一、单源最短路径–Dijkstra算法
1、简介
单源最短路径问题：给定一个图G = ( V ， E ) G=(V，E)G=(V，E)，求源结点s ∈ V s∈Vs∈V到图中每个结点v ∈ V v∈Vv∈V的最短路径。Dijkstra算法就适用于解决带权重的有向图上的单源最短路径问题，同时算法要求图中所有边的权重非负。一般在求解最短路径的时候都是已知一个起点和一个终点，所以使用Dijkstra算法求解过后也就得到了所需起点到终点的最短路径。
针对一个带权有向图G，将所有结点分为两组S和Q，S是已经确定最短路径的结点集合，在初始时为空（初始时就可以将源节点s放入，毕竟源节点到自己的代价是0），Q 为其余未确定最短路径的结点集合，每次从Q 中找出一个起点到该结点代价最小的结点u ，将u 从Q 中移出，并放入S 中，对u 的每一个相邻结点v 进行松弛操作。松弛即对每一个相邻结点v ，判断源节点s到结点u的代价与u 到v 的代价之和是否比原来s 到v 的代价更小，若代价比原来小则要将s 到v 的代价更新为s 到u 与u 到v 的代价之和，否则维持原样。如此一直循环直至集合Q 为空，即所有节点都已经查找过一遍并确定了最短路径，至于一些起点到达不了的结点在算法循环后其代价仍为初始设定的值，不发生变化。Dijkstra算法每次都是选择V-S中最小的路径节点来进行更新，并加入S中，所以该算法使用的是贪心策略。
Dijkstra算法存在的问题是不支持图中带负权路径，如果带有负权路径，则可能会找不到一些路径的最短路径。
2、解析
3、代码
// Dijkstrala算法
// dist是用来存放最小值的表的
// pPath是用来存放父亲下标的
void Dijkstra(const V& src, std::vector<W>& dist, std::vector<int>& pPath)
{
size_t srci = GetIndex(src);
size_t n = _vertex.size();
// 初始化dist表和pPath表
dist.resize(n, MAX_W);
pPath.resize(n, -1);
dist[srci] = 0; // 当前的第一个位置的距离为0
pPath[srci] = srci; // 这个可有可无
// 来一个S为存放加入到集合中的已经确定了的点
std::vector<bool> S(n, false);
for (size_t i = 0; i < n; i++) // 遍历n次--n个顶点
{
// 选最短路径顶点且不在S更新其他路径
size_t u = 0;
size_t min = MAX_W;
// 遍历输入值的表，选最小值
for (size_t i = 0; i < n; i++)
{
if (S[i] == false && dist[i] < min) // false是没有进行访问过
{
u = i; // 更新一下当前的最短路径的顶点
min = dist[i]; // 更新点的最小值
}
}
S[u] = true; // 将刚好访问的这个顶点设置为true已经被访问过的地方
// 松弛算法，更新u连接顶点v srci->u + u->v < srci->v 更新
for (size_t v = 0; v < n; v++)
{
if (S[v] == false && dist[u] + _matrix[u][v] < dist[v] && _matrix[u][v] != MAX_W)
{
dist[v] = dist[u] + _matrix[u][v]; // 更新一下v的点的值
pPath[v] = u; // 更新父下标的点的值
}
}
}
}
4、测试用例
void TestGraphDijkstra()
{
const char* str = "syztx";
Graph<char, int, INT_MAX, true> g(str, strlen(str));
g.AddEdge('s', 't', 10);
g.AddEdge('s', 'y', 5);
g.AddEdge('y', 't', 3);
g.AddEdge('y', 'x', 9);
g.AddEdge('y', 'z', 2);
g.AddEdge('z', 's', 7);
g.AddEdge('z', 'x', 6);
g.AddEdge('t', 'y', 2);
g.AddEdge('t', 'x', 1);
g.AddEdge('x', 'z', 4);
std::vector<int> dist;
std::vector<int> parentPath;
g.Dijkstra('s', dist, parentPath);
g.PrinrtShotPath('s', dist, parentPath);
}
5、打印最小路径代码和测试
void PrinrtShotPath(const V& src, const std::vector<W>& dist, const std::vector<int>& parentPath)
{
size_t N = _vertex.size();
size_t srci = GetIndex(src);
for (size_t i = 0; i < N; ++i)
{
if (i == srci)
continue;
std::vector<int> path;
int parenti = i;
while (parenti != srci)
{
path.push_back(parenti); // 先把自己存进去
parenti = parentPath[parenti]; // 往父亲去跳
}
path.push_back(srci); // 最后存初始位置
reverse(path.begin(), path.end()); // 逆置一下
for (auto pos : path)
{
std::cout << _vertex[pos] << "->";
}
std::cout << dist[i] << std::endl;
}
}
6、缺陷：不能使用负路径
const char* str = "sytx";
Graph<char, int, INT_MAX, true> g(str, strlen(str));
g.AddEdge('s', 't', 10);
g.AddEdge('s', 'y', 5);
g.AddEdge('t', 'y', -7);
g.AddEdge('y', 'x', 3);
std::vector<int> dist;
std::vector<int> parentPath;
g.Dijkstra('s', dist, parentPath);
g.PrinrtShotPath('s', dist, parentPath);
二、单源最短路径–Bellman-Ford算法
1、简介
Dijkstra算法只能用来解决正权图的单源最短路径问题，但有些题目会出现负权图。这时这个算法就不能帮助我们解决问题了，而bellman—ford算法可以解决负权图的单源最短路径问题。它的优点是可以解决有负权边的单源最短路径问题，而且可以用来判断是否有负权回路。它也有明显的缺点，它的时间复杂度 O(N*E) (N是点数，E是边数)普遍是要高于Dijkstra算法O(N²)的。像这里如果我们使用邻接矩阵实现，那么遍历所有边的数量的时间复杂度就是O(N^3)，这里也可以看出来Bellman-Ford就是一种暴力求解更新。
2、解析
（1）详情
i、负权问题：一个点只跑一趟找最短路径（问题大大的）
ii、解决负权问题：每个点在更新完最短路径后继续暴力再继续遍历更新最短路径
原因还是因为负权路径的问题，当我们更新完一趟的最短路径后发现其父亲节点是个负数，刚好通过这条路，而我们前面更新的最短路径不是从这条路走的，那么就需要继续更新前面这个父亲结点的最短路径为负数，使得这个最短路径更新成更小的值，那么一切就说通了，我们就需要继续更新呗，那么就继续更新n次，每个点继续遍历n次。
// 进行n轮循环，原因是因为防止因为某一轮循环后值会产生更改导致的结果不正确
// 所以每次进行点的询问松弛，使得后续的路径更新成更短路径
for (int k = 0; k < n; k++)
{
std::cout << "第" << k << "轮次" << std::endl;
}
我们跟着最终结果来看：
（2）优化
i、优化策略1：使用bool标记位跳出循环，后面循环不用跑
因为第一个轮次是将所有的路都跑一遍（初始跑一遍），第二个轮次还是从头到尾的跑一遍，这回轮次是找负数重新更新一下最短路径，而假如说路径的负数并不多的时候，两个轮次就能全部跑完了，并不需要后面冗余的n-3个轮次，所以我们给个标志位，从第i个轮次发现根本不会更改路劲的情况下我们直接退出，不需要执行下一个轮回的操作。
ii、优化策略2：使用SPFA算法优化（队列）（未做出）
革命尚未成功，同志仍需努力…
3、代码
// 贝尔曼福特算法
// 时间复杂度--O(N^3) 空间复杂度--O(N)
bool BellmanFord(const V& src, std::vector<W>& dist, std::vector<int>& pPath)
{
size_t n = _vertex.size();
size_t srci = GetIndex(src);
// vector<W> dist,记录srci-其他顶点最短路径权值数组
dist.resize(n, MAX_W);
// vector<int> pPath 记录srci-其他顶点最短路径父顶点数组
pPath.resize(n, -1);
// 先更新srci->srci为最小值
dist[srci] = W();
// 进行n轮循环，原因是因为防止因为某一轮循环后值会产生更改导致的结果不正确
// 所以每次进行点的询问松弛，使得后续的路径更新成更短路径
for (int k = 0; k < n; k++)
{
bool update = false; // 这个判断标志是提高效率的，只需要进行相对应的轮次更新松弛即可
// 第一轮都更新，第二轮往后不一定了
for (int i = 0; i < n; i++)
{
for (int j = 0; j < n; j++)
{
// srci->i i->j
if (dist[i] + _matrix[i][j] < dist[j] && _matrix[i][j] != MAX_W)
{
// 更新最小值+更新pPath
dist[j] = dist[i] + _matrix[i][j];
pPath[j] = i;
update = true;
}
}
}
if (update == false)
{
break;
}
}
// 到这里判断一下是否有负权回路，因为加入说是三个形成一个带有负值回路，那么每一轮都会将值更新
// 这就是负权回路问题，遇到这个负权回路问题也解决不了，那么就返回false即可
for (int i = 0; i < n; i++)
{
for (int j = 0; j < n; j++)
{
// srci->i i->j
if (dist[i] + _matrix[i][j] < dist[j] && _matrix[i][j] != MAX_W)
{
return false;
}
}
}
return true;
}
4、测试用例及测试结果
void TestGraphBellmanFord()
{
const char* str = "syztx";
Graph<char, int, INT_MAX, true> g(str, strlen(str));
g.AddEdge('s', 't', 6);
g.AddEdge('s', 'y', 7);
g.AddEdge('y', 'z', 9);
g.AddEdge('y', 'x', -3);
g.AddEdge('z', 's', 2);
g.AddEdge('z', 'x', 7);
g.AddEdge('t', 'x', 5);
g.AddEdge('t', 'y', 8);
g.AddEdge('t', 'z', -4);
g.AddEdge('x', 't', -2);
std::vector<int> dist;
std::vector<int> parentPath;
if (g.BellmanFord('s', dist, parentPath))
{
g.PrinrtShotPath('s', dist, parentPath);
}
else
{
std::cout << "存在负权回路" << std::endl;
}
}
5、负权回路问题
（1）问题描述和解析
我们出现负权回路的问题，大概率是出现一个环，这个环中刚好有一个或多个边的权值是负数，如下图所示：
那么我们想一想是否这种情况能不能避免或者是有什么算法避免？实际上一旦遇到这个问题就完蛋了，没有任何算法能够规避，直接说出现回路问题，不管了！
（2）出现负权问题的代码用例及测试结果
// 微调图结构，带有负权回路的测试
const char* str = "syztx";
Graph<char, int, INT_MAX, true> g(str, strlen(str));
g.AddEdge('s', 't', 6);
g.AddEdge('s', 'y', 7);
g.AddEdge('y', 'x', -3);
g.AddEdge('y', 'z', 9);
g.AddEdge('y', 'x', -3);
g.AddEdge('y', 's', 1); // 新增
g.AddEdge('z', 's', 2);
g.AddEdge('z', 'x', 7);
g.AddEdge('t', 'x', 5);
g.AddEdge('t', 'y', -8); // 更改
g.AddEdge('t', 'z', -4);
g.AddEdge('x', 't', -2);
std::vector<int> dist;
std::vector<int> parentPath;
if (g.BellmanFord('s', dist, parentPath))
{
g.PrinrtShotPath('s', dist, parentPath);
}
else
{
std::cout << "存在负权回路" << std::endl;
}
三、多源最短路径–Floyd-Warshall算法
（1）简介
Floyd-Warshall算法是解决任意两点间的最短路径的一种算法。
Floyd算法考虑的是一条最短路径的中间节点，即简单路径p={v1,v2,…,vn}上除v1和vn的任意节点。
设k是p的一个中间节点，那么从i到j的最短路径p就被分成i到k和k到j的两段最短路径p1，p2。p1是从i到k且中间节点属于{1，2，…，k-1}取得的一条最短路径。p2是从k到j且中间节点属于{1，2，…，k-1}取得的一条最短路径。
（2）详细解析（用图）
除了时间复杂度太高几乎没别的缺点了，它允许负权路径的存在。
（3）代码
// FloydWarshall算法--多源最短路径的表示
// vvDist是二维用来存放最短路径的表格
// vvpPath是二维用来存放父路径的
void FloydWarshall(std::vector<std::vector<W>>& vvDist, std::vector<std::vector<int>>& vvpPath)
{
size_t n = _vertex.size();
vvDist.resize(n); // 有多少行
vvpPath.resize(n);
// 初始化权值和路径矩阵
for (size_t i = 0; i < n; ++i)
{
vvDist[i].resize(n, MAX_W); // 每一行每一列
vvpPath[i].resize(n, -1);
}
// 先将每条边更新一下
for (size_t i = 0; i < n; i++)
{
for (size_t j = 0; j < n; j++)
{
if (_matrix[i][j] != MAX_W) // 当i->j点是有路的时候
{
vvDist[i][j] = _matrix[i][j];
vvpPath[i][j] = i; // 刚好是j的前一个路径就是i
}
if (i == j) // 对角线
{
vvDist[i][j] = W(); // 缺省的默认值
}
}
}
// 算法核心：1、中间有k的时候:i->{n个数(包含k)}->j dist[i][k] + dist[k][j] 与 dist[i][j]比较
// 2、中间没有k的时候，那么就是i->j，也就是和上面的情况一样了，压根都不需要管了
for (size_t k = 0; k < n/*这里k的值是n的原因在于ij也可以都包进来的*/; k++)
{
for (size_t i = 0; i < n; i++)
{
for (size_t j = 0; j < n; j++)
{
// i到k有路径 k到j有路径
if (vvDist[i][k] + vvDist[k][j] < vvDist[i][j] &&
vvDist[i][k] != MAX_W && vvDist[k][j] != MAX_W)
{
vvDist[i][j] = vvDist[i][k] + vvDist[k][j];
// 找跟j相连的上一个邻接顶点
// 如果k->j 直接相连，上一个点就k，vvpPath[k][j]存就是k
// 如果k->j 没有直接相连，k->...->x->j，vvpPath[k][j]存就是x
vvpPath[i][j] = vvpPath[k][j]; // 动态规划--j的前面一个元素k咯
}
}
}
}
// 打印权值和路径矩阵观察数据
for (size_t i = 0; i < n; ++i)
{
for (size_t j = 0; j < n; ++j)
{
if (vvDist[i][j] == MAX_W)
{
printf("%3c", '*');
}
else
{
printf("%3d", vvDist[i][j]);
}
}
std::cout << std::endl;
}
std::cout << std::endl;
// 打印父路径
for (size_t i = 0; i < n; ++i)
{
for (size_t j = 0; j < n; ++j)
{
printf("%3d", vvpPath[i][j]); // 这里打印的是下标
}
std::cout << std::endl;
}
std::cout << "=================================" << std::endl;
}
（4）运行用例及测试结果
void TestFloydWarShall()
{
const char* str = "12345";
Graph<char, int, INT_MAX, true> g(str, strlen(str));
g.AddEdge('1', '2', 3);
g.AddEdge('1', '3', 8);
g.AddEdge('1', '5', -4);
g.AddEdge('2', '4', 1);
g.AddEdge('2', '5', 7);
g.AddEdge('3', '2', 4);
g.AddEdge('4', '1', 2);
g.AddEdge('4', '3', -5);
g.AddEdge('5', '4', 6);
std::vector<std::vector<int>> vvDist;
std::vector<std::vector<int>> vvParentPath;
g.FloydWarshall(vvDist, vvParentPath);
// 打印任意两点之间的最短路径
for (size_t i = 0; i < strlen(str); ++i)
{
g.PrinrtShotPath(str[i], vvDist[i], vvParentPath[i]);
std::cout << std::endl;
}
}
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
