0

0

Java航班中转连接及总距离计算教程

DDD

DDD

发布时间:2025-11-23 15:06:30

|

533人浏览过

|

来源于php中文网

原创

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:

  1. 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。
  2. 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<Vertex>> graphMap 来存储图结构。其中,String 是城市名称(作为图的节点),ArrayList<Vertex> 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<Vertex> 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:

  1. 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。
  2. 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。
  3. 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。

零沫AI工具导航
零沫AI工具导航

零沫AI工具导航-AI导航新标杆,探索全球实用AI工具

下载

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<String> 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<Vertex> 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<String> 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<Vertex> 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<Vertex> 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<Vertex>> graphMap = new HashMap<>();

    public void addVertex( String label ){
        ArrayList<Vertex> 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<Vertex> getConnections( String label){
        return graphMap.get(label);
    }
    Set<String> getKeys( ){
        Set<String> keys = graphMap.keySet();
        return keys;
    }
    Vertex getThisVertex( String startCity, String destCity){
        ArrayList<Vertex> 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。

热门AI工具

更多
DeepSeek
DeepSeek

幻方量化公司旗下的开源大模型平台

豆包大模型
豆包大模型

字节跳动自主研发的一系列大型语言模型

WorkBuddy
WorkBuddy

腾讯云推出的AI原生桌面智能体工作台

腾讯元宝
腾讯元宝

腾讯混元平台推出的AI助手

文心一言
文心一言

文心一言是百度开发的AI聊天机器人,通过对话可以生成各种形式的内容。

讯飞写作
讯飞写作

基于讯飞星火大模型的AI写作工具,可以快速生成新闻稿件、品宣文案、工作总结、心得体会等各种文文稿

即梦AI
即梦AI

一站式AI创作平台,免费AI图片和视频生成。

ChatGPT
ChatGPT

最最强大的AI聊天机器人程序,ChatGPT不单是聊天机器人,还能进行撰写邮件、视频脚本、文案、翻译、代码等任务。

相关专题

更多
string转int
string转int

在编程中,我们经常会遇到需要将字符串(str)转换为整数(int)的情况。这可能是因为我们需要对字符串进行数值计算,或者需要将用户输入的字符串转换为整数进行处理。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

1031

2023.08.02

c语言中null和NULL的区别
c语言中null和NULL的区别

c语言中null和NULL的区别是:null是C语言中的一个宏定义,通常用来表示一个空指针,可以用于初始化指针变量,或者在条件语句中判断指针是否为空;NULL是C语言中的一个预定义常量,通常用来表示一个空值,用于表示一个空的指针、空的指针数组或者空的结构体指针。

254

2023.09.22

java中null的用法
java中null的用法

在Java中,null表示一个引用类型的变量不指向任何对象。可以将null赋值给任何引用类型的变量,包括类、接口、数组、字符串等。想了解更多null的相关内容,可以阅读本专题下面的文章。

1089

2024.03.01

treenode的用法
treenode的用法

​在计算机编程领域,TreeNode是一种常见的数据结构,通常用于构建树形结构。在不同的编程语言中,TreeNode可能有不同的实现方式和用法,通常用于表示树的节点信息。更多关于treenode相关问题详情请看本专题下面的文章。php中文网欢迎大家前来学习。

550

2023.12.01

C++ 高效算法与数据结构
C++ 高效算法与数据结构

本专题讲解 C++ 中常用算法与数据结构的实现与优化,涵盖排序算法(快速排序、归并排序)、查找算法、图算法、动态规划、贪心算法等,并结合实际案例分析如何选择最优算法来提高程序效率。通过深入理解数据结构(链表、树、堆、哈希表等),帮助开发者提升 在复杂应用中的算法设计与性能优化能力。

30

2025.12.22

深入理解算法:高效算法与数据结构专题
深入理解算法:高效算法与数据结构专题

本专题专注于算法与数据结构的核心概念,适合想深入理解并提升编程能力的开发者。专题内容包括常见数据结构的实现与应用,如数组、链表、栈、队列、哈希表、树、图等;以及高效的排序算法、搜索算法、动态规划等经典算法。通过详细的讲解与复杂度分析,帮助开发者不仅能熟练运用这些基础知识,还能在实际编程中优化性能,提高代码的执行效率。本专题适合准备面试的开发者,也适合希望提高算法思维的编程爱好者。

45

2026.01.06

页面置换算法
页面置换算法

页面置换算法是操作系统中用来决定在内存中哪些页面应该被换出以便为新的页面提供空间的算法。本专题为大家提供页面置换算法的相关文章,大家可以免费体验。

498

2023.08.14

TypeScript类型系统进阶与大型前端项目实践
TypeScript类型系统进阶与大型前端项目实践

本专题围绕 TypeScript 在大型前端项目中的应用展开,深入讲解类型系统设计与工程化开发方法。内容包括泛型与高级类型、类型推断机制、声明文件编写、模块化结构设计以及代码规范管理。通过真实项目案例分析,帮助开发者构建类型安全、结构清晰、易维护的前端工程体系,提高团队协作效率与代码质量。

25

2026.03.13

Python异步编程与Asyncio高并发应用实践
Python异步编程与Asyncio高并发应用实践

本专题围绕 Python 异步编程模型展开,深入讲解 Asyncio 框架的核心原理与应用实践。内容包括事件循环机制、协程任务调度、异步 IO 处理以及并发任务管理策略。通过构建高并发网络请求与异步数据处理案例,帮助开发者掌握 Python 在高并发场景中的高效开发方法,并提升系统资源利用率与整体运行性能。

44

2026.03.12

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程
Kotlin 教程
Kotlin 教程

共23课时 | 4.4万人学习

C# 教程
C# 教程

共94课时 | 11.3万人学习

Java 教程
Java 教程

共578课时 | 81.5万人学习

关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号 技术交流群
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号