最短路径(Bellman-Ford)

Bellman-Ford算法解决了负权边的问题

Bellman-Ford核心思想：对所有的边最多进行n-1次松弛操作

核心语句：

for (k = 1; k <= n - 1; k++)	//进行n-1次松弛
{
	for (i = 1; i <= m; i++)	//枚举每条边
	{
		if (dis[v[i]] > dis[u[i]] + w[i])	//尝试对每条边进行松弛
			dis[v[i]] = dis[u[i]] + w[i];
	}
}

外循环循环了n-1次(n为顶点的个数)
内循环循环了m次(m为边的个数)，即枚举每一条边

dis数组的作用仍然是从源点到其他各个顶点的最短路径

if (dis[v[i]] > dis[u[i]] + w[i])
	dis[v[i]] = dis[u[i]] + w[i];

表示能否通过u[i]→v[i]这条边，使得1号顶点到v[i]号顶点的距离变短
即1号顶点到u[i]号顶点的距离( dis[u[i]] )加上u[i]→v[i]这条边的值是否会比原先1号顶点到v[i]号顶点的距离dis[v[i]]要小
也即，松弛

第一轮松弛，就是从1号顶点“只能经过一条边”到达其余各个顶点的最短路径长度
第二轮松弛，得到的是从1号顶点“最多经过两条边”到达其余各个顶点的最短路径
如果进行k轮，得到的就是从1号顶点“最多经过k条边”到达其余各个顶点的最短路径长度
一共只需要进行n-1轮就可以了。
因为在一个含有n个顶点的图中，任意两点之间的最短路径最多包含n-1边

最短路径不可能包含回路
正权回路(回路权值之和为正)：如果包含正权回路，那么去掉这个回路，一定可以得到更短路径
负权回路(回路权值之和为负)：肯定没有最短路径，因为每多走一次负权回路就可以得到更短的路径

因此，最多包含n-1条边，只需要经历n-1次松弛

Bellman-Ford部分重要语句：

for (i = 1; i <= n; i++)	//初始化dis数组
{
	dis[i] = inf;
}
dis[1] = 0;	//对源点进行赋0

for (k = 1; k <= n - 1; k++)	//进行n-1次松弛，每次松弛代表着“可以从源点经过k条边到达的目标点的最短路径”
{
	for (i = 1; i <= m; i++)	//枚举每条边
	{
		if (dis[v[i]] > dis[u[i]] + w[i])
			dis[v[i]] = dis[u[i]] + w[i];
	}
}

Bellman-Ford检测负权回路

如果在进行n-1次松弛之后，仍有

if (dis[v[i]] > dis[u[i]] + w[i])
	dis[v[i]] = dis[u[i]] + w[i];

的情况，也就是说在进行了n-1次松弛之后，仍然可以继续成功松弛
那么该图必然存在负权回路

检测负权回路代码：

flag = 0;
for (i = 1; i <= n; i++)
{
	if (dis[v[i]] > dis[u[i]] + w[i])
		flag = 1;
}
if (flag == 1)
	printf("存在负权回路");

分析Bellman-Ford算法

时间复杂度是O(MN)
在实际操作中，Bellman-Ford算法经常会在未达到n-1次松弛前就已经计算出最短路径
n-1其实是最大值

我们可以添加一个一维数组用来备份dis数组，如果在新的一轮中的松弛中数组dis没有发生变化，则就可以提前跳出循环

for (k = 1; k <= n - 1; k++)
{
	for (i = 1; i <= n; i++)
		bak[i] = dis[i];
	for (i = 1; i < m; i++)
	{
		if (dis[v[i]] > dis[u[i]] + w[i])
			dis[v[i]] = dis[u[i]] + w[i];
	}
	check = 0;
	for (i = 1; i <= n; i++)
	{
		if (bak[i] != dis[i])
		{
			check = 1;
			break;
		}
	}
	if (check == 0)
		break;
}

Bellman-Ford的另一种优化

在每一次实施松弛后，就会有一些顶点已经求得其最短路，此后这些顶点的最短路的估计值就会一直保持不变，不再受后续松弛操作的影响，但是每次还要判断是否需要继续松弛，这就浪费了时间

我们可以
每次仅对最短路估计值发生变化了的顶点的所有出边执行松弛操作