• 1334. 阈值距离内邻居最少的城市/Floyd 【leetcode】


    1334. 阈值距离内邻居最少的城市

    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] = [fromi, toi, weighti] 代表 fromi 和 toi 两个城市之间的双向加权边,距离阈值是一个整数 distanceThreshold。

    返回能通过某些路径到达其他城市数目最少、且路径距离 最大 为 distanceThreshold 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:
    在这里插入图片描述
    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 <= fromi < toi < n
    • 1 <= weighti, distanceThreshold <= 10^4
    • 所有 (fromi, toi) 都是不同的。

    Floyd

    public:
        int findTheCity(int n, vector<vector<int>>& edges, int distanceThreshold) {
    
            int a[105][105];
            memset(a,10005,sizeof(a));
            //初始化不能int a[105][105]={10005},这样只会让第一个元素为10005,其他为0,只有初始化为0可以用这种方式
            
            for(int i = 0; i < n; i ++) a[i][i] = 0;
    
            for(int i = 0; i < edges.size(); i ++){
                int from = edges[i][0];
                int to = edges[i][1];
                int weight = edges[i][2];
                a[from][to] = weight;
                a[to][from] = weight;
            }
    
            //Floyd算法
            for(int i = 0; i < n; i ++){
                for(int k = 0; k < n; k ++){
                    for(int p = 0; p < n; p++){
                        if(a[k][i] < 10005 && a[i][p] < 10005 && a[k][p] > a[k][i] + a[i][p]){
                            a[k][p] = a[k][i] + a[i][p];
                        }
                    }
                }
            }
    
            int num[105] = {0};
            for(int i = 0; i < n; i ++){
                for(int j = 0; j < n; j++){
                    if(i!=j && a[i][j] <= distanceThreshold){
                        num[i] ++;
                    }
                }
            }
    
            int res = 10004;
            int ans = 0;
            for(int i = 0; i < n; i ++){
                if(num[i] <= res){
                    ans = i;
                    res = num[i];
                }
            }
    
            return ans;
        }
    };
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
  • 相关阅读:
    Activating More Pixels in Image Super-Resolution Transformer(HAT)超分
    冥想第九百七十八天
    Numpy 的 random 函数总结
    葡聚糖-醛基,Dextran-CHO,aldehyde-葡聚糖|醛基,环氧化物,缬草酸,丙烯酰胺,溴化物,乙烯砜,甲基丙烯酸酯功能化葡聚糖
    包管理工具--》发布一个自己的npm包
    云IDE产品评测感受
    项目管理过程的五个阶段
    Linux安装和SSH连接工具使用SOP
    面试:Glide和Fresco图片框架对比
    【数模/评价模型】Topsis优劣解距离法
  • 原文地址:https://blog.csdn.net/m0_74053777/article/details/134478902