适用范围:Dijkstra算法适用于【单源点】【正边权】的【有向图】或者【无向图】,是一种用于求最小路径的比较高效的算法。
题目类型:题目一般会给出,若干个点到点的距离,让你求出某点到某点的最小的路径
步骤一:构建邻接矩阵,也就是创建一个地图,将路径存放地图内。
1 2 3 4 5 6 7 8 9 1 0 2 0 3 0 …… 4 0 5 0 6 …… 0 7 0 8 0 9 0
注意:这里距离的设置
1、点到自己的距离为0;
2、如果这条路径可以从(a, b)走,也可以(b,a)走的话,也就是无向图,那么在填表的时候就要注意不要遗漏;
3、如果说没有路径可以走的初始化为无穷大 ;
4、如果说(a, b)之间有多条路的话我们就取最小的路。
memset(mp, 0x3f, sizeof(mp));//将所有不存在的路径给定义为INF
int k, l, r;//这里k,l是点,r是距离
for(int i = 0;i < n;++i)
{
scanf("%d %d %d", &k, &l, &r);
mp[k][l] = min(mp[k][l], r); //多条路选最短的
mp[l][k] = mp[k][l];//无向图,可以回头
}
for(int i = 0;i < m;++i)
mp[i][i] = 0;//小心原地打转
步骤二:初始化数组
1、我们需要两个数组v[]记录是否被标记(visit)过和最短距离(distance)数组d[]。
2、注意初始化
memset(v, 0, sizeof(v));//将所有的点未标记
for (int i = 0; i < m; i++)//注意,这里m代表的是节点总数,a代表的是除发点
{
d[i] = (i == a ? 0 : INF);//初始化记录所有节点到起点的数组
}
假设此刻还不知道有路可走,那么只有到自己距离是0,其他都是无路可走,故设置成无穷大,0x3f3f3f3f
步骤三:遍历求最小路径
for (int i = 0; i < m; i++)//m是节点数
{
int x;//x是用来记录最小的点
int w = INF;//w是用来存储最小路径的
for (int y = 0; y < m; y++)//访问每一个点
{
if (!v[y] && d[y] <= w)//找到未标记的节点里最近的点
{
w = d[x = y];//记录一下最小点距离
}
}
v[x] = 1;//标记最小节点
for (int y = 0; y < m; y++)
{
d[y] = min(d[y], d[x] + mp[x][y]);//更新每一个点到起点的距离
}
}
步骤四:输出
printf("%d\n", d[b] == INF ? -1 : d[b]);//输出
//如果等于无穷大的话,输出-1,表示没有路径
原理思考:我思考了很久,想了两天查了很多资料才想明白
简单理解: 第一次取点之后,原点扩大了,变成了一个名为S的大原点,相当于原点扩大了一些,把确定的点和原点优化成一个综合的点,直接取最短路径就是正确的。
严谨理解:
首先我们把已经标记了的确定最小距离的所有点看成一个集合S,S的元素开始为1。
我们在历次的遍历过程中,已经把S集合中每一个点直接到达未标记点的距离更新到了最小的状态。
我们想要知道,这些没有标记的点里面的距离最小的点就是下一个进入集合S的点。
反证法:如果存在某个在外面的其他中间节点,那么原点到这个节点的距离,这个距离肯定比那个最小点要大,再加上一段未知的距离(正的)肯定比这个大。所以不存在以其他点为转站的更优。
那么,也就只能从S集合直接到达了,故是下一个S集合的点。
注:S集合表示,从原点出发最小距离已经确定的点。
笔者在撸题的时候又发现失败之处了。-_-
这道题,虽然用邻接矩阵也可以去做但是,MLE到死
因为它的量级太大了,这时候我们就要优化一下算法。
#include <bits/stdc++.h>
using namespace std;
#define inf 0x7fffffff
#define MAXN 100005
#define MAXM 500005
#define ll long long
struct edge {
ll to, dis, next;
};
edge e[MAXM];
ll head[MAXN], dis[MAXN], cnt = 0, vis[MAXN];
void add_edge(ll u, ll v, ll d) {
cnt++;
e[cnt].dis = d;
e[cnt].to = v;
e[cnt].next = head[u];
head[u] = cnt;
}
struct node {
ll dis, pos;
bool operator < (const node &x) const {
return x.dis < dis;
}
};
priority_queue<node> q;
int main() {
ios::sync_with_stdio(false);
cin.tie(0);
ll n, m, s;
cin >> n >> m >> s;
for (int i = 0; i <= n; i++) {
dis[i] = inf;
}
for (int i = 0; i < m; i++) {
ll u, v, d;
cin >> u >> v >> d;
add_edge(u, v, d);
}
dis[s] = 0;
q.push((node){0, s});
while (!q.empty()) {
node tmp = q.top();
q.pop();
ll x = tmp.pos, d= tmp.dis;
if (vis[x]) {
continue;
}
vis[x] = 1;
for (int i = head[x]; i; i = e[i].next) {
ll y = e[i].to;
if (dis[y] > dis[x] + e[i].dis) {
dis[y] = dis[x] + e[i].dis;
if (!vis[y]) {
q.push((node){dis[y], y});
}
}
}
}
for (int i = 1; i <= n; i++) {
cout << (dis[i] == inf ? 0x7fffffff : dis[i]) << ' ';
}
return 0;
}
我们称之为堆优化的dijkstra
ps:个人认为这个是链式前向星和堆优化都有。
观察多了什么。
首先:我们发现多了一个add_edge函数,这就是所谓的【链式前向星】 ,据说这是夹在难写高效的【邻接表】和好写低效的【邻接矩阵】(0(n^2))之间的好东西。
定义一个edge结构体:
to - 终点;
dis-边权;
next-记录上一个同起点的点的编号
void add_edge(ll u, ll v, ll d) {
cnt++;
e[cnt].dis = d;
e[cnt].to = v;
e[cnt].next = head[u];
head[u] = cnt;
}
这是加边的操作。
cnt是计数器,用来给head【u】标号。
边权没有什么好解释的,和to是存在一起的。
for (int i = head[x]; i; i = e[i].next) {
。。。。
}
链式前向星的作用是将同起点的边整合在一起。
这里以起点1为例
我们如果输入了许多的以1为起点的边,
1 2 3
1 2 4
1 2 4
,,,
.next里面存储的是上一次更新后的点的编号。
head[起点] = 最后一个更新的边的编号
我们遍历的时候,i的入口赋值为最后一个边的编号,然后得到上一次更新的编号,依此类推直到没有边。
struct node {
ll dis, pos;
bool operator < (const node &x) const {
return x.dis < dis;
}
};
然后是优先队列的使用,小顶堆。
关于这个的书写格式:运算符重载,只能记忆一下了,这个理解上可能有些麻烦,何况我也不是很明白。
bool operator < (const node &x) const {
return x.dis < dis;
}首先两个关键字,一个小于号,类似强制转换类型的东西,const 然后声名优先级。
这里我们把x.dis放左边,因为我们比较的是dis该放哪里。
这样就可以和sort函数统一了,小于号就是从小到大(队头到队尾,从左到右)
dis[s] = 0;
q.push((node){0, s});
while (!q.empty()) {
node tmp = q.top();
q.pop();
ll x = tmp.pos, d= tmp.dis;
if (vis[x]) {
continue;
}
vis[x] = 1;
for (int i = head[x]; i; i = e[i].next) {
ll y = e[i].to;
if (dis[y] > dis[x] + e[i].dis) {
dis[y] = dis[x] + e[i].dis;
if (!vis[y]) {
q.push((node){dis[y], y});
}
}
}
}
利用优先队列。
我们找距离最短的点,x是节点, d是距离
跳过标记过的节点, 标记。
链式前向星,y记录指向的终点。
逐个更新点,
如果说这个点没有被标记但是是起点可以到达的,就进入队列,直到更新完毕。
小结:链式前向星将同起点的边整合到一起,优先队列将较小的边存到前面。