第三章 搜索与图论(二)
Dijkstra
849.Dijkstra求最短路I(*)
给定一个 n 个点 m 条边的有向图,图中可能存在重边和自环,所有边权均为正值。请你求出 1号点到 n 号点的最短距离,如果无法从 1 号点走到 n 号点,则输出 −1。
输入格式:第一行包含整数 n 和 m。接下来 m 行每行包含三个整数 x,y,z,表示存在一条从点 x 到点 y 的有向边,边长为 z。
输出格式:输出一个整数,表示 1 号点到 n 号点的最短距离。如果路径不存在,则输出 −1。
数据范围:1≤n≤500,1≤m≤10^5,图中涉及边长均不超过10000。
输入样例:
3 3 1 2 2 2 3 1 1 3 4
输出样例:
3
思路分析
如图,假设 S 是当前已经确定最短距离的点的集合。根据n、m的值可以确定是稠密图,用邻接矩阵来存储。本题核心代码就是 Dijkstra 方法。步骤简单阐述如下:(关于迪杰斯特拉算法可以去看王道书P225)核心思想就是:每一轮从 S 集合外即未确定最短路径的点中找一个最短路径最小的加入 S,然后再利用这个点更新其他点的最短路径(但不一定是其他点最终的最短路径)。
- 如图所示,初始化 用来存储某点的最短路径的值的数组 dist;
- 大循环 i ,表示轮次。每一轮都会找到一个加入集合 S 的点 t,也就是确定一个点的最短路径;
- 每一轮都会遍历所有点 j,找到不在集合S中,即待确定最短路径的点中最短路径最小的点,作为此轮要加入集合 s 的点 t;
- 将 t 的状态置为 true表示找到他的最短路径了;
- 然后利用 t 去更新其他点的最短路径;
- 大循环结束,每个点的最短路径都得求。
代码实现
import java.io.BufferedReader;
import java.io.InputStreamReader;
import java.lang.reflect.Array;
import java.util.Arrays;
public class _849 {
static int N = 510;
static int n,m; //输入的图的点数和边数
static int g[][] = new int[N][N]; //用邻接矩阵存储图
static int dist[] = new int[N]; //存储某点的最短路径的值
static boolean st[] = new boolean[N]; //标记是否已经确定到 某个点的最短路径
public static int dijkstra(){
Arrays.fill(dist,0x3f3f3f); //初始化将最短路设为无穷大
dist[1] = 0;
for (int i = 0; i < n; i++) { //表示轮次,每一轮都会确定一个点的最短路径
int t = -1; ///t是本轮要找到的 s集合外最短路径最小的点(这个初始化值结合下面的判断条件理解)
//遍历所有未确定最短路径的点,找到当前最短路径最小的点,作为此轮加入集合s的点
for (int j = 1; j <= n; j++)
if (!st[j] && (t == -1 || dist[t]>dist[j]))
//判断条件解释:这个t首先要变成 s集合外的一点,之后再根据距离大小不断更新成那个最小的点
// 达到前者的条件就是t为初始值并且找到S集合外一点的时候
// 但是t不能初始化成随便一个点,因为不知道这个点在S里还是S外,因此初始化为-1或0(这个用法可以借鉴到别处)
t=j; //不断更新候选点
st[t] = true; //标记 t 点找到最短路径
for (int j = 1; j <= n; j++) //利用刚刚新确定的最短路径的点 更新其他点的最短路径
dist[j] = Math.min(dist[j],dist[t]+g[t][j]);
}
if (dist[n] == 0x3f3f3f) //如果到n点的不存在最短路径
return -1;
return dist[n];
}
public static void main(String[] args) throws Exception{
BufferedReader bf = new BufferedReader(new InputStreamReader(System.in));
String s[] = bf.readLine().split(" ");
n = Integer.parseInt(s[0]);
m = Integer.parseInt(s[1]);
for (int i = 1; i <= n; i++)
Arrays.fill(g[i], 0x3f3f3f);
for (int i = 0; i < m; i++) {
String s2[] = bf.readLine().split(" ");
int a = Integer.parseInt(s2[0]);
int b = Integer.parseInt(s2[1]);
int c = Integer.parseInt(s2[2]);
g[a][b] =Math.min(g[a][b],c);
}
System.out.println(dijkstra());
}
}
850.Dijkstra求最短路II
和前一题的区别仅在于数据范围:1≤n,m≤1.5×10^5。并且如果最短路存在,则最短路的长度不超过 10^9。那么这个稀疏图再用两个for循环就会爆,需要优化一下算法。
思路分析
观察上述时间复杂度最高的一步,应该是1.1.1的第3步:每次寻找S集合外 dist 最小的点 t 都需要遍历整个 dist,这个 for 循环嵌套在轮数循环里就增加了很多时间复杂度。容易想到,用 堆 来寻找最小值,时间复杂度较小。这里用 java 的优先队列实现堆(具体原因和用法去看数据结构堆的那节)
有重边也不要紧,假设1->2有权重为2和3的边,再遍历到点1的时候2号点的距离会更新两次放入堆中。这样堆中会有很多冗余的点,但是在弹出的时候还是会弹出最小值2+x(x为之前确定的最短路径),并标记st为true,所以下一次弹出3+x会continue不会向下执行。
代码实现
import java.io.BufferedReader;
import java.io.InputStreamReader;
import java.util.Arrays;
import java.util.PriorityQueue;
public class _850 {
static int N = 1000010;
static int n,m; //输入的图的点数和边数
static boolean st[] = new boolean[N]; //标记是否已经确定到 某个点的最短路径
static int h[] = new int[N];
static int e[] = new int[N];
static int ne[] = new int[N];
static int w[] = new int[N]; //存储边权
static int idx;
static int dist[] = new int[N]; //存储某点到编号为1的点的最短路径的值
//优先队列的参数是int数组,因为堆的每个元素包括:编号和暂时最短距离;匿名函数表示:是最短路径的小根堆
static PriorityQueue<int[]> heap = new PriorityQueue<>((a,b)->{return a[1] - b[1];});
//邻接表添加新边的方法
public static void add(int a,int b, int c){
e[idx] = b;
w[idx] = c; //记录边权
ne[idx] = h[a];
h[a] = idx++;
}
public static int dijkstra(){
Arrays.fill(dist,0x3f3f3f3f); //初始化将最短路设为无穷大(少一个3f就会有测试点不过)
dist[1] = 0; //编号为 1 的点的最短路径是0
heap.offer(new int[]{1, 0}); //将编号为1,最短距离为0的节点进堆
while(heap.size() != 0){
int[] a = heap.poll(); //取出堆顶元素
int t = a[0], distance = a[1]; //t为元素编号,distance为该元素的最短距离
if(st[t]) //如果这个元素已经被确定最短距离了(已经在集合 S 中)就直接退出本轮循环(为了防止输入重边的情况)
continue;
st[t] = true;
//遍历该元素所有出边指向的点,看能不能更新这些点的最短距离
for(int i = h[t]; i != -1; i = ne[i]){
int j = e[i];
if(dist[j] > distance + w[i]){
dist[j] = distance + w[i];
heap.offer(new int[]{j, dist[j]}); //把更新后的暂时最短路径加入堆中
}
}
}
if (dist[n] == 0x3f3f3f3f) //如果到n点的不存在最短路径
return -1;
return dist[n];
}
public static void main(String[] args) throws Exception{
BufferedReader bf = new BufferedReader(new InputStreamReader(System.in));
String s[] = bf.readLine().split(" ");
n = Integer.parseInt(s[0]);
m = Integer.parseInt(s[1]);
Arrays.fill(h, -1);
for (int i = 0; i < m; i++) {
String s2[] = bf.readLine().split(" ");
int a = Integer.parseInt(s2[0]);
int b = Integer.parseInt(s2[1]);
int c = Integer.parseInt(s2[2]);
add(a,b,c);
}
System.out.println(dijkstra());
}
}
可能会疑惑 continue的作用,以为一个点不会反复进堆,因为一旦距离确定就不可能再更新距离。实际上,我们来看代码,for循环会把所有满足dist[j] > distance + w[i] 的点都加入堆,有的点比如 c 它既是 a 的邻接点又是 b的邻接点,这样的点可能会在将 a 的邻接点更新的时候加进去一次,又在更新 b 的邻接点的时候又加进去一次,这样队列中就有两个编号一样、距离不同的点。因此一个点可能同时以不同距离的状态多次进堆。但实际上 dist[c]在被第一个点更新完后就确定了,因为我们 Dijkstra 是每次取出一个全局最小的dist来更新别的点,每个点的最短距离一定是递增的,不可能出现后面进入集合 S 的点还会更新出 更短的 邻接点的最短路径,所以我们第一次就直接可以把 st 置为true,后面再碰到直接跳过啦!
bellman-ford
853.有边权限制的最短路(代码简单但是要理解透彻还是有点难)
给定一个 n 个点 m 条边的有向图,图中可能存在重边和自环,边权可能为负数。请你求出从 1 号点到 n 号点的最多经过 k 条边的最短距离,如果无法从 1 号点走到 n 号点,输出
impossible
。注意:图中可能 存在负权回路。输入格式:第一行包含三个整数 n,m,k。接下来 m 行,每行包含三个整数 x,y,z,表示存在一条从点 x 到点 y 的有向边,边长为 z。点的编号为 1∼n。
输出格式:输出一个整数,表示从 1 号点到 n 号点的最多经过 k 条边的最短距离。如果不存在满足条件的路径,则输出
impossible
。数据范围:1≤n,k≤500, 1≤m≤10000, 1≤x,y≤n,任意边长的绝对值不超过 10000。
输入样例:
3 3 1 1 2 1 2 3 1 1 3 3
输出样例:
3
思路分析
不存在最短路径的情况
因为存在负权回路,如图,2->3就没有最短路径
算法选择分析
边权是负数就说明不能使用 Dijkstra 算法。Dijkstra算法的3个步骤:1、找到当前未标识的且离源点最近的点t;2、对t号点点进行标识;3、用t号点更新其他点的距离。例子:
-
初始dist[1] = 0
-
找到了未标识且离源点1最近的结点1,标记1号点,用1号点更新其他所有点的距离,2号点被更新成dist[2] = 2,3号点被更新成dist[3] = 5
-
找到了未标识且离源点1最近的结点2,标识2号点,用2号点更新其他所有点的距离,4号点被更新成dist[4] = 4
-
找到了未标识且离源点1最近的结点4,标识4号点,用4号点更新其他所有点的距离,5号点被更新成dist[5] = 5
-
找到了未标识且离源点1最近的结点3,标识3号点,用3号点更新其他所有点的距离,4号点被更新成dist[4] = 3
-
结束
-
得到1号点到5号点的最短距离是5,对应的路径是1 -> 2 -> 4 -> 5,并不是真正的最短距离
简单来说,有负权边不能使用 Dijkstra 算法的原因就是:每个点第一次被确定后st[j] = true,dist[j]就是最短距离了,之后就不能再被更新了(一锤子买卖),而如果有负权边的话,那已经确定的点的dist[j]不一定是最短了。
“松弛”
以某一顶点 为中心进行扩展,例如该顶点的出边有 2 -> 3 和 2 -> 4 这两条边,我们逐一比较看看能不能使 顶点1 到 顶点3 或者顶点4 的距离变短,这个进程的专业术语叫做 “松弛” 。
bellman- ford算法
之后满足
外循环的作用
对所有边进行松弛操作的次数(第 i 次的意义:边数为 i 条的最短路径)
那又是为什么呢?(这个想了很久,因为所有文章都是解释到上面就没接着解释了)如图:
我们模拟一下可以发现,第一次循环时,对所有边松弛之后只有编号 1 的邻节点2、5的 dist 发生更新, 因为初始除了 1 其他结点的 dist 都是 +∞,
- 对于 1 的邻节点 2、5:
从+∞ 更新成 w (无论 w正负一定比 +∞ 小)
- 对于除 1 的邻节点即除 2、5之外的点:
对于正权边,如2-3、3-4等,一定不会更新 dist 值,因为相当于在 +∞上继续+,肯定更大;
对于负权边,(假设图上有),只更新成 +∞ - w,如果最短路存在的情况下,一定不是最终的 dist
因此第一次循环只有迈一步的点(2、5)松弛成功。
第二次循环,在第一次循环时松弛成功的 2、5两个点的基础上继续松弛。同理,只有迈两步的点会松弛成功。以此类推,循环k次就表示迈 k 步的点松弛成功,也就是路径更新完成,也就是从 1 号点到 n 号点的最多经过 k 条边的最短距离。
数组备份
这里的 dist[a] 在实际算法中要改成 back[a] ,即在第二层循环内:
dist[b] = min(dist[b], backup[a] + w);
原因:避免串联。
串联是什么?
先举个栗子。如图,在边数限制为 1 的情况下,节点3的距离应该是3,但是由于串联情况,利用本轮更新的节点2更新了节点3的距离,所以现在节点3的距离是2。
正确做法是用上轮节点2更新的距离——无穷大,来更新节点3, 再取最小值,所以节点3离起点的距离是3。
刚才解释了外循环的意义,也就是说,在同一轮外循环里,允许的最长路径条数(如图是1)是一样的,如果先更新了2号点,再用2号点更新了3号点,那3 允许的最长路径条数就不对了,这样就发生了“串联”。
怎么保证不发生串联呢?
我们保证更新的时候只用上一次循环的结果就行。因为上一轮循环允许的最长路径条数会小1,这一轮+1刚好满足不超出允许的最长路径条数。所以我们先备份一下。备份之后backup数组存的就是上一次循环的结果,我们用上一次循环的结果来更新距离。其实和 dp 背包问题滚动数组那一题有点像,就是同一轮循环更新别的点的时候,需要用到的数据不能“太新了”,得用上一轮的旧数据。比如我这一轮会更新b点,然而 b 点的更新会用到 a 点, 但是 a 点本轮也会更新并且在 b 之前就更新,等到了 b 的时候 a “太新了”,这样就会出错。在今后在考虑其他问题的时候也要注意到这点。
代码实现
上面思路了解清楚后代码就比较简单了。别的细节已经写在注释里。注意,c的结构体在java中都可以用类转换
import java.io.BufferedReader;
import java.io.InputStreamReader;
import java.util.Arrays;
public class _853 {
static int N = 510;
static int M = 10010;
static int n,m,k; //输入的图的点数和边数和限制的最多边数
static int dist[] = new int[N]; //存储某点到编号为1的点的最短路径的值
static int backup[] = new int[N]; //备份数组,存储上一轮循环的 dist
static Edge edges[] = new Edge[M]; //存储边的数组
public static void bellmanford(){
Arrays.fill(dist, 0x3f3f3f3f); //将 dist 初始化为正无穷
dist[1] = 0;
for (int i = 0; i < k; i++) {
backup = Arrays.copyOf(dist, n + 1); //拷贝上一轮的dist当备份,本轮用
for (int j = 0; j < m; j++) {
int a = edges[j].a;
int b = edges[j].b;
int w = edges[j].w;
dist[b] = Math.min(dist[b], backup[a] + w);
}
}
if (dist[n] > 0x3f3f3f3f/2)
//此处不是 ==0x3f3f3f3f的原因是:0x3f3f3f3f是一个确定的值,并非真正的无穷大
// dist[n]有可能确实被更新了(因为有负权边)但实际上并不存在最短路
// 因为如果存在,一定是在 k 条边以内,dist值一定是一个确定的不那么大的值
System.out.println("impossible");
else
System.out.println(dist[n]);
}
public static void main(String[] args) throws Exception {
BufferedReader bf = new BufferedReader(new InputStreamReader(System.in));
String s[] = bf.readLine().split(" ");
n = Integer.parseInt(s[0]);
m = Integer.parseInt(s[1]);
k = Integer.parseInt(s[2]);
for (int i = 0; i < m; i++) {
String s1[] = bf.readLine().split(" ");
int a = Integer.parseInt(s1[0]);
int b = Integer.parseInt(s1[1]);
int w = Integer.parseInt(s1[2]);
edges[i] = new Edge(a,b,w);
}
bellmanford();
}
}
class Edge{
int a;
int b;
int w;
public Edge(int a, int b, int w) {
this.a = a;
this.b = b;
this.w = w;
}
}
SPFA
851.spfa求最短路(!存疑)
与上一题的区别是,数据保证不存在负权回路。
输入格式:第一行包含整数 n 和 m。接下来 m 行每行包含三个整数 x,y,z,表示存在一条从点 x 到点 y 的有向边,边长为 z。
输出格式:输出一个整数,表示 1 号点到 n 号点的最短距离。如果路径不存在,则输出
impossible
。数据范围:1≤n,m≤10^5,图中涉及边长绝对值均不超过 10000。
输入样例:
3 3 1 2 5 2 3 -3 1 3 4
输出样例:
2
思路分析
spfa相当于是bellman-ford 算法的优化。观察:
我们可知,只有当 dist[a] 变小时,dist[b] 才会被更新。于是我们定义一个队列 q:
因为只有 dist 变小的点,才有可能在之后再更新其他点的 dist。因此只有松弛成功的点才加入队列。
代码实现(部分)
把850的代码抄过来,把Dijkstra方法改成spfa。
static Queue<Integer> queue = new LinkedList<Integer>();
public static void spfa(){
Arrays.fill(dist,0x3f3f3f3f); //初始化将最短路设为无穷大(少一个3f就会有测试点不过)
dist[1] = 0; //编号为 1 的点的最短路径是0
queue.add(1);
st[1] = true; //编号1的节点已在队列中
while (!queue.isEmpty()){
int t = queue.poll(); //弹出队头
st[t] = false;
for (int i = h[t];i != -1;i = ne[i]){ //i是遍历节点t的所有出边
int j = e[i]; //j是出边对应的终点
if (dist[j] > dist[t] + w[i]){ //松弛成功
dist[j] = dist[t] + w[i];
if (!st[j]) { //如果j不在队里
queue.add(j);
st[j] = true;
}
}
}
}
if (dist[n] != 0x3f3f3f3f)
System.out.println(dist[n]);
else
System.out.println("impossible");
}
852.spfa判断负环
给一个 n 个点 m 条边的有向图,可能存在重边和自环, 边权可能为负数。判断图中是否存在负权回路。
输入格式:第一行包含整数 n 和 m。接下来 m 行每行包含三个整数 x,y,z,表示存在一条从点 x 到点 y 的有向边,边长为 z。
输出格式:如果图中存在负权回路,则输出
Yes
,否则输出No
。数据范围:1≤n≤2000,1≤m≤10000,图中涉及边长绝对值均不超过 10000。
输入样例:
3 3 1 2 -1 2 3 4 3 1 -4
输出样例:
Yes
思路分析
定义一个 cnt 数组,记录某点到编号为1的点的最短路径经过的边数。如果 cnt[i] >= n,说明结点1经过 n条边以上才到达结点 i,那就意味着这整条路径(含起点终点)一共有 n+1 以上个点。图中总共就 n 个点,说明结点 i 的最短路径上有重复的点,即存在环,那就一定是负环(只有负环 最短路径才会被更新)。
细节:开始要把所有点都进队。(如果在上一题采取此也能ac)(具体为什么此处存疑)
代码实现(部分)
static int cnt[] = new int[N]; //存储某点到编号为1的点的最短路径经过的边数
public static boolean spfa(){
//所有点进队
for (int i = 1; i <= n; i++) {
st[i] = true;
queue.add(i);
}
while (!queue.isEmpty()){
int t = queue.poll(); //弹出队头
st[t] = false;
for (int i = h[t];i != -1;i = ne[i]){ //i是遍历节点t的所有出边
int j = e[i]; //j是出边对应的终点
if (dist[j] > dist[t] + w[i]){ //松弛成功
dist[j] = dist[t] + w[i];
cnt[j] = cnt[t] + 1; //最短路径经过的边数+1
if (cnt[j] >= n)
return true;
if (!st[j]) { //如果j不在队里
queue.add(j);
st[j] = true;
}
}
}
}
return false;
}
Floyd
854.Floyd求最短路
给定一个 n 个点 m 条边的有向图,图中可能存在重边和自环,边权可能为负数。再给定 k 个询问,每个询问包含两个整数 x 和 y,表示查询从点 x 到点 y 的最短距离,如果路径不存在,则输出
impossible
。数据保证图中不存在负权回路。输入格式:第一行包含三个整数 n,m,k。接下来 m 行,每行包含三个整数 x,y,z,表示存在一条从点 x 到点 y 的有向边,边长为 z。接下来 k 行,每行包含两个整数 x,y,表示询问点 x 到点 y 的最短距离。
输出格式:共 k 行,每行输出一个整数,表示询问的结果,若询问两点间不存在路径,则输出
impossible
。数据范围:1≤n≤200,1≤k≤n^2,1≤m≤20000,图中涉及边长绝对值均不超过 10000。
输入样例:
3 3 2 1 2 1 2 3 2 1 3 1 2 1 1 3
输出样例:
impossible 1
思路分析
dp问题分析
f[k] [i] [j] = min(f[k−1] [i] [j] , f[k−1] [i] [k]+f[k−1] [k] [j])
状态转移方程:
dist[i][j] = min(dist[i][j],dist[i][k] + dist[k][j])
解释:
根据上述公式,令 j = k得:f[k] [i] [k] = f[k-1] [i] [k];令 i=k 得:f[k] [k] [j] = f[k-1] [k] [j]。
代入得:f[k] [i] [j] = min(f[k−1] [i] [j], f[k] [i] [k]+f[k] [k] [j])
由于到本轮计算f[k]时,f[k-1]就是上一轮的结果,所以可以去掉最外层循环:f [i] [j] = min(f [i] [j], f [i] [k]+f[k] [j])
代码实现
package acwing.SearchAndGraph.ShortestPath.Floyd;
import java.io.BufferedReader;
import java.io.InputStreamReader;
import java.util.Arrays;
public class _854 {
static int N = 210;
static int n,m,k;
static int INF = (int)1e9;
static int[][] d = new int[N][N];
public static void Floyd(){
for (int p = 1; p <= n ; p++)
for (int i = 1; i <= n ; i++)
for (int j = 1; j <= n; j++)
d[i][j] = Math.min(d[i][j],d[i][p] + d[p][j]);
}
public static void main(String[] args) throws Exception{
BufferedReader bf = new BufferedReader(new InputStreamReader(System.in));
String s[] = bf.readLine().split(" ");
n = Integer.parseInt(s[0]);
m = Integer.parseInt(s[1]);
k = Integer.parseInt(s[2]);
//初始化邻接矩阵
for (int i = 1; i <= n ; i++) {
for (int j = 1; j <= n; j++) {
if (i == j)
d[i][j] = 0;
else
d[i][j] = INF;
}
}
//邻接矩阵存储输入的图信息
for (int i = 0; i < m; i++) {
String s1[] = bf.readLine().split(" ");
int x = Integer.parseInt(s1[0]);
int y = Integer.parseInt(s1[1]);
int z = Integer.parseInt(s1[2]);
d[x][y] = Math.min(d[x][y],z);
}
Floyd();
for (int i = 0; i < k; i++) {
String s2[] = bf.readLine().split(" ");
int x = Integer.parseInt(s2[0]);
int y = Integer.parseInt(s2[1]);
if (d[x][y] > INF/2)
System.out.println("impossible");
else
System.out.println(d[x][y]);
}
}
}