Java航班中转连接及总距离计算教程

Java航班中转连接及总距离计算教程

本教程旨在指导开发者如何在java中处理航班图数据,实现从指定起始城市经过中转城市,计算并展示中转城市的所有直接连接及其到最终目的地的累计总距离。文章将详细阐述如何优化图遍历逻辑,确保只显示与中转城市直接相连的节点,并正确累加行程距离,从而生成清晰、准确的航班连接信息。

1. 概述与问题背景

在构建航班管理系统时,一个常见的需求是根据用户选择的中转城市,显示该中转城市的所有后续连接,并计算从起始城市到这些后续目的地的总距离。例如,从芝加哥(Chicago)出发,中转纽约(New York),需要显示纽约到奥兰多(Orlando)的连接,并计算芝加哥->纽约->奥兰多的总距离。

原始代码中,showConnections 方法的实现存在两个主要问题:

未正确筛选中转城市连接:它遍历了图中的所有城市及其连接,而不是仅仅显示用户指定中转城市的连接。未累加总距离:它只显示了中转城市到下一个目的地的单段距离,而没有将起始城市到中转城市的距离计入总和。

本教程将通过修改现有代码,解决这些问题,实现精确的连接筛选和距离计算。

2. 图数据结构回顾

在提供的代码中,航班网络使用 HWGraph 类表示,它是一个基于邻接列表的图。

立即学习“Java免费学习笔记(深入)”;

HWGraph 内部使用 HashMap<String, ArrayList> graphMap 来存储图结构。其中,String 是城市名称(作为图的节点),ArrayList 存储了该城市所有直接相连的城市及其对应的飞行距离(作为边的权重)。Vertex 类是一个简单的结构,包含 label(城市名称)和 weight(到该城市的距离)。

HWGraph.java 关键方法:

addVertex(String label): 添加一个城市节点。addEdge(String label1, Vertex v): 添加一条从 label1 到 v.label 的有向边,权重为 v.weight。getConnections(String label): 获取给定城市的所有直接连接(即其邻居节点列表)。getThisVertex(String startCity, String destCity): 从 startCity 的连接中查找 destCity 对应的 Vertex 对象,用于获取从 startCity 到 destCity 的直飞距离。

3. 问题分析与解决方案

3.1 识别原始代码中的缺陷

我们首先审视原始的 HWDriverPrep.java 中的 showConnections 和 connect 方法:

// HWDriverPrep.java (Original)private static void showConnections(HWGraph g, Vertex layOverVertex) {    // 问题1:这里遍历了整个图的graphMap,而不是只关注layOverVertex的连接    g.graphMap.forEach(            (key, value) -> connect(key, value));}private static void connect(String key, ArrayList value) {    // 问题2:这里只打印了单段距离,没有考虑从起始城市到中转城市的距离    for(Vertex v : value){        System.out.println("City: " + v.label + " Distance: " + v.weight);    }}

可以看到,showConnections 方法没有利用传入的 layOverVertex 参数来筛选连接,而是对 graphMap 中的每一个 key(城市)都调用了 connect 方法。这导致了所有城市的连接都被打印出来。同时,connect 方法只打印了当前航段的距离,无法计算从起始城市到中转城市再到下一目的地的总距离。

3.2 优化思路

为了解决上述问题,我们需要进行以下调整:

精确获取中转城市连接:在 showConnections 方法中,不再遍历整个图,而是直接使用 layOverVertex.label 调用 g.getConnections() 方法来获取中转城市的所有直接连接。传递并累加距离:showConnections 方法需要接收一个额外的参数,即从起始城市到中转城市的距离。然后,在遍历中转城市的连接时,将这个距离与当前航段的距离相加,得到最终的总距离。简化辅助方法:原有的 connect 方法可以被废弃或其逻辑直接融入 showConnections 中,因为它不再需要遍历整个图的键值对

4. 代码实现与优化

我们将主要修改 HWDriverPrep.java 中的 main 方法和 showConnections 方法。

TextCortex TextCortex

AI写作能手,在几秒钟内创建内容。

TextCortex 62 查看详情 TextCortex

4.1 修改 HWDriverPrep.java

import java.util.ArrayList;import java.util.Map;import java.util.Scanner;import java.util.Set;public class HWDriverPrep {    public static void main(String[] args) {        HWGraph g = createGraph();        // 打印整个图的连接,用于调试或全面展示        // printGraph( g );        Set keys = g.getKeys();        String startCity = "Chicago"; // 示例起始城市        // 获取用户输入的中转城市        String layOverCityLabel = getLayOverCity( keys, startCity);        // 获取从起始城市到中转城市的Vertex对象,其中包含了该段的距离        Vertex layOverVertex = g.getThisVertex(startCity, layOverCityLabel);        if (layOverVertex != null) {            System.out.printf("\n从起始城市: %s 经中转城市: %s (距离: %d) 的后续连接及总距离:\n",                              startCity, layOverVertex.label, layOverVertex.weight);            // 调用优化后的showConnections方法,传入中转城市Vertex和从起始城市到中转城市的距离            showConnections(g, layOverVertex, layOverVertex.weight);        } else {            System.out.printf("\n无法找到从 %s 到中转城市 %s 的连接,或中转城市不存在。\n", startCity, layOverCityLabel);        }    }    // 辅助方法:打印整个图的连接 (保持不变,用于调试)    private static void printGraph(HWGraph g) {        g.graphMap.forEach(                (key, value) -> show(key, value));    }    // 辅助方法:显示单个城市的连接 (保持不变)    private static void show(String key, ArrayList value) {        System.out.println("显示城市 " + key + " 的连接 --------");        for(Vertex v : value){            System.out.println("  -> 城市: " + v.label + ", 距离: " + v.weight);        }    }    // 辅助方法:获取用户输入的中转城市 (保持不变)    private static String getLayOverCity(Set keys, String startCity) {        Scanner s = new Scanner(System.in);        String oStr = "";        String cm = "";        for(String item: keys)        {            oStr += cm + item;            cm = ", ";        }        System.out.printf("请选择一个中转城市 (%s): ",oStr);        String retItem = s.nextLine();        return retItem;    }    /**     * 显示中转城市的所有连接,并计算从起始城市到最终目的地的总距离。     * @param g 航班图对象     * @param layOverVertex 中转城市对应的Vertex对象,其中包含了中转城市的标签和从起始城市到中转城市的距离。     * @param distanceToLayover 从起始城市到中转城市的距离。     */    private static void showConnections(HWGraph g, Vertex layOverVertex, int distanceToLayover) {        // 获取中转城市的所有直接连接        ArrayList connectionsFromLayover = g.getConnections(layOverVertex.label);        if (connectionsFromLayover != null && !connectionsFromLayover.isEmpty()) {            System.out.println("中转城市 " + layOverVertex.label + " 的后续连接:");            for (Vertex connectedCity : connectionsFromLayover) {                // 计算从起始城市到最终目的地的总距离                int totalDistance = distanceToLayover + connectedCity.weight;                System.out.printf("  -> 目的地: %s (航段距离: %d, 总距离: %d)\n",                                  connectedCity.label, connectedCity.weight, totalDistance);            }        } else {            System.out.println("中转城市 " + layOverVertex.label + " 没有找到后续连接。");        }    }    // 废弃或删除原有的connect方法,因为它不再适用    // private static void connect(String key, ArrayList value) { ... }    // 创建图数据 (保持不变)    private static HWGraph createGraph() {        HWGraph g = new HWGraph();        g.addVertex("Chicago");        g.addVertex("Dallas");        g.addVertex("Atlanta");        g.addVertex("New York");        g.addVertex("Houston");        g.addVertex("Orlando");        // --- now add connections        g.addEdge("Chicago",new Vertex("Dallas",968));        g.addEdge("Chicago",new Vertex("Atlanta",718));        g.addEdge("Chicago",new Vertex("New York",790));        g.addEdge("Dallas",new Vertex("Houston",239));        g.addEdge("Dallas", new Vertex("Orlando",1120));        g.addEdge("Houston", new Vertex("Orlando",967));        g.addEdge("Atlanta", new Vertex("Dallas",781));        g.addEdge("Atlanta", new Vertex("New York",870));        g.addEdge("Atlanta", new Vertex("Orlando",438));        g.addEdge("New York", new Vertex("Houston",1647));        g.addEdge("New York", new Vertex("Orlando",1080));        return g;    }}

4.2 Vertex.java 和 HWGraph.java (保持不变)

这两个文件不需要修改,它们提供了图的基本数据结构和操作。

Vertex.java:

public class Vertex {    String label;    int weight;    public Vertex(String label, int weight) {        this.label = label;        this.weight = weight;    }}

HWGraph.java:

import java.util.ArrayList;import java.util.HashMap;import java.util.Set;public class HWGraph {    public HashMap<String, ArrayList> graphMap = new HashMap();    public void addVertex( String label ){        ArrayList items = new ArrayList();        graphMap.put( label, items);    }    public void removeVertex( String label ){        // 实现删除顶点逻辑,如果需要    }    public void addEdge( String label1, Vertex v){        // 注意:这是一个有向图的添加边方式        // 如果需要无向图,则需要同时添加从v.label到label1的边        graphMap.get(label1).add(v);    }    ArrayList getConnections( String label){        return graphMap.get(label);    }    Set getKeys( ){        Set keys = graphMap.keySet();        return keys;    }    Vertex getThisVertex( String startCity, String destCity){        ArrayList destCities = this.getConnections( startCity);        if (destCities == null) { // 如果起始城市没有连接,或者起始城市不存在            return null;        }        for( Vertex v : destCities){            if ( v.label.equalsIgnoreCase(destCity)){                return v;            }        }        return null; // 如果在起始城市的连接中没有找到目标城市    }}

5. 运行示例与输出

假设起始城市为 Chicago,用户输入中转城市为 New York。

用户交互:

请选择一个中转城市 (Chicago, Dallas, Atlanta, New York, Houston, Orlando): New York

程序输出:

从起始城市: Chicago 经中转城市: New York (距离: 790) 的后续连接及总距离:中转城市 New York 的后续连接:  -> 目的地: Houston (航段距离: 1647, 总距离: 2437)  -> 目的地: Orlando (航段距离: 1080, 总距离: 1870)

解释:

Chicago 到 New York 的距离是 790。New York 到 Houston 的距离是 1647,总距离为 790 + 1647 = 2437。New York 到 Orlando 的距离是 1080,总距离为 790 + 1080 = 1870。

这与预期的输出(例如 Chicago -> New York -> Orlando is 790+1080 = 1870)完全一致。

6. 注意事项与总结

错误处理:在 main 方法中,我们添加了对 layOverVertex 是否为 null 的检查。如果用户输入的中转城市无效,或者从起始城市无法直达中转城市,getThisVertex 将返回 null,程序会给出相应的提示。图的类型:当前实现的是有向图(addEdge 只添加一个方向的边)。如果需要无向图,addEdge 方法需要修改为在两个方向都添加边。路径查找:本教程仅解决了显示中转城市直接连接的问题。如果需要查找从起始城市到任意目的地的完整路径(可能包含多个中转),则需要实现更复杂的图算法,如Dijkstra算法或广度优先搜索(BFS)。代码可读性:通过将核心逻辑集中到 showConnections 方法中,并明确其参数的含义,代码的可读性和维护性得到了显著提升。

通过上述优化,我们成功地解决了在Java中处理航班中转连接和总距离计算的问题,使得程序能够根据用户需求,准确地展示特定中转城市的后续航班信息及其累计总距离。

以上就是Java航班中转连接及总距离计算教程的详细内容,更多请关注创想鸟其它相关文章!

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 chuangxiangniao@163.com 举报,一经查实,本站将立刻删除。
发布者:程序猿,转转请注明出处:https://www.chuangxiangniao.com/p/966527.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2025年12月1日 19:18:38
下一篇 2025年12月1日 19:18:59

相关推荐

  • SOL币的升级提案是什么?如何跟踪网络改进?

    SOL币的升级提案通过SIPs库公开管理,用户可访问GitHub查看提案详情并跟踪状态;利用Solana Beach等工具监控链上指标如节点版本分布与TPS变化;订阅@solana官方X账号、加入Discord社区及查阅博客获取最新进展。 SOL币的升级提案是推动网络性能与功能迭代的核心机制,用户可…

    2025年12月9日
    000
  • 详解预言机问题:区块链如何安全地获取链下真实世界数据

    区块链需依赖预言机获取外部数据,采用去中心化预言机网络(如Chainlink、Pyth)可降低单点故障风险;通过多源数据验证(如CoinGecko、Binance、Kraken)并计算中位数,结合容差剔除异常值,提升准确性;设置价格变动超8%触发30秒观察期的熔断机制,防止恶意数据注入;结合零知识证…

    2025年12月9日
    000
  • 如何监控SOL币鲸鱼动向?哪些工具提供警报?

    使用Arkham、Etherscan与Dexscreener、Lookonchain可追踪SOL鲸鱼动向:1. Arkham通过搜索SOL代币,按时间与交易额筛选大额交易,添加关注储存包获取实时提醒;2. Dexscreener识别价格异动代币后,结合Etherscan查看合约地址的Dex交易记录,…

    2025年12月9日
    000
  • 瑞波币的供应上限机制是什么?如何控制发行节奏?

    %ignore_a_1%(XRP)的总供应量在创世时已完全确定,通过托管机制控制市场流通节奏。 一、固定总量与初始发行 XRP的供应上限是其核心经济模型的基础,确保了资产的稀缺性。所有代币在2012年项目启动时一次性生成,不存在后续增发可能。 1、最大供应量严格限定为1000亿枚,该数值永久不变,无…

    2025年12月9日
    000
  • Uniswap(UNI)历史价格走势图 UNI代币价格K线图2025分析

    Uniswap(UNI)价格受市场情绪、以太坊生态及DeFi活动影响显著,2025年11月因激活“费用开关”和推出Unichain,价格从$7.3涨至近$10,24小时最高涨幅达43.7%,市值/TVL比率健康,叠加DEX市场交易量创新高,显示其作为龙头DEX的强劲势头与投资价值。 Uniswap(…

    2025年12月9日
    000
  • 狗狗币交易指南:如何安全入手DOGE币

    选择可信交易所如Binance或OKX,注册并完成实名认证后,通过C2C交易购买USDT,再在DOGE/USDT交易对中以市价或限价单买入狗狗币,最后将资产提至Trust Wallet等个人储存包地址以确保安全。 狗狗币(DOGE)是一种广受欢迎的加密货币,通过选择可靠平台并遵循标准流程,用户可以安…

    2025年12月9日
    000
  • 如何评估NFT的地板价和持有人分布?判断项目健康度的指标

    评估NFT的地板价与持有人分布是判断项目健康度的核心环节,需结合链上数据综合分析。 为了方便新手快速上手币圈交易并实时查看市场数据,可通过主流交易所币安(Binance)或欧易OKX注册账户并使用官方APP,可实时查看交易深度、挂单量及资金流向,帮助判断买入或卖出时机。 币安注册链接与下载地址: 欧…

    2025年12月9日
    000
  • Meme币的暴涨逻辑是什么?新手如何参与并控制风险

    Meme币暴涨源于社区共识与网络效应,新手需结合技术工具与风险策略参与。社区活跃度、持币分散性及官方透明度是筛选项目的关键;名人效应和热点事件能触发短期爆发,需借助监控工具及时响应;通过合约扫描和主流平台交易可规避欺诈风险;严格的资金管理,如限定仓位和分批止盈,能有效控制风险。 Meme币的暴涨逻辑…

    2025年12月9日
    000
  • 瑞波币的共识机制是什么?如何维持网络稳定?

    瑞波币采用共识机制而非挖,通过唯一节点列表(UNL)实现快速交易确认。1、瑞波共识算法(RPCA)依赖可信验证节点投票达成共识,每3-5秒生成新账本,确保高效结算。2、节点依据UNL判断可靠性,交易需获超80% UNL节点同意方可入账。3、网络通过受控节点准入机制增强安全性,初始由Ripple指定节…

    2025年12月9日
    000
  • 狗狗币:DOGE在2027年飙升至2美元的4大驱动因素

    分析显示,狗狗币在2027年存在冲击2美元的潜力,主要受多重因素共同推动。 一、ETF监管突破与机构合规化布局 美国证券交易委员会(SEC)对模因币类资产的监管态度正逐步明朗,Grayscale等主流机构已提交DOGE现货ETF申请。若获批,将开启大规模合规资金入口。 1、关注SEC在2026年底至…

    2025年12月9日
    000
  • 最新数字货币交易平台 2025十大最新数字资产交易平台推荐

    文章介绍了当前全球表现突出的十大数字资产交易平台。币安以高流动性、多元产品和BNB Chain生态领先;OKX凭借统一账户系统和强大衍生品市场位居前列;Gate.io支持超1400种资产并注重透明与安全;HTX(原火币)依托长期运营积累和成熟风控体系 选择一个可靠的数字资产交易平台是参与市场活动的关…

    2025年12月9日
    000
  • Cosmos (ATOM)入门:万链互联的区块链互联网构想

    Cosmos通过Tendermint、SDK和IBC构建区块链互联网,支持跨链通信与资产转移。用户可部署节点参与网络,使用ATOM质押获取收益,并通过IBC协议实现去信任的跨链交互。 Cosmos(ATOM)致力于打造一个可互操作的区块链网络,实现跨链资产与数据的自由流动。 为了方便新手快速上手币圈…

    2025年12月9日
    000
  • 区块链生态有哪些呀_全球区块链生态软件大全

    币安、Gate.io、MetaMask、OKX与Trust Wallet构建了各具特色的Web3生态。1. 币安以交易为核心,拓展至BNB Chain公链、DeFi、NFT及“赚币”理财服务,形成完整闭环;2. Gate.io聚焦合规,提供法币入口、独立储存包、风险投资与云基础设施,服务从新手到机构…

    2025年12月9日
    000
  • Polkadot当前行情如何?Polkadot今日行情实时查看软件推荐

    首先通过CoinMarketCap或CoinGecko等平台查看Polkadot实时价格、涨跌幅、交易量及K线图,再结合Blockfolio或Delta等移动应用设置价格提醒,实现对DOT行情的全面监控与及时响应。 Polkadot作为跨链领域的核心项目,其价格与市场活跃度备受关注。实时掌握其行情变…

    2025年12月9日
    000
  • 什么是加密世界的“乐高积木”?理解DeFi的可组合性

    DeFi可组合性指协议间如乐高积木般无缝集成,源于开源与无需许可特性,支持跨协议调用。1、所有接口公开,共享区块链状态,确保交易原子性;2、用户可通过Aave抵押ETH借稳定币,在Uniswap兑换更多ETH并循环抵押以构建杠杆,但需警惕清算风险;3、收益聚合器如Yearn自动将DAI分配至Comp…

    2025年12月9日
    000
  • 加密货币资产如何配置?新手入门级投资组合策略

    新手应以主流币为核心配置,60%-70%资金投向BTC和ETH,通过定投平摊成本,并选择合规平台保障安全;20%-25%布局潜力赛道,分散投资Layer2、AI与去中心化衍生品;10%-15%设为防御仓位,配置稳定币与质押资产以应对波动并获取收益。 对于刚进入币圈的新手,合理的资产配置是控制风险、实…

    2025年12月9日
    000
  • 什么是“黑天鹅事件”?加密货币市场中有哪些历史案例?

    黑天鹅事件在加密市场中极具破坏性。一、Mt.Gox被盗与破产暴露中心化平台安全缺陷,引发信任危机,推动冷存储发展;二、中国监管突变(94与519事件)显示政策风险可瞬间重创市场,强调需紧盯监管风向;三、Terra稳定币崩盘揭示算法稳定币内在脆弱性,高收益DeFi项目风险极高;四、FTX破产反映顶级交…

    2025年12月9日
    000
  • 交互成本太高怎么办?低成本参与空投项目的三个技巧

    选择低Gas费公链如Base、Arbitrum One或Polygon,通过官方跨链桥低成本转移ETH,并在非高峰时段操作以降低交易费用;批量规划Swap、LP等任务,使用多签钱-包合并交易,等待Gas低于历史均值50%时执行,提升效率;积极参与测试网活动,领取测试代币模拟质押、交换等行为,积累早期…

    2025年12月9日
    000
  • Ergo(ERG)是什么?运行机制、特点与优势解析

    Ergo(ERG)是一种以安全性和可扩展性为核心的区块链项目,主要面向智能合约和去中心化金融(DeFi)应用。本文将详细解析 Ergo 的运行机制、主要特点以及投资者可以关注的优势。 Ergo 的运行机制 Ergo 采用了独特的 Autolykos 共识算法,结合 UTXO 模型与增强型智能合约,实…

    2025年12月9日
    000
  • ENS 正式采用 Taiko 技术栈,助力 Namechain 在以太坊主网实现 ZK Rollup 扩容

    近日,ENS(以太坊域名服务)宣布正式采用 Taiko 技术栈,助力 Namechain 在以太坊主网实现 ZK Rollup 扩容。此举旨在提高 ENS 域名交易和管理的效率,同时降低交易成本,推动以太坊生态的可扩展性。 Taiko 技术栈与 ZK Rollup 优势 1、提高交易吞吐量:ZK R…

    2025年12月9日
    000

发表回复

登录后才能评论
关注微信