捷。同时,本文还对属性选择器的各种用法进行了详细解释,并给出了相应的代码示例。通过学习本文,读者可以更好地掌握CSS3选择器的使用方法,提升自己的Web开发能力。 ... [详细]
  • 本文介绍了Java工具类库Hutool,该工具包封装了对文件、流、加密解密、转码、正则、线程、XML等JDK方法的封装,并提供了各种Util工具类。同时,还介绍了Hutool的组件,包括动态代理、布隆过滤、缓存、定时任务等功能。该工具包可以简化Java代码,提高开发效率。 ... [详细]
  • 本文介绍了C#中生成随机数的三种方法,并分析了其中存在的问题。首先介绍了使用Random类生成随机数的默认方法,但在高并发情况下可能会出现重复的情况。接着通过循环生成了一系列随机数,进一步突显了这个问题。文章指出,随机数生成在任何编程语言中都是必备的功能,但Random类生成的随机数并不可靠。最后,提出了需要寻找其他可靠的随机数生成方法的建议。 ... [详细]
  • qt学习(六)数据库注册用户的实现方法
    本文介绍了在qt学习中实现数据库注册用户的方法,包括登录按钮按下后出现注册页面、账号可用性判断、密码格式判断、邮箱格式判断等步骤。具体实现过程包括UI设计、数据库的创建和各个模块调用数据内容。 ... [详细]
  • “你永远都不知道明天和‘公司的意外’哪个先来。”疫情期间,这是我们最战战兢兢的心情。但是显然,有些人体会不了。这份行业数据,让笔者“柠檬” ... [详细]
  • 生成对抗式网络GAN及其衍生CGAN、DCGAN、WGAN、LSGAN、BEGAN介绍
    一、GAN原理介绍学习GAN的第一篇论文当然由是IanGoodfellow于2014年发表的GenerativeAdversarialNetworks(论文下载链接arxiv:[h ... [详细]
  • [译]技术公司十年经验的职场生涯回顾
    本文是一位在技术公司工作十年的职场人士对自己职业生涯的总结回顾。她的职业规划与众不同,令人深思又有趣。其中涉及到的内容有机器学习、创新创业以及引用了女性主义者在TED演讲中的部分讲义。文章表达了对职业生涯的愿望和希望,认为人类有能力不断改善自己。 ... [详细]
  • 无线认证设置故障排除方法及注意事项
    本文介绍了解决无线认证设置故障的方法和注意事项,包括检查无线路由器工作状态、关闭手机休眠状态下的网络设置、重启路由器、更改认证类型、恢复出厂设置和手机网络设置等。通过这些方法,可以解决无线认证设置可能出现的问题,确保无线网络正常连接和上网。同时,还提供了一些注意事项,以便用户在进行无线认证设置时能够正确操作。 ... [详细]
  • 本文介绍了游戏开发中的人工智能技术,包括定性行为和非定性行为的分类。定性行为是指特定且可预测的行为,而非定性行为则具有一定程度的不确定性。其中,追逐算法是定性行为的具体实例。 ... [详细]
  • JavaScript设计模式之策略模式(Strategy Pattern)的优势及应用
    本文介绍了JavaScript设计模式之策略模式(Strategy Pattern)的定义和优势,策略模式可以避免代码中的多重判断条件,体现了开放-封闭原则。同时,策略模式的应用可以使系统的算法重复利用,避免复制粘贴。然而,策略模式也会增加策略类的数量,违反最少知识原则,需要了解各种策略类才能更好地应用于业务中。本文还以员工年终奖的计算为例,说明了策略模式的应用场景和实现方式。 ... [详细]
  • 本文介绍了PhysioNet网站提供的生理信号处理工具箱WFDB Toolbox for Matlab的安装和使用方法。通过下载并添加到Matlab路径中或直接在Matlab中输入相关内容,即可完成安装。该工具箱提供了一系列函数,可以方便地处理生理信号数据。详细的安装和使用方法可以参考本文内容。 ... [详细]
  • 本文详细介绍了相机防抖的设置方法和使用技巧,包括索尼防抖设置、VR和Stabilizer档位的选择、机身菜单设置等。同时解释了相机防抖的原理,包括电子防抖和光学防抖的区别,以及它们对画质细节的影响。此外,还提到了一些运动相机的防抖方法,如大疆的Osmo Action的Rock Steady技术。通过本文,你将更好地理解相机防抖的重要性和使用技巧,提高拍摄体验。 ... [详细]
author-avatar
mobiledu2502855757
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有