给定一个 n𝑛 个点 m𝑚 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 11 号点到 n𝑛 号点的最短距离,如果无法从 11 号点走到 n𝑛 号点,则输出 −1−1。
输入格式
第一行包含整数 n𝑛 和 m𝑚。
接下来 m𝑚 行每行包含三个整数 x,y,z𝑥,𝑦,𝑧,表示存在一条从点 x𝑥 到点 y𝑦 的有向边,边长为 z𝑧。
输出格式
输出一个整数,表示 11 号点到 n𝑛 号点的最短距离。
如果路径不存在,则输出 −1−1。
数据范围
1≤n≤5001≤𝑛≤500,
1≤m≤1051≤𝑚≤105,
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
适合有向图,无负权边
算法一:堆优化版-->heapq
适合稀疏图
思路:
用一个 dist 数组保存源点到其余各个节点的距离,dist[i] 表示源点到节点 i 的距离。初始时,dist 数组的各个元素为无穷大。
用一个状态数组 state 记录是否找到了源点到该节点的最短距离,state[i] 如果为真,则表示找到了源点到节点 i 的最短距离,state[i] 如果为假,则表示源点到节点 i 的最短距离还没有找到。初始时,state 各个元素为假。
遍历 i 所有可以到达的节点 j,如果 dist[j] 大于 dist[i] 加上 i -> j 的距离,即 dist[j] > dist[i] + w[i][j](w[i][j] 为 i -> j 的距离) ,则更新 dist[j] = dist[i] + w[i][j]。
import heapq
n, m = map(int, input().split())
g = [[]for _ in range(n+1)]
for _ in range(m):
u, v, w = map(int, input().split())
g[u].append((v, w))
# print(g)
# dist表示起点到任意一个节点的最短距离,初始为无穷大
dist = [float('inf')] * (n+1)
# st表示每个节点是否已经被访问
st = [False] * (n+1)
def dijkstra(s):
dist[s] = 0 # 这是起点s到自身的距离
q = [(dist[s],s)]
while q:
# 弹出
d, u = heapq.heappop(q)
if st[u]:
continue # 如果该节点已经被确认最短路径了就跳过
st[u] = True
for v, w in g[u]:
if not st[v] and dist[v] > dist[u] + w:
dist[v] = dist[u] + w
heapq.heappush(q,(dist[v], v))
dijkstra(1) # 从初始节点开始进行算法
# print(dist)
print(dist[n])
算法二:朴素版
适合稠密图(连线很多的时候)
- 从起点节点 1 开始,迭代 n 次以构建最短路径树。
- 在每次迭代中,选择当前距离最短且尚未加入最短路径树的节点 t。
- 将节点 t 加入最短路径树,并更新从节点 t 出发的所有相邻节点的最短距离。
- 最后判断是否可以从起点到达终点 n,若可以则返回最短距离,否则返回 -1。
n, m = map(int, input().split())
g = [[float('inf')]*(n+1)for _ in range(n+1)]
for _ in range(m):
u, v, w = map(int, input().split())
# 对于有向图
g[u][v] = min(g[u][v], w) # 只存最小值
# print(g)
# dist表示起点到任意一个节点的最短距离,初始为无穷大
dist = [float('inf')] * (n+1)
# st表示每个节点是否已经被访问
st = [False] * (n+1)
def dijkstra():
dist[1] = 0 # 初始化到自身的距离
for i in range(n):
t = -1
for j in range(1, n+1):
if not st[j] and (t == -1 or dist[j]<dist[t]):
t = j
st[t] = True
# 更新从节点t出发的所有相邻节点的最短距离
for j in range(1, n+1):
dist[j] = min(dist[j], dist[t]+g[t][j])
if dist[n] == float('inf'):
return -1
else:
return dist[n]
print(dijkstra())