[算法]给出一种方法求无环带权连通图(所有权值非负)中从顶点s到顶点t的一条最长简单路径

问题描述:

给出一种方法求无环带权有向连通图(所有权值非负)中从顶点s到顶点t的一条最长简单路径

思路:

Bellman_Ford算法和SPFA算法都可以适用于存在负边权的图求单源最短路径(无回路),因此可以将图中所有边的权值都设置为相反数,求出从顶点s到顶点t的一条最短简单路径,他就是原来图中s到t的最长路径。

下面C++代码采用的是SPFA算法,Bellman_Ford算法相比之下复杂度较高,不过同样可行。代码的不足之处为:虽然能解决问题,但是求最短路径部分完全照搬了SPFA算法,求出了s到所有顶点的最短路径,浪费了空间,如有你知道如何只求s到t的最短路径来提高性能,请在评论区留言,谢谢!

#include <iostream>
#include <vector>
#include <queue>
using namespace std;

#define INF 0xffffff

//采用SPFA算法,将所有路径的权值取相反数,获得最短路径,即为所求的最长路径

//typedef struct{
   
//    int no; //顶点编号
//    int weight; //权重
//}VertexType;    //邻接矩阵的节点信息,这里邻接矩阵没有额外info,可以直接用数组存放

typedef struct ArcNode{
   
    int adjvex; //该边邻接点的编号
    int weight; //该边的权重(长度)
    struct ArcNode *nextarc;    //下一个节点
}ArcNode; //表结点


typedef struct VNode{
   
    //char data;
    ArcNode *firstarc;  //指向第一条边
}VNode,AdjList[20]; //头结点


typedef struct{
   
    AdjList asjList;    //头结点数组(这里假设最多只有20个顶点)
    int n, e;
}AdjGraph;   //邻接表类型


int n, e;   //保存图的节点、边的个数
int s, t;   //存放起点和终点节点
AdjGraph *G; //图的邻接表

void createAdjList(AdjGraph *&G, vector<vector<int>> AT)  //由邻接矩阵创建邻接表
{
   
    ArcNode *p;
    G = (AdjGraph *)malloc(sizeof(AdjGraph));
    for (int i = 0; i<n; i++)
    {
   
        G->asjList[i].firstarc = NULL;
    }
    for (int i = 0; i<n; i++)
    {
   
        for (int j = n - 1; j>=0; j--)
        {
   
            if (AT[i][j]!=
  • 4
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
假设 G 的顶点集为 V,边集为 E。可以使用 Dijkstra 算法解从顶点1到顶点4的一条最短路径。 具体步骤如下: 1. 初始化距离数组 dist,将所有顶点的距离赋值为正无穷大,将起点1的距离赋值为0。 2. 初始化集合 S,将起点1加入集合 S。 3. 对于起点1相邻的所有顶点 v,更新距离数组 dist[v],即 dist[v] = min(dist[v], dist[1]+w(1,v))。 4. 从距离数组 dist 选择当前离起点1最近的顶点 u,将其加入集合 S。 5. 对于集合 S 已经加入的顶点,重复步骤3和步骤4,直到集合 S 包含所有顶点或者没有可加入的顶点。 6. 最终得到的距离数组 dist ,dist[4] 即为从顶点1到顶点4的最短路径长度。同时,可以通过记录每个顶点的前驱结点,从而得到从顶点1到顶点4的一条最短路径。 具体实现可以参考如下的 Python 代码: ```python import heapq # 定义 G,这里使用邻接矩阵表示 G = [ [0, 2, 1, 4], [2, 0, 4, 3], [1, 4, 0, 2], [4, 3, 2, 0] ] # 初始化距离数组 dist 和前驱结点数组 prev n = len(G) dist = [float('inf')] * n prev = [-1] * n # 将起点1的距离设为0,并加入集合 S dist[0] = 0 S = set([0]) # 不断更新距离数组 dist 和前驱结点数组 prev,直到集合 S 包含所有顶点 while len(S) < n: # 从距离数组 dist 选择当前离起点1最近的顶点 u u = min((i for i in range(n) if i not in S), key=lambda x: dist[x]) S.add(u) # 对于 u 相邻的所有顶点 v,更新距离数组 dist 和前驱结点数组 prev for v in range(n): if v not in S and dist[v] > dist[u] + G[u][v]: dist[v] = dist[u] + G[u][v] prev[v] = u # 从前驱结点数组 prev 得到从顶点1到顶点4的一条最短路径 path = [3] # 从终点4开始 while prev[path[-1]] != -1: path.append(prev[path[-1]]) path.reverse() print(path) # 输出 [0, 2, 3],表示从顶点1到顶点4的一条最短路径 ``` 注意,这里使用了 Python 内置的集合类型 set 来表示集合 S,同时使用了 Python 内置的 heapq 模块来实现最小堆。如果使用其他编程语言,需要自行实现这些数据结构算法

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值