整体框架
朴素Dijkstra
时间复杂度O(n² + m),n 表示点数,m 表示边数
适用场景
单源最短路 + 只有正权边 + 稠密图
模拟思路
-
创建一个布尔类型数组st,用于记录每个顶点的访问状态。初始化数组中所有元素为未访问状态false。
-
创建一个整型数组dist,用于记录从起始顶点到每个顶点的最短路径长度。初始化数组中所有元素为无穷大。
-
将起始顶点的最短路径长度设置为0。
-
对于图中的每个顶点,执行n次以下循环(其中n为顶点数量):
a. 在未访问的顶点中,选择距离起始顶点最近的顶点,将其标记为已访问。
b.如果通过当前顶点可以获得更短的路径长度,则更新dist数组中对应顶点的值。
-
最终,dist数组中存储了从起始顶点到每个顶点的最短距离。
算法模板
int g[N][N]; // 存储每条边
int dist[N]; // 存储1号点到每个点的最短距离
bool st[N]; // 存储每个点的最短路是否已经确定
// 求1号点到n号点的最短路,如果不存在则返回-1
int dijkstra()
{
memset(dist, 0x3f, sizeof dist);
dist[1] = 0;
for (int i = 0; i < n - 1; i ++ )
{
int t = -1; // 在还未确定最短路的点中,寻找距离最小的点
for (int j = 1; j <= n; j ++ )
if (!st[j] && (t == -1 || dist[t] > dist[j]))
t = j;
// 用t更新其他点的距离
for (int j = 1; j <= n; j ++ )
dist[j] = min(dist[j], dist[t] + g[t][j]);
st[t] = true;
}
if (dist[n] == 0x3f3f3f3f) return -1;
return dist[n];
}
堆优化Dijkstra
时间复杂度O(mlogn),n 表示点数,m 表示边数
适用场景
单源最短路 + 只有正权边 + 稀疏图
模拟思路
-
创建一个整型数组dist,用于记录从起始顶点到每个顶点的最短路径长度。初始化数组中所有元素为无穷大。
-
将起始顶点的最短路径长度设置为0。
-
创建一个最小堆heap,用于选择当前最短距离的顶点。并将起始顶点及其距离0加入堆中。
-
当最小堆不为空时,执行以下循环:
a. 弹出堆顶元素,即距离最短的顶点。
b. 如果顶点已经确认了最短距离,忽略该顶点进行下一次循环。
c. 遍历其邻接顶点,如果邻接顶点未访问过且通过当前顶点可以获得更短的距离,则更新dist数组中邻接顶点的距离,并将邻接顶点及其距离加入最小堆。
-
最终,dist数组中存储了从起始顶点到每个顶点的最短距离。
算法模板
typedef pair<int, int> PII;
int n; // 点的数量
int h[N], w[N], e[N], ne[N], idx; // 邻接表存储所有边
int dist[N]; // 存储所有点到1号点的距离
bool st[N]; // 存储每个点的最短距离是否已确定
// 求1号点到n号点的最短距离,如果不存在,则返回-1
int dijkstra()
{
memset(dist, 0x3f, sizeof dist);
dist[1] = 0;
priority_queue<PII, vector<PII>, greater<PII>> heap;
heap.push({0, 1}); // first存储距离,second存储节点编号
while (heap.size())
{
auto t = heap.top();
heap.pop();
int ver = t.second, distance = t.first;
if (st[ver]) continue;
st[ver] = true;
for (int i = h[ver]; i != -1; i = ne[i])
{
int j = e[i];
if (dist[j] > distance + w[i])
{
dist[j] = distance + w[i];
heap.push({dist[j], j});
}
}
}
if (dist[n] == 0x3f3f3f3f) return -1;
return dist[n];
}
Bellman-Ford
时间复杂度O(nm),n 表示点数,m 表示边数
适用场景
单源最短路 + 负权边 + 有边数限制
算法模板
int n, m; // n表示点数,m表示边数
int dist[N]; // dist[x]存储1到x的最短路距离
int backup[N]; // 备份数组
struct Edge // 边,a表示出点,b表示入点,w表示边的权重
{
int a, b, w;
}edges[M];
// 求1到n的最短路距离,如果无法从1走到n,则返回-1。
int bellman_ford()
{
memset(dist, 0x3f, sizeof dist);
dist[1] = 0;
// 如果第n次迭代仍然会松弛三角不等式,就说明存在一条长度是n+1的最短路径,由抽屉原理,路径中至少存在两个相同的点,说明图中存在负权回路。
for (int i = 0; i < n; i ++ )
{
memcpy(backup, dist, sizeof dist);
for (int j = 0; j < m; j ++ )
{
int a = edges[j].a, b = edges[j].b, w = edges[j].w;
dist[b] = min(dist[b], backup[a] + w);
}
}
if (dist[n] > 0x3f3f3f3f / 2) return -1;
return dist[n];
}
SPFA
时间复杂度 平均情况下O(m),最坏情况下 O(nm),n 表示点数,m 表示边数
适用场景
单源最短路 + 负权边
模拟思路
-
创建一个整型数组dist,用于记录从起始顶点到每个顶点的最短路径长度。初始化数组中所有元素为无穷大。
-
创建一个布尔类型的st数组,用于记录每个顶点是否在队列中。初始化数组中所有元素为未访问状态false。
-
创建一个队列来存储待访问的顶点。
-
将起始顶点的最短路径长度设置为0,并将其标记为已经入队。
-
在队列不为空的情况下,执行以下循环:
a.出队队首元素,将其状态修改为不在队列中。
b.遍历其邻接顶点,如果邻接顶点未访问过且通过当前顶点可以获得更短的距离,则更新distance数组中邻接顶点的距离,并且如果该邻接顶点不在队列中,则将其加入队列,并将其标记为已经入队。
-
最终,distance数组中存储了从起始顶点到每个顶点的最短距离。
算法模板
int n; // 总点数
int h[N], w[N], e[N], ne[N], idx; // 邻接表存储所有边
int dist[N]; // 存储每个点到1号点的最短距离
bool st[N]; // 存储每个点是否在队列中
// 求1号点到n号点的最短路距离,如果从1号点无法走到n号点则返回-1
int spfa()
{
memset(dist, 0x3f, sizeof dist);
dist[1] = 0;
queue<int> q;
q.push(1);
st[1] = true;
while (q.size())
{
auto t = q.front();
q.pop();
st[t] = false;
for (int i = h[t]; i != -1; i = ne[i])
{
int j = e[i];
if (dist[j] > dist[t] + w[i])
{
dist[j] = dist[t] + w[i];
if (!st[j]) // 如果队列中已存在j,则不需要将j重复插入
{
q.push(j);
st[j] = true;
}
}
}
}
if (dist[n] == 0x3f3f3f3f) return -1;
return dist[n];
}
floyd
时间复杂度O(n³),n 表示点数
适用场景
多源汇最短路
模拟思路
-
创建一个二维数组 dist,用于存储任意两个顶点之间的最短路径长度。初始化数组中对角线元素为0,非对角线元素为无穷大。
-
对于图中的每个顶点 k,执行 n 次以下循环(其中 n 为顶点数量):
a.对于每对顶点 i 和 j,进行以下循环:
如果从顶点 i 到顶点 k 经过顶点 j 的路径长度比当前的最短距离小,则更新dist数组中对应顶点的值。
-
最终,dist数组中存储了从起始顶点到每个顶点的最短距离。
算法模板
初始化:
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;
// 算法结束后,d[a][b]表示a到b的最短距离
void floyd()
{
for (int k = 1; k <= n; k ++ )
for (int i = 1; i <= n; i ++ )
for (int j = 1; j <= n; j ++ )
d[i][j] = min(d[i][j], d[i][k] + d[k][j]);
}