119 lines
3.8 KiB
Markdown
119 lines
3.8 KiB
Markdown
# 题目地址（1334. 阈值距离内邻居最少的城市）
|
||
|
||
https://leetcode-cn.com/problems/find-the-city-with-the-smallest-number-of-neighbors-at-a-threshold-distance/
|
||
|
||
## 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] = [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：
|
||
|
||
```
|
||
|
||
|
||
|
||
```
|
||
|
||
|
||
|
||
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 4 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。
|
||
|
||
|
||
```
|
||
|
||
## 思路
|
||
|
||
这道题的本质就是：
|
||
|
||
1. 在一个无向图中寻找每两个城镇的最小距离，我们使用 Floyd-Warshall 算法（英语：Floyd-Warshall algorithm），中文亦称弗洛伊德算法，是解决任意两点间的最短路径的一种算法。
|
||
2. 筛选最小距离不大于 distanceThreshold 的城镇。
|
||
3. 统计每个城镇，其满足条件的城镇有多少个
|
||
4. 我们找出最少的即可
|
||
|
||
Floyd-Warshall 算法的时间复杂度和空间复杂度都是$O(N^3)$, 而空间复杂度可以优化到$O(N^2)$。Floyd-Warshall 的基本思想是对于每两个点之间的最小距离，要么经过中间节点 k，要么不经过，我们取两者的最小值，这是一种动态规划思想，详细的解法可以参考[Floyd-Warshall 算法(wikipedia)](https://zh.wikipedia.org/wiki/Floyd-Warshall%E7%AE%97%E6%B3%95)
|
||
|
||
## 代码
|
||
|
||
代码支持：Python3
|
||
|
||
Python3 Code:
|
||
|
||
```python
|
||
class Solution:
|
||
def findTheCity(self, n: int, edges: List[List[int]], distanceThreshold: int) -> int:
|
||
# 构建dist矩阵
|
||
dist = [[float('inf')] * n for _ in range(n)]
|
||
for i, j, w in edges:
|
||
dist[i][j] = w
|
||
dist[j][i] = w
|
||
for i in range(n):
|
||
dist[i][i] = 0
|
||
for k in range(n):
|
||
for i in range(n):
|
||
for j in range(n):
|
||
dist[i][j] = min(dist[i][j], dist[i][k] + dist[k][j])
|
||
|
||
# 过滤
|
||
res = 0
|
||
minCnt = float('inf')
|
||
for i in range(n):
|
||
cnt = 0
|
||
for d in dist[i]:
|
||
if d <= distanceThreshold:
|
||
cnt += 1
|
||
if cnt <= minCnt:
|
||
minCnt = cnt
|
||
res = i
|
||
return res
|
||
|
||
|
||
```
|
||
|
||
## 关键点解析
|
||
|
||
- Floyd-Warshall 算法
|
||
- 你可以将本文给的 Floyd-Warshall 算法当成一种解题模板使用
|