Bellman-Ford算法
Bellman-Ford用于找出单源最短路径,即从源节点到图中每个节点的最短路径,支持边权重为负的情况。
算法利用了动态规划的思想,实现简单,但时间复杂度为 O ( V E ) O(VE) O(VE),非常高。
解决的问题
- 从A出发是否可以到达各个节点
- 从A出发到达各个节点的最短路径
- 图中是否存在负环路(权重之和为负数)
思路
- 初始化:对图中所有节点v,设置dist(v)=infinite,设置dist(src)=0
- 接下来进行N-1次松弛操作,对于每次松弛操作:
遍历所有的边(u, v),如果dist(u) + w(u, v) < dist(v),则更新dist(v)
重复执行N-1次松弛操作可以理解为,每次从src出发,允许绕多一个节点,是否能够得到从src到v更短的路径 - 最后如果再进行一次松弛操作,还能找到从src到v更短的路径的话,说明存在负环路
如果存在负环路,则Bellman-Ford算法不支持计算出到各个节点的最短路径
leetcode例题
https://leetcode-cn.com/problems/cheapest-flights-within-k-stops/
这道题目中限制K次中转可以理解为限制Bellman-Ford算法中的松弛次数,因此用二维dp即可解决:
class Solution {
public:
int findCheapestPrice(int n, vector<vector<int>>& flights, int src, int dst, int k) {
int cost[n][k + 1];
for (int i = 0; i < n; ++i) {
for (int j = 0; j <= k; ++j) {
cost[i][j] = INT_MAX;
}
}
for (int j = 0; j <= k; ++j) {
cost[src][j] = 0;
}
for (auto& flight : flights) {
int u = flight[0], v = flight[1], w = flight[2];
if (u == src) {
cost[v][0] = w;
}
}