一、题目解析：
在 MarsCode AI 的刷题之旅中，有一道关于图的最短路径问题令我印象深刻。题目给定一个有向加权图，要求求出指定起点到其他各点的最短路径长度。解题思路是利用迪杰斯特拉算法，其核心是维护一个距离数组和一个已访问节点集合。每次从尚未访问的节点中选择距离起点最短的节点，然后更新与该节点相邻的未访问节点的距离。
代码实现如下： def solution(n, max, array): from collections import Counter card_counts = Counter(array) max_three_of_a_kind = 0 max_pair = 0 for card_value, count in card_counts.items(): if count >= 3: for other_card_value, other_count in card_counts.items(): if other_card_value!= card_value and other_count >= 2: sum_value = card_value * 3 + other_card_value * 2 if sum_value <= max and (card_value > max_three_of_a_kind or (card_value == max_three_of_a_kind and other_card_value > max_pair)): max_three_of_a_kind = card_value max_pair = other_card_value return [max_three_of_a_kind, max_pair] if max_three_of_a_kind > 0 else [0, 0]
if name == "main": print(solution(9, 34, [6, 6, 6, 8, 8, 8, 5, 5, 1]) == [8, 5]) print(solution(9, 37, [9, 9, 9, 9, 6, 6, 6, 6, 13]) == [6, 9]) print(solution(9, 40, [1, 11, 13, 12, 7, 8, 11, 5, 6]) == [0, 0]) # 新增测试用例 print(solution(31, 42, [3,3,11,12,12,2,13,5,13,1,13,8,8,1,8,13,12,9,2,11,3,5,8,11,1,11,1,5,4,2,5]) == [1,13]) 通过这个代码，我们可以清晰地看到算法的实现过程。从创建距离字典、初始化优先队列，到不断更新距离和节点状态，每一步都至关重要。
二、知识总结
在这个过程中，我学到了图论中的重要算法 —— 迪杰斯特拉算法。它的核心思想是贪心策略，总是选择当前最优解。对于初学者来说，理解图的存储方式（这里使用邻接表）以及算法中的数据结构（如优先队列）是关键。我理解到算法是一种解决问题的高效手段，而图这种数据结构在实际中可以模拟很多复杂的网络关系，比如交通网络、社交网络等。对于刚入门的同学，建议多从简单的图示例入手，手动计算最短路径，体会算法的每一步操作，这样有助于理解算法的本质。
三、学习计划
在刷题计划方面，我会根据数据结构和算法的分类来制定。比如先集中学习图相关的算法，包括深度优先搜索、广度优先搜索等。每天安排适量的题目，从简单到复杂逐步递进。对于错题，我会认真分析原因。如果是对算法理解不足，会重新复习算法原理，通过画图、写伪代码等方式加深理解。如果是代码实现问题，会仔细检查代码逻辑和语法错误。同时，我会定期回顾之前做过的题目，尤其是错题，确保在后续的学习中不会再犯同样的错误。在学习新的算法后，尝试用新算法去解决之前做过的类似题目，对比不同算法的优缺点。
四、工具运用
我充分利用 MarsCode AI 的刷题功能，它提供了丰富的题目类型和详细的解析。同时，我结合在线课程学习，课程中的理论讲解可以帮助我更好地理解算法原理。在遇到困难时，我会在编程论坛上与其他开发者交流，获取不同的解题思路。此外，我还会使用一些可视化工具来展示图和算法的执行过程，比如将图的结构和最短路径的搜索过程以动画的形式展示出来，这有助于直观地理解算法的运行机制，从而提高学习效果。通过这些方法的综合运用，我能更全面、深入地学习编程知识和算法。
