BFS算法——严格层序的BFS
核心思路
原生广度优先遍历的特点本来就是由源点向外发散,我们通过对队列大小的暂存,可以实现严格的按层遍历,层数即路径长度。
适用场景
因为本算法将层数看作路径长度,所以这要求图的所有边要么无权、要么权值相等。
单源的;可以求到某一个点的最短路径,也可以求到所有点的最短路径。
代码实现
private void DFS(boolean[][] graph, int source) {
int len = graph.length;
int[] dist = new int[len]; // dist[i]含义为从源点到i的最短距离
ArrayDeque<Integer> queue = new ArrayDeque<>(); // 用于BFS的队列
queue.offer(source);
boolean[] visited = new boolean[len]; // visited[]记录是否已被访问过
visited[source] = true;
int layer = 1; // 层数(即最短路径)初始化为1
while (!queue.isEmpty()) {
int size = queue.size(); // 缓存一下队列的大小,这是严格层序BFS的关键
for (int i = 0; i < size; i++) {
int cur = queue.poll();
for (int nxt = 0; nxt < len; nxt++) {
if (graph[cur][nxt] && !visited[nxt]) {
queue.offer(nxt);
dist[nxt] = layer;
visited[nxt] = true;
}
}
}
layer++; // 每次出队"一层",层数+1
}
}
DFS算法——回溯写法的DFS
核心思路
原生深度优先遍历适合于可达性分析,而最短路径问题需要在所有可达的路径找一个最短的,因此使用DFS的回溯写法。
适用场景
本算法显然适用于带权图(事实上,除了上面的那个BFS,接下来的所有算法都适用于带权图,不再赘述)。
单源的;适合于求到某一个点的最短路径,不适合求到所有点的最短路径,除非你使用记忆化数组。
代码实现
private void DFS(int[][] graph, int pos, int target, int dist, boolean[] visited) {
// 剪枝
if (dist > minDist) {
return;
}
// 尝试更新最短距离
if (pos == target) {
minDist = Math.min(minDist, dist);
return;
}
// 深搜
for (int i = 0; i < graph.length; i++) {
if (graph[pos][i] > 0 && !visited[i]) {
visited[i] = true;
DFS(graph, i, target, dist + graph[pos][i], visited);
visited[i] = false;
}
}
}
Dijkstra算法——每次固定一个最短距离的贪心
核心思路
用一个dist[]数组维护所有点到源点的最短距离,每次选出距源点最近的顶点k,然后修改与k相关的dist[]的值;这个过程进行 n-1 次,从而让所有的顶点都用于维护dist[]数组一次。
适用场景
每一次都固定一个到k的距离dist[k],之后就不再修改它,但是负权边的出现会破坏贪心的正确性(看图)。所以,Dijkstra算法不适合于出现负权边的场景。
代码实现
private void Dijkstra(int[][] graph, int source) {
int len = graph.length;
// dist[i]的含义是源点到i的最短距离,对其初始化
int[] dist = new int[len];
for (int j = 0; j < len; j++) {
dist[j] = graph[source][j];
}
// 记录是否被访问过的数组
boolean[] visited = new boolean[len];
visited[source] = true;
// 执行n-1次,就贪心过了所有的顶点
for (int i = 0; i < len - 1; i++) {
// 1.寻找距源点最近的顶点k
int minDist = Integer.MAX_VALUE;
int k = -1;
for (int j = 0; j < len; j++) {
if (!visited[j] && graph[source][j] < minDist) {
minDist = graph[source][j];
k = j;
}
}
// 2.固定k
dist[k] = minDist;
visited[k] = true;
// 3.修改与k相关的距离
for (int j = 0; j < len; j++) {
if (!visited[j] && dist[k] + graph[k][j] < dist[j]) {
dist[j] = dist[k] + graph[k][j];
}
}
}
}
Floyd算法——多源的路径压缩
核心思路
思路优美,代码简单,尝试用k作为中转更新从i到j的最短路径。
适用场景
与其他最短路径算法相比,Floyd算法最大的特点是它维护的多源的最短路径,也因此Floyd算法的时间复杂度为O(n³),Dijkstra算法的时间复杂度是O(n²)——它相当于在每个顶点用一次Dijkstra。
Floyd算法允许图中出现负权边,但不允许负权边成环(看下图理解)。
代码实现
private void Floyd(int[][] graph) {
int len = graph.length;
// 一定注意,k一定写在第一层,目的是防止graph[i][j]过早固定!!!
for (int k = 0; k < len; k++) {
for (int i = 0; i < len; i++) {
for (int j = 0; j < len; j++) {
if (graph[i][k] + graph[k][j] < graph[i][j]) {
graph[i][j] = graph[i][k] + graph[k][j];
}
}
}
}
}
Bellman-Ford算法——还是单源的路径压缩
核心思路
对dist[]进行n-1次压缩。
适用场景
Bellman-Ford算法的最大特点就是允许出现负权边成环,因为它可以检测出来。
Floyd算法是对graph[][]进行压缩,Bellman-Ford算法是对dist[]进行压缩,所以他们的时间复杂度分别是O(n³)和O(n²)。
代码实现
private void BellmanFord(int[] dist, Edge[] edges) {
int len = dist.length;
for (int i = 0; i < len - 1; i++) { // 该过程进行n-1次
for (int j = 0; j < len; j++) { // Dijkstra的更新思路
if (dist[edges[j].u] + edges[j].cost < dist[edges[j].v]) {
dist[edges[j].v] = dist[edges[j].u] + edges[j].cost;
}
}
}
}
☘️