图论与BFS算法解决最优乘车问题

1. 最优乘车问题概述

最优乘车（Travel）是信息学奥赛中的经典图论问题，源自《信息学奥赛一本通》P1377。题目描述的是乘客在城市公交系统中寻找换乘次数最少的乘车方案。这类问题在实际生活中非常常见，比如我们使用地图APP查询公交路线时，系统会自动推荐换乘次数最少的方案。

问题的核心在于将公交线路转化为图结构进行处理。每条公交线路可以看作图中的一条路径，站点则是图中的节点。由于公交车是单程行驶的，所以构建的是有向无权图。无权是因为我们只关心换乘次数，不关心实际乘坐的站数。

注意：虽然题目描述的是公交系统，但解决方法同样适用于地铁、航班等任何需要换乘的交通网络。关键在于理解如何将实际问题抽象为图论模型。

2. 问题建模与图论基础

2.1 图的构建方法

对于最优乘车问题，我们需要将公交线路信息转化为图的表示。具体构建方法如下：

1. 每个公交站点作为图中的一个顶点
2. 如果某条公交线路依次经过站点A、B、C，则需要添加有向边A→B和B→C
3. 不同线路间的相同站点在图中是同一个顶点

这种构建方式确保了换乘行为能够被正确计算。当乘客需要从一条线路换到另一条线路时，必须经过两条线路的共同站点。

2.2 无权图与换乘次数

题目明确指出这是一个无权图，这意味着：

• 所有边的权重相同（可以视为1）
• 路径长度直接对应换乘次数
• 不需要考虑Dijkstra等考虑边权的算法

实际上，从起点到终点的路径长度减1就是换乘次数。例如：

• 路径A→B→C→D（长度3）表示乘坐了两趟车（A-B和C-D），中间在B换乘一次

3. 算法选择与实现

3.1 广度优先搜索（BFS）的应用

BFS是解决无权图最短路径问题的最佳选择，因为：

1. BFS天然按层次遍历，最先到达终点的路径一定是最短的
2. 时间复杂度为O(V+E)，对于公交网络这样的大型稀疏图效率很高
3. 实现简单，不需要复杂的数据结构

BFS解决最优乘车问题的基本步骤：

1. 从起点站开始，将其加入队列并标记为已访问
2. 取出队首站点，遍历其所有邻接站点
3. 对于每个未访问的邻接站点，记录其前驱站点和距离
4. 如果到达终点站，立即返回当前距离
5. 否则将邻接站点加入队列尾部

3.2 具体实现代码（C++）

cpp复制#i