import math from heapq import heappush, heappop def solution(n: int, s: int, t: int, x: list, y: list) -> str: def calculate_distance(x1, y1, x2, y2): return math.sqrt((x1 - x2) ** 2 + (y1 - y2) ** 2) dist = [[0] * n for _ in range(n)] for i in range(n): for j in range(n): if i != j: dist[i][j] = calculate_distance(x[i], y[i], x[j], y[j]) def dijkstra(start, end): if start == end: min_cycle = float('inf') for mid in range(n): if mid != start-1: cycle_dist = dist[start-1][mid] + dist[mid][start-1] min_cycle = min(min_cycle, cycle_dist) return min_cycle distances = [float('inf')] * n distances[start-1] = 0 pq = [(0, start-1)] visited = set() while pq: d, curr = heappop(pq) if curr in visited: continue visited.add(curr) if curr == end-1: return d for next_node in range(n): if next_node in visited or (curr == s-1 and next_node == t-1) or (curr == t-1 and next_node == s-1): continue new_dist = d + dist[curr][next_node] if new_dist < distances[next_node]: distances[next_node] = new_dist heappush(pq, (new_dist, next_node)) return float('inf') result = dijkstra(s, t) return "{:.2f}".format(result) if name == 'main': print(solution(5, 1, 5, [17253, 25501, 28676, 30711, 18651], [15901, 15698, 32041, 11015, 9733]) == '17333.65') print(solution(4, 2, 4, [5000, 12000, 8000, 14000], [3000, 9000, 1000, 4000]) == '15652.48') print(solution(6, 3, 6, [20000, 22000, 24000, 26000, 28000, 30000], [15000, 13000, 11000, 17000, 19000, 21000]) == '11772.70') 算法分析与思路总结
问题描述
给定一个包含 n 个点的二维平面，点的坐标由 x 和 y 两个列表提供，其中 x[i] 和 y[i] 表示第 i+1 个点的坐标。给定两个点 s 和 t（注意这里的 s 和 t 是基于 1 的索引，而在代码中需要转换为基于 0 的索引），要求计算从点 s 到点 t 的最短路径长度。特别地，如果 s 和 t 相同，则要求找到通过其他点构成的最小环的长度。
算法思路
距离计算：
使用欧几里得距离公式计算任意两点之间的距离，并存储在邻接矩阵 dist 中。
Dijkstra 算法：
经典的 Dijkstra 算法用于计算单源最短路径。
初始化距离数组 distances，将所有点的距离初始化为无穷大，起点 start 的距离初始化为 0。
使用优先队列（最小堆）来维护当前已知最短路径的节点。
每次从优先队列中取出距离最小的节点，更新其相邻节点的最短路径长度。
如果终点 end 被访问到，则返回其最短路径长度。
如果起点和终点相同，则特殊处理：尝试通过每个中间点构建一个环，并找到最小环的长度。
特殊处理起点和终点相同的情况：
当 start == end 时，直接计算通过每个中间点形成的环的长度，并返回最小环的长度。
跳过不允许的直接路径：
在更新最短路径时，跳过从起点直接到终点的路径（如果它们是相邻的），以避免形成不必要的重复计算或错误路径。
算法分析
时间复杂度：
计算邻接矩阵的时间复杂度为 O(n2)，因为需要计算每对点之间的距离。
Dijkstra 算法的时间复杂度为 O((n−1)2logn)，在最坏情况下，每个节点都需要被访问一次，每次访问都需要从优先队列中取出最小元素（时间复杂度为 O(logn)），并且需要更新所有相邻节点的距离（时间复杂度为 O(n1)）。
对于起点和终点相同的情况，计算最小环的时间复杂度为 O(n2)，因为需要尝试通过每个中间点构建一个环。
综合考虑，总时间复杂度为 O(n 2+(n−1)2logn)，简化后为 O(n2logn)。
空间复杂度：
邻接矩阵 dist 的空间复杂度为 O(n2)。
距离数组 distances 和优先队列 pq 的空间复杂度为 O(n)。
综合考虑，总空间复杂度为 O(n2)。
