图中最短路径的三种求法

//Floyd算法

傻子也能看懂的弗洛伊德算法

//dijkstra算法

基本事实:
由于小根堆的存在,每次到达某顶点x时，dis[x]一定是最小的值，也就是此时x一定在从起点s—x的最短路径上;
此处的到达指的是出队时的x,而遍历邻接顶点得到的dis[v[i]]暂时还不一定是最小，后续还可能会对它更新;

求最短路径即为对于当前路径长度的单调递增;每次都到达的点一定是比之前距离刚刚增加一点点的那个点,所以随着我们不断维护这个距离的单调递增，一旦找到了终点，最短距离就找到了。

变形：

此时到达的x一定是位于从s—x的路径上，且这条路径的最大权值最小;
有点类似于贪心或者说是对于所求目的的单调递增：

对于变形的问题，即为对于当前路径中的最大权值的单调递增；我们要不断选择可以使得最大权值不增加或者增加最小的那个点，使得当前的最大权值在单调的慢慢的递增，直到找到了终点，那这条路径也找到了;

还有多种变形方法：
如果要求找到一条要求满足f(e1,e2,e3,e4…en)最小的路径;我们只需要在不断找边的时，使得f(e)函数单调递增，直到找到终点即可；

visit数组起到的作用：
当点x出队后，对其标记，防止其再次出队；
与基本事实相对应，当x出队时，此时的dis[x]即是对于x的最小距起点距离，但有可能存在环路使得后续重回绕回x，这样的距离一定不是最短的，所以为了摒弃这种情况，加上visit数组；
进一步想，若此时图中存在负边：

我们让距离单调递增:
dis[s]=0;
dis[x]=1;
dis[y]=2;
当y出队时，不对劲了，我们发现s–y--x的距离为-1比之前小；应当更新为最短距离，但是由于visit数组的存在，dis[x]虽然被更新，但是它不能再次出队，所以更新也就无意思，也就得不到真正的最短距离：
换句话说，当图中出现负边时，dis数组将没法满足单调递增的效果(因为会突然出现一个负数)，所以dijkstra不适合负权图;

//如何写出最短路径：
根据基本事实，我们可以在出队的时候给pre数组赋值，用last保存上一个节点，pre[x]=last；得到路径时只需倒推pre[终点];

//当程序结束后，任意的dis[x]存的一定是x距离起点的最短距离吗？
如果退出循环条件为到达终点就break;则任意dis[i]的值不一定为最短路径;
但是若依靠队列为空退出循环，任意dis[i]的值一定为最短路径;

//针对此csp题目：
还可使用二分答案方法：
l=最小边 r=最大边;
mid=(l+r)/2;
void judge()
{
去掉比mid大的所有边；
判断当前的图是否存在一条从起点到终点的路径；
（bfs或者dfs）
}
//充分利用dis数组意义：

方法一：
因为只能用一张商业票，每张商业票有起点和终点；
分别对起点和终点使用dijkstra算法;
得到两个数组dis1[i] dis2[j];
分别表示i距离起点的距离和j距离终点的距离;
枚举所有的商业票：起点：u 终点：v 权值 w
所以总距离=dis1[u]+dis2[v]+w;
然后比一比就可以了；
方法二：
创建二维数组dis[n][2];
dis[i][0]表示i到起点还未使用商业票的最短距离；
dis[i][1]表示i到起点已经使用商业票的最短距离；
仍然是按照距离单调递增的顺序找新的节点，
若dis[x][1]==inf
即到x的这条路径还没走过商业线；
所以对它的邻接顶点赋值的时候要考虑商业线和经济线;
若dis[x][1]!=inf
即只能考虑经济线；
最终得到的min(dis[v][1],dis[v][0])即为答案;

//Bellman ford算法


//spfa算法放弃了最小堆这个数据结构，即不再单调递增距离；
所以可以处理负权图，但是while循环的遍历次数可能会增加；
标记数组判断也不一样————————待续