问题描述：
考察知识点：狄克斯特拉算法+最小公倍数
不妨先看看如何求最小公倍数：
def lcm(a,b):#求最小公倍数 s=a*b while b: a,b=b,a%b return int(s/a)
对于自然数a,b 最小公倍数*最大公倍数=ab 因此求出最大公倍数即可 而求最大公倍数可以使用辗转相除法
来到狄克斯特拉算法： 算法用于解决最短带权路径问题 如果你不会使用字典，建议先去掌握一下字典的基本用法再来读下面的文字~
以上面这副图为例子 从起点到终点一共有三种路径
起点>>A>>终点 路径长度6+1=7
起点>>B>>终点 路径长度2+5=7
起点>>B>>A>>终点 路径长度2+3+1=6
显然 最短路径是6 因而 如果我们知道了所有节点的关系 就可把所有的路径长度列出来 取最小即可
但是这样 太过复杂 所以我们引入了狄克斯特拉算法
狄克斯特拉算法包括四个步骤：
（1）找出最便宜的节点P （这么说有点抽象 其实是可以这样想 把连接节点的边 对应的权值比作需要花费的金钱，也就是找出一个花最少的钱能够去的节点）
（2）对于节点P，研究它的邻居，检查是否有前往他们更短的路径，有就更新 (更新除了要更新路径 还要更新父节点,父节点这里不理解没事，后面会在提到😀)没有就不变
（3）记录这一轮的节点P（作为处理过的节点），对未处理过的节点重复（1）（2），直至所有节点都被处理过
（4）计算最终路径
以上面这幅图为例 我们需要创建字典graph,costs,parent,以及准备一个保存已处理的列表
用途：graph用来保存 每个节点和每个节点邻居以及节点到节点邻居的费用
graph={} graph['start']={'A':6,'B':2} graph['A']={'end':1} graph['B']={'A':3,'end':5} graph['end']={} #结果：{'start': {'A': 6, 'B': 2}, 'A': {'end': 1}, 'B': {'A': 3, 'end': 5}, 'end': {}}
cost用来保存前往某个节点花费的钱（最少），由于我们并不知道前往终点最少要花费多少钱，假设为正无穷
cost={} cost['A']=6 cost['B']=2 cost['end']=float('inf')#表示无穷大
parent用来保存父节点,由于我们并不知道终点的父节点是谁，假设为None（你可能会问 图上不是很明显父节点是A B吗？是的没错，但是你回到前面的四步骤看看，父节点的更新是需要伴随着最短路径的更新，由于我们并不知道前往终点的最短路径，所以暂且假设为None）
parent={} parent['A']='start' parent['B']='start' parent['end']=None
下面呈现代码：
graph={} graph['start']={'A':6,'B':2} graph['A']={'end':1} graph['B']={'A':3,'end':5} graph['end']={} cost={} cost['A']=6 cost['B']=2 cost['end']=float('inf')#表示无穷大 parent={} parent['A']='start' parent['B']='start' parent['end']=None already=[] def most_cheap(cost): most_cheap,most_cheap_node=float('inf'),None for node in cost.keys(): costs=cost[node] if costs<most_cheap and node not in already: most_cheap,most_cheap_node=costs,node return most_cheap_node node=most_cheap(cost)#从未处理过的节点中找出最便宜的节点 while node:#只要还有未处理的节点就执行 costs=cost[node]#起点到该节点的最短开销 neighbor=graph[node]#传入邻居以及当前节点到邻居的开销 for i in neighbor.keys():#遍历所有邻居 new_cost=costs+neighbor[i]#新开销 if new_cost<cost[i]: cost[i]=new_cost#更新开销 parent[i]=node#随之更新父节点 already.append(node)#记录处理过的节点 node=most_cheap(cost)#循环执行
输出结果 符合预期
>>> cost {'A': 5, 'B': 2, 'end': 6}
如果懂了上面这个例题的你再来处理蓝桥杯这道题就不会那么难了
根据题目意思 给出一个数字a 与他连接的数字包括[a+1,a+21] 与上面例题不同在于:邻居变多了
其次题目说是无向边 无向图意味着两个节点彼此指着对方 双向互通 而狄克斯特拉算法只适用于有向无环图 但是 本题依然可以使用狄克斯特拉算法 原因在于 要求最短路径势必每条边至多走一次 如果最短路径中存在有条边走了两次 意味着第二次行走的时候回到了还未走之前的节点 然后继续行走 那完全可以直接不走在一开始！因而每条边最多只能走一次
下面用狄克斯特拉算法解决本题：小郑自己写的 并且答案对了 （标准答案是10266837）
#狄克斯特拉算法 #字典 cost,graph,parents #1:找到最便宜的结点(未访问)，其邻居开销如有更小，更新（cost,parent） def lcm(a,b): s=a*b while b: a,b=b,a%b return int(s/a) graph={}#构图 costs={} parent={} for i in range(1,2022): graph[i]={} if i<=2020: for j in range(i+1,i+22): graph[i][j]=lcm(i,j) else: for j in range(i+1,2022): graph[i][j]=lcm(i,j) costs[i]=float('inf') found=[]#查找过的结点 costs[1]=0#开始点w为最便宜的点，价格为0 def find(dict):#查找最便宜的结点 node,cost=None,float('inf') for k,v in dict.items(): if k not in found and v<cost: node,cost=k,v return node node=find(costs) while node: spend=costs[node] friend=graph[node] try: for i in friend.keys(): if costs[i]>friend[i]+costs[node]: costs[i]=friend[i]+costs[node] parent[i]=node except:#无邻居,costs会报错，说明已经达到终点,打印即可 print(costs[2021]) break found.append(node) node=find(costs) end=parent[2021]#回溯广搜层数 count=1 while end!=1: count+=1 end=parent[end] print(count) #路径长度10266837，回溯了97次
本题具有一定难度 需要反复斟酌 我是小郑 在备战蓝桥杯的路上 希望和你一起加油！
对于本题还有动态规划解法 小郑还没想过 ~不过很快就会再出一篇啦
