图的表示方法
最常用的表示图的方法是邻接矩阵与邻接表。
邻接矩阵表示法
设G是一个有n(n>0)个顶点的图,V(G)={v1, v2, …, vn},则邻接矩阵AG是一个n阶二维矩阵。在该矩阵中,如果vi至vj有一条边,则(i, j)项的值为1,否则为0,即:
邻接矩阵的实现很简单:
int edge[n][n]={0};
for(...){
...
//无向图的邻接矩阵表示
edge[node1][node2]=1;
edge[node2][node1]=1;
}
邻接表表示法
设G是一个有n(n>0)个顶点的图,V(G)={v1, v2, …, vn}。在邻接表中,每个顶点v都对应着一个链表,该链表的每个节点都包含一个顶点u,且(v, u)∈E(G)。因为图中有n个顶点,所以可以利用一个长度为n的数组A,A(i)指向第i个顶点对应的链表的第一个节点,链表由顶点vi的全部邻接顶点组成。
实现邻接表时,可以不用链表,而是用vector数组的形式。
vector<int> adj[MAX];
for(int i=1;i<=n-1;i++) {
cin>>a>>b;
//构建无向图的邻接表
adj[a].push_back(b);
adj[b].push_back(a);
}
其中,adj[i]是一个vector,它记录了结点i连通的所有结点。
链表的实现方法:
#include<bits/stdc++.h>
using namespace std;
const int MAX_N=110;
const int MAX_M=110;
struct edge{
int v,next;
}E[MAX_M];
int p[MAX_N],eid;
void init()
{
memset(p,-1,sizeof(p));
eid=0;
}
void insert(int u,int v)
{
E[eid].v=v;
E[eid].next=p[u];
p[u]=eid++;
}
int main()
{
init();
int n,m;
cin>>n>>m;
int a,x,y;
for(int i=1;i<=m;i++)
{
cin>>a>>x>>y;
insert(x,y);
insert(y,x);
}
for(int i=0;i<n;i++)
{
cout<<i<<":";
for(int j=p[i];j+1;j=E[j].next)
{
cout<<" "<<E[j].v;
}
cout<<endl;
}
return 0;
}
Dijkstra算法
Dijkstra算法算是贪心思想实现的,首先把起点到所有点的距离存下来找个最短的,然后松弛一次再找出最短的,所谓的松弛操作就是,遍历一遍看通过刚刚找到的距离最短的点作为中转站会不会更近,如果更近了就更新距离,这样把所有的点找遍之后就存下了起点到其他所有点的最短距离。
#include<cstdio>
#include<cstring>
#include<algorithm>
#include<iostream>
#define Inf 0x3f3f3f3f
using namespace std;
int map[1005][1005];
int vis[1005],dis[1005];
int n,m;//n个点,m条边
void Init ()
{
memset(map,Inf,sizeof(map));
for(int i=1;i<=n;i++)
{
map[i][i]=0;
}
}
void Getmap()
{
int u,v,w;
for(int t=1;t<=m;t++)
{
scanf("%d%d%d",&u,&v,&w);
if(map[u][v]>w)
{
map[u][v]=w;
map[v][u]=w;
}
}
}
void Dijkstra(int u)
{
memset(vis,0,sizeof(vis));
for(int t=1;t<=n;t++)
{
dis[t]=map[u][t];
}
vis[u]=1;
for(int t=1;t<n;t++)
{
int minn=Inf,temp;
for(int i=1;i<=n;i++)
{
if(!vis[i]&&dis[i]<minn)
{
minn=dis[i];
temp=i;
}
}
vis[temp]=1;
for(int i=1;i<=n;i++)
{
if(map[temp][i]+dis[temp]<dis[i])
{
dis[i]=map[temp][i]+dis[temp];
}
}
}
}
int main()
{
scanf("%d%d",&m,&n);
Init();
Getmap();
Dijkstra(n);
printf("%d\n",dis[1]);
return 0;
}
Bellman-Ford算法思想
Dijkstra算法的局限性
像上图,如果用dijkstra算法的话就会出错,因为如果从1开始,第一步dist[2] = 7, dist[3] = 5;在其中找出最小的边是dist[3] = 5;然后更新dist[2] = 0,最终得到dist[2] = 0,dist[3] = 5,而实际上dist[3] = 2;所以如果图中含有负权值,dijkstra失效
有些图结构中会存在负权边,用于表达通过某条途径可以降低总消耗,在有向图中,负权边不一定会形成负权回路,所以在一些计算最短路径算法中,负权边也可以计算出最短路径;在无向图中,负权边就意味着负权回路,所以无向图中不能存在负权边
BF可以解决有负权边的问题,但不能解决含有负环的问题
Bellman - ford算法是求含负权图的单源最短路径的一种算法,效率较低,代码难度较小。其原理为连续进行松弛,在每次松弛时把每条边都更新一下,若在n-1次松弛后还能更新,则说明图中有负环,因此无法得出结果,否则就完成。
适用前提:没有负环(或称为负权值回路),因为有负环的话距离为负无穷。
构造一个最短路径长度数组序列dist1[u] dist2[u]...distn-1[u],其中:
dist1[u]为从源点v0出发到终点u的只经过一条边的最短路径长度,并有dist1[u] = Edge[v0][u]
dist2[u]为从源点v0出发最多经过不构成负权值回路的两条边到终点u的最短路径长度
dist3[u]为从源点v0出发最多经过不构成负权值回路的三条边到终点u的最短路径长度
................
distn-1[u]为从源点v0出发最多经过不构成负权值回路的n-1条边到终点u的最短路径长度
算法最终目的是计算出distn-1[u],即为源点到顶点u的最短路径长度
初始:dist1[u] = Edge[v0][u]
递推:distk[u] = min(distk-1[u], min{distk-1[j] + Edge[j][u]})(松弛操作,迭代n-2次)
本质思想:
在从distk-1[u]递推到distk[u]的时候,Bellman-Ford算法的本质是对每条边<u, v>进行判断:设边<u, v>的权值为w(u, v),如果边<u, v>的引入会使得distk-1[v]的值再减小,就要修改distk-1[v],即:如果distk-1[u] + w(u, v) < distk-1[v],,那么distk[v] = distk-1[u] + w(u, v),这个称为一次松弛
所以递推公式可改为:
初始:dist0[u] = INF dist0[v0] = 0(v0是源点)
递推:对于每条边(u, v) distk[v] = min(distk-1[v], distk-1[u] + w(u, v))(松弛操作,迭代n-1次)
如果迭代n-1次后,再次迭代,如果此时还有dist会更新,说明存在负环。
无负环的时候,迭代更新次数最多为n-1次,所以设置一个更新变量可以在不更新的时候直接跳出循环
拓展:
Bellman-Ford算法还能用来求最长路或者判断正环,思路是dist数组含义是从原点出发到其他每个顶点的最长路径的长度,初始时,各个顶点dist为0,在从distk-1[u]递推到distk[u]的时候,Bellman-Ford算法的本质是对每条边<u, v>进行判断:设边<u, v>的权值为w(u, v),如果边<u, v>的引入会使得distk-1[v]的值再增加,就要修改distk-1[v],即:如果distk-1[u] + w(u, v) > distk-1[v],,那么distk[v] = distk-1[u] + w(u, v)。例题:POJ-1860
4.代码实现:时间复杂度O(nm)(n为点数,m为边数)
输入:
7 10
0 1 6
0 2 5
0 3 5
1 4 -1
2 1 -2
2 4 1
3 2 -2
3 5 -1
4 6 3
5 6 3
输出:
从0到1距离是: 1 0->3->2->1
从0到2距离是: 3 0->3->2
从0到3距离是: 5 0->3
从0到4距离是: 0 0->3->2->1->4
从0到5距离是: 4 0->3->5
从0到6距离是: 3 0->3->2->1->4->6
不存在负环
#include<iostream>
#include<cstdio>
#include<cstring>
#include<algorithm>
#include<cmath>
#include<queue>
#include<stack>
#include<map>
#include<sstream>
using namespace std;
typedef long long ll;
const int maxn = 1000 + 10;
const int INF = 1 << 25;
int T, n, m, cases;
struct edge
{
int u, v, w;
};
edge a[maxn];
int path[maxn], d[maxn];
bool Bellman(int v0)
{
for(int i = 0; i < n; i++)d[i] = INF, path[i] = -1;
d[v0] = 0;
for(int i = 0; i < n; i++)//迭代n次,如果第n次还在更新,说明有负环
{
bool update = 0;
for(int j = 0; j < m; j++)
{
int x = a[j].u, y = a[j].v;
//cout<<x<<" "<<y<<" "<<a[j].w<<endl;
if(d[x] < INF && d[x] + a[j].w < d[y])
{
d[y] = d[x] + a[j].w;
path[y] = x;
update = 1;
if(i == n - 1)//说明第n次还在更新
{
return true;//返回真,真的存在负环
}
}
}
if(!update)break;//如果没更新了,说明已经松弛完毕
}
for(int i = 0; i < n; i++)
{
if(i == v0)continue;
printf("从%d到%d距离是:%2d ", v0, i, d[i]);
stack<int>q;
int x = i;
while(path[x] != -1)
{
q.push(x);
x = path[x];
}
cout<<v0;
while(!q.empty())
{
cout<<"->"<<q.top();
q.pop();
}
cout<<endl;
}
return false;
}
int main()
{
cin >> n >> m;
for(int i = 0; i < m; i++)cin >> a[i].u >> a[i].v >> a[i].w;
if(Bellman(0))cout<<"存在负环"<<endl;
else cout<<"不存在负环"<<endl;
return 0;
}
SPFA算法:
bool inq[MAX_N];
int d[MAX_N]; // 如果到顶点 i 的距离是 0x3f3f3f3f,则说明不存在源点到 i 的最短路
void spfa(int s) {
memset(inq, 0, sizeof(inq));
memset(d, 0x3f, sizeof(d));
d[s] = 0;
inq[s] = true;
queue<int> q;
q.push(s);
while (!q.empty()) {
int u = q.front();
q.pop();
inq[u] = false;
for (int i = p[u]; i != -1; i = e[i].next) {
int v = e[i].v;
if (d[u] + e[i].w < d[v]) {
d[v] = d[u] + e[i].w;
if (!inq[v]) {
q.push(v);
inq[v] = true;
}
}
}
}
}
Floyd算法
#include <iostream>
using namespace std;
const int inf = 0x3f3f3f3f;
int G[110][110];
int n;
void floyd(){
for(int k = 0;k<n;k++){
for(int i=0;i<n;i++){
for(int j=0;j<n;j++){
if(G[i][k] + G[k][j] < G[i][j]){
G[i][j] = G[i][k] + G[k][j];
}
}
}
}
}
int main() {
cin>>n;
for(int i=0;i<n;i++){
for(int j=0;j<n;j++){
cin>>G[i][j];
}
}
floyd();
for(int i=0;i<n;i++){
for(int j=0;j<n;j++){
cout<<G[i][j]<<" ";
}
cout<<endl;
}
return 0;
}