最短路
无向图和有向图的最短路没有区别,因为无向图就是特殊一点的有向图,连两次边就可以了。
权重存在子节点上
主要分为两类:(源点就是起点,汇点就是终点)
- 单源点最短路:求一个点到其他所有点的最短距离,又分为所有边权都是正数和存在负权边两种情况。
- 多源汇最短路:求一个点到另一个点的最短距离(起点和终点都不确定)
n 是点的数量,m 是边的数量。
如果 m 和 n2 一个级别----稠密图,邻接矩阵存
如果 m 和 n 一个级别----稀疏图 ,邻接表存
SPFA 是 Bellman-Ford 的一种优化,存在负权边一般是用SPFA,但是如果有 "经过的边数不能超过 k "这样的限制,那就只能用 Bellman-Ford。
最短路的题目难点在于如何这个题目抽象成最短路,建图,确定源点,终点,选择相应模板解决该题。
朴素Dijkstra算法
集合 S:存储所有当前已经确定最短距离的点
步骤:
(1)初始化距离,dist[1] = 0, 1 号点到其他点的距离是 0,其他所有点 dist[i] = 正无穷。
(2)最短距离:1号点到当前这个点的最短距离。
for(i = 1 ~ n){
每次循环确定一个点到起点的最短路
每次贪心的寻找不在S中的距离起点最近的点t
S.add(t)
用t更新其他点到起点的距离
}循环结束,确定完所有点到起点的最短距离
例子:
例题1:849. Dijkstra求最短路 I
注意:若要求任意点i到任意个点j的最短距离,只需修改 dijkstra 方法中的起源位置dist[i] = 0,以及返回为 dist[j]
是稠密图。
因为权都是正的,所以最短路一定不会出现在自环中,对于重边,只保留权最小的边。
import java.io.BufferedReader;
import java.io.InputStreamReader;
import java.util.Arrays;
public class Main {
static int N = 510;
static int INF = Integer.MAX_VALUE >> 1;
static int n;
static int m;
static int[][] g = new int[N][N];
static int[] dist = new int[N];//dist[i]表示起点到i的距离
static boolean[] st = new boolean[N];//st[i]表示i号点是否已经确定完
public static void main(String[] args) throws Exception {
BufferedReader br = new BufferedReader(new InputStreamReader(System.in));
String[] s1 = br.readLine().split(" ");
n = Integer.parseInt(s1[0]);
m = Integer.parseInt(s1[1]);
//初始化邻接矩阵
for(int i = 1;i <= n;i++) {
for(int j = 1;j <= n;j++) {
if(i == j) {
g[i][j] = 0;
}else {
g[i][j] = INF;
}
}
}
while(m-- > 0) {
String[] s2 = br.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);//只存权最小的
}
int t = dijkstra();
System.out.println(t);
}
private static int dijkstra() {
Arrays.fill(dist, INF);//初始化为正无穷
dist[1] = 0;
for(int i = 0;i < n;i++) {
//迭代n次
//找距离起点最近的点t
int t = -1;
for(int j = 1;j <= n;j++) {
//遍历所有节点
if(!st[j] && (t == -1 || dist[t] > dist[j])) {
t = j;
}
}
if(t == n) break;//小优化,找到n可以提前退出迭代,可以不写
//放入s中
st[t] = true;
//用t更新
for(int j = 1;j <= n;j++) {
//下面用到了加法,所以如果INF=MAX_VALUE的话可能会溢出
dist[j] = Math.min(dist[j], dist[t] + g[t][j]);//t到起点,t到j的距离和
}
}
if(dist[n] == INF) return -1;
return dist[n];
}
}
堆优化的Dijkstra
前面的朴素法,步骤二中具体每一行的时间复杂度:
for(i = 1 ~ n){
O(n)
每次贪心的寻找不在S中的距离起点最近的点t----for(节点编号j = 1--n) O(n)
S.add(t) O(1)
用t更新其他点到起点的距离 O(n)
}循环结束,确定完所有点到起点的最短距离
之所以总体是O(n2),关键就在于内层的 for,因为外层的 for 没法优化,内层的 for 目的是在一堆数中找一个最值嘛,所以可以通过堆来优化成 O(1),在堆中修改一个数需要O(logn)来维护堆,所以优化之后的时间复杂度:
注意,稀疏图使用堆优化的 Dijkstra,此时采用邻接表存储图。
看代码可以分析出,最终时间复杂度是O(mlogn)
堆:手写堆或者用优先队列,不用手写了,直接用优先队列
例题2:850. Dijkstra求最短路 II
用邻接表的话重边就无所谓了
import java.io.BufferedReader;
import java.io.InputStreamReader;
import java.util.Arrays;
import java.util.Comparator;
import java.util.PriorityQueue;
public class Main {
static int N = 150010;
static int INF = Integer.MAX_VALUE >> 1;
static int n;
static int m;
static int[] h = new int[N];//N为顶点数
static int[] e = new int[N];//N为边数
static int[]