由于这是无环有向图上的最短路径问题,因此可以使用标准shortest path algorithm。
您也可以使用动态规划(“DP),这可能是最有效的优化技术。我的回答实现了DP算法。
最短路径或DP算法将大大优于列举所有路径由于路径数量随着阵列大小呈指数增长,所以简单的枚举只能用于中等大小的阵列。
DP算法的思想如下:让n
和m
分别是行数和列数,首先计算从最后一行中的每列到最后一列中的最短路径最后一行。这是一个简单的计算方法,因为每个元素只有一条路径为[m-1, n-1]
。从[m-1, n-2]
开始,我们只需回到[m-1, 0]
即可。
接下来我们计算从倒数第二行(m-2
)开始并回到第一行(0
)开始的每个其他行中每个元素到[m-1, n-1]
的最短路径。每行中的最后一个元素[i, n-1]
是一个简单的计算,因为只能往下(至[i+1, n-1]
)。因此,从[i, n-1]
到[m-1, n-1]
的最短路径首先是[i+1, n-1]
,然后是从[i+1, n-1]
开始的最短路径,这是我们已经计算出来的(当然包括它的长度)。从[i, n-1]
开始的最短路径的长度是[i, n-1]
的“向下”距离加上从[i+1, n-1]
开始的最短路径的长度。
对于元素[i, j]
,N-1 ,
我< j < m-1
,我们计算的最短路径,如果我们走向右和向下,并选择两个短。
我们可以如下实现它。
代码
def shortest_path(distance)
last_row, last_col = distance.size-1, distance.first.size-1
h = {}
last_row.downto(0) do |i|
last_col.downto(0) do |j|
h_right = { min_path_len: distance[i][j][:r] + h[[i,j+1]][:min_path_len],
next_node: [i,j+1] } if j < last_col
h_down = { min_path_len: distance[i][j][:d] + h[[i+1,j]][:min_path_len],
next_node: [i+1,j] } if i < last_row
g =
case
when i == last_row && j == last_col
{ min_path_len: 0, next_node: nil }
when i == last_row
h_right
when j == last_col
h_down
else
[h_right, h_down].min_by { |f| f[:min_path_len] }
end
h[[i,j]] = g
end
end
build_path(h)
end
def build_path(h)
node = [0, 0]
len = h[node][:min_path_len]
arr = []
while h[node][:next_node]
arr << node
node = h[node][:next_node]
end
[len, arr]
end
例
假设这些是相邻节点之间的距离。
● 4 ● 3 ● 1 ● 2 ●
6 2 5 4 5
● 3 ● 4 ● 6 ● 3 ●
1 3 4 2 3
● 6 ● 3 ● 1 ● 2 ●
以散列数组的形式提供这些信息很方便。
distance = [
[{ r: 4, d: 6 }, { r: 3, d: 2 }, { r: 1, d: 5 }, { r: 2, d: 4 }, { d: 5 }],
[{ r: 3, d: 1 }, { r: 4, d: 3 }, { r: 6, d: 4 }, { r: 3, d: 2 }, { d: 3 }],
[{ r: 6 }, { r: 3 }, { r: 1 }, { r: 2 }]
]
我们现在可以计算最短路径。
p shortest_path distance
#=> [15, [[0, 0], [0, 1], [1, 1], [2, 1], [2, 2], [2, 3]]]
最短路径由返回的数组的第二个元素给出。 15
是该路径的长度。