gpt4 book ai didi

dijkstra - 此 Dijkstra 算法中优先级队列的空间复杂度

转载 作者:行者123 更新时间:2023-12-04 15:36:59 28 4
gpt4 key购买 nike

谁能告诉我这个 Dijkstra 算法中优先级队列的空间复杂度。请注意,这里可以将一个顶点添加到队列中不止一次。但是,由于访问集,它不会被处理超过一次。这就是为什么我想知道队列的最大大小可以达到的原因。

def shortestReach(n, edges, start,target):

adjList = collections.defaultdict(list)

for parent, child, cost in edges:
parent -= 1
child -= 1
adjList[parent].append((child, cost))
adjList[child].append((parent, cost))

priorityQueue = queue.PriorityQueue()
priorityQueue.put((0, start))
visited = set()
while priorityQueue.qsize() > 0:
costPar, parent = priorityQueue.get()

if parent == target:
return costPar

if parent not in visited:
for adj in adjList[parent]:
child, cost = adj
priorityQueue.put((cost + costPar, child))

visited.add(parent)

最佳答案

queue.PriorityQueue类实现为 heap data structure :

With a priority queue, the entries are kept sorted (using the heapq module) and the lowest valued entry is retrieved first.

所以空间复杂度是 O(n) 其中 n 是优先级队列中元素的数量。您的实现可能会在优先级队列中多次存储一个顶点,但每个顶点只能添加多少次,因为它有边,所以空间复杂度是 O(E),其中 E 是边数图。

原则上,可以将空间复杂度提高到 O(V),其中 V 是顶点数;为此,您可以实现一个增强的优先级队列,它使用字典来维护每个顶点在堆中的当前索引,允许按值移除(而不是仅轮询最小元素)。


作为旁注,queue.PriorityQueue 是一个用于并发访问的同步实现。 Dijkstra 的算法不需要并发优先级队列,因此您的算法将更有效(在运行时)而无需同步开销;你可以使用heapq模块直接在列表中实现一个优先级队列,分别使用heappushheappop函数来enqueue和poll-min。

关于dijkstra - 此 Dijkstra 算法中优先级队列的空间复杂度,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/59395101/

28 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com