第十章 数据结构专题 —— 图(中)
10.4 最短路径
对任意给出的图G(V,E)和起点S、终点T,如何求S到T的最短路径,解决最短路径问题的常用算法有Dijkstra算法,SPFA算法、Bellman-Ford算法、Floyd算法
10.4.1 Dijkstra算法
Dijkstra算法用来解决单源最短路径问题,即给定图G和起点S,通过算法得到S到其他每个顶点的最短距离。
const int MAXV = 1000;
const int INF = 1000000000;
//邻接矩阵版,适用于点数不打(V不超过1000)的情况。相对好写
int n,G[MAXV][MAXV]; //n为顶点数,MAXV为最大顶点数
int d[MAXV]; //起点到达各个点的最短路径长度
bool vis[MAXV] = {false}; //标记数组,vis[i]==true表示已经访问
void Dijkstra(int s){ //s为起点
fill(d,d+MAXV,INF); //fill函数将整个d数组赋值为INF
d[s]=0; //起点s到达自身的距离为0
for(int i=0;i<n;i++){ //循环n次
int u=-1,MIN=INF; //u使d[u]最小,MIN存放该最小的d[u]
for(int j=0;j<n;j++){
if(vis[j]==false && d[j]<MIN){
u=j;
MIN=d[j];
}
}
//找不到小于INF的d[u],说明剩下的顶点和起点不连通
if(u == -1) return;
vis[u] = true; //标记u为已访问
for(int v=0;v<n;v++){
//如果v未访问 && u能到到v && 以u为中介点可以使d[v]更优
if(vis[v]==false && G[u][v]!=INF && d[u]+G[u][v]<d[u]){
d[v] = d[u] + G[u][v]; //优化d[v]
}
}
}
}
//邻接表版
struct Node{
int v,dis; //v为边的目标顶点,dis为边权
};
vector<Node> Adj[MAXV];
int n;
int d[MAXV];
bool vis[MAXV] = {false};
void Dijkstra(int s){
fill(d,d+MAXV,INF);
d[s]=0;
for(int i=0;i<n;i++){
int u=-1,MIN=INF;
for(int j=0;j<n;j++){
if(vis[j]==false && d[j]<MIN){
u=j;
MIN=d[j];
}
}
//找不到小于INF的d[u],说明剩下的顶点和起点不连通
if(u==-1) return;
vis[u] = true; //访问u为已访问
//只有下面这个for循环与邻接矩阵的写法不同
for(int j=0;j<Adj[u].size();j++){
int v = Adj[u][j].v; //通过邻接表直接获得u到达的顶点v
if(vis[v]==false && d[u]+Adj[u][j].dis<d[v]){
//如果v未被访问,而且 以u为中介点可以使d[v]更优
d[v] = d[u] + Adj[u][j].dis; //优化d[v]
}
}
}
}
10.4.3 Floyd算法
Floyd用来解决全源最短路径,即对给定的图G(V,E),求任意两点u,v之间的最短路径长度,时间复杂度为O(n3),这个复杂度决定了顶点数n的限制约在200以内,因此使用邻接矩阵来实现Floyd算法是非常合适且方便的
#include <iostream>
#include <algorithm>
using namespace std;
const int INF = 10000000000;
const int MAXV = 200; //MAXV为最大顶点数
int n,m; //n为顶点数,m为边数
int dis[MAXV][MAXV]; //dis[i][j]表示顶点i和顶点j的最短距离
void Floyd(){
for(int k=0;k<n;k++){
for(int i=0;i<n;i++){
for(int j=0;j<n;j++){
if(dis[i][k]!=INF && dis[k][j]!=INF && dis[i][k]+dis[k][j]<dis[i][j])
dis[i][j] = dis[i][k]+dis[k][j];//找到更短的路径
}
}
}
}
int main() {
int u,v,w;
fill(dis[0],dis[0]+MAXV*MAXV,INF); //dis数组赋初始值
scanf("%d%d",&n,&m); //顶点数n,边数m
for(int i=0;i<n;i++){
dis[i][i]=0; //顶点i到顶点i的距离初始化为0
}
for(int i=0;i<m;i++){
scanf("%d%d%d",&u,&v,&m);
dis[u][v] = w; //以有向图为例输入
}
Floyd(); //Floyd算法入口
for(int i=0;i<n;i++){
for(int j=0;j<n;j++){
printf("%d ",dis[i][j]);
}
printf("\n");
}
return 0;
}
10.5 最小生成树(MST)
Minimum Spanning Tree , MST 是在一个给定的无向图 G(V,E)中求一棵树T,使得这棵树拥有图G中的所有顶点,且所有边都是来自图G中的边,并且满足整棵树的边权之和最小
10.5.1 Prim算法
适合稠密图,加点法
const int MAXV = 1000;
const int INF = 1000000000;
//邻接矩阵版
int n,G[MAXV][MAXV];
int d[MAXV]; //顶点与集合s的最短距离
bool vis[MAXV] = {false};
int prim(){ //默认0号位初始点,函数返回最小生成树的边权之和
fill(d,d+MAXV,INF);
d[0]=0;
int ans=0; //存放最小生成树的边权之和
for(int i=0;i<n;i++){
int u=-1,MIN=INF; //使得d[u]最小,MIN存放该最小的d[u]
for(int j=0;j<n;j++){ //找到未访问的顶点中d[]最小的
if(vis[j]==false && d[j]<MIN){
u=j;
MIN=d[j];
}
}
//找不到小于INF的d[u],则剩下的顶点和集合S不连通
if(u==-1) return -1;
vis[u] = true; //标记u为已访问
ans+=d[u];
for(int v=0;v<n;v++){
//v未访问 && u能到达v && 以u为中介点可以使v理集合S更近
if(vis[v]==false && G[u][v]!=INF && G[u][v]<d[v]){
d[v] = G[u][v]; //将G[u][v]赋值给d[v]
}
}
}
return ans; //返回最小生成树的边权之和
}
//邻接表版
struct Node{
int v,dis; //v为边的目标顶点,dis为边权
};
vector<Node> Adj[MAXV];
int n;
int d[MAXV];
bool vis[MAXV] = {false};
int Prim(){
fill(d,d+MAXV,INF);
d[0]=0;
int ans = 0;
for(int i=0;i<n;i++){
int u=-1,MIN=INF;
for(int j=0;j<n;j++){
if(vis[j]==false && d[j]<MIN){
u=j;
MIN=d[j];
}
}
//找不到小于INF的d[u],则剩下的顶点和集合S不连通
if(u == -1) return -1;
vis[u] = true;
ans += d[u];
//只有下面这个for循环与邻接矩阵写法不同
for(int j=0;j<Adj[u].size();j++){
int v = Adj[u][v].v; //通过邻接表直接获得u能到达的顶点v
if(vis[v]==false && Adj[u][j].dis<d[v]){
//如果v未访问 && 以u为中介点可以使v离集合S更近
d[v]=G[u][v];
}
}
}
return ans;
}
10.5.2 Kruskal算法
Kruskal算法采用了边贪心的策略,其思想极其简洁,理解难度比Prim算法低很多
如果是稀疏图,边少,适用于Kruskal,加边法
#include <iostream>
#include <algorithm>
using namespace std;
const int MAXV = 110;
const int MAXE = 10010;
//边集定义部分
struct edge{
int u,v; //边的两个端点编号
int cost; //边权
}E[MAXE]; //最多有MAXE条边
bool cmp(edge a,edge b){
return a.cost<b.cost;
}
//并查集部分
int father[MAXV]; //并查集数组
int findFather(int x){ //并查集查询函数
int a = x;
while(x != father[x]){
x = father[x];
}
//到这里,x存放的是根结点。下面把路径上的所有结点的father改成根结点
while(a != father[a]){
int z = a;
a = father[a];
father[z] = x;
}
return x; //返回根节点
}
//Kruskal部分,返回最小生成树的边权之和,参数n为顶点个数,m为图的边数
int Kruskal(int n,int m){
//ans为所求边权之和,Num_Edge为当前生成树的边数
int ans=0,Num_Edge=0;
for(int i=0;i<n;i++){
father[i]=i; //并查集初始化
}
sort(E,E+m,cmp); //所有边按边权从小到大排序
for(int i=0;i<m;i++){
//枚举所有边
int faU = findFather(E[i].u); //查询测试边两个端点所在集合的根结点
int faV = findFather(E[i].v);
if(faU != faV){ //如果不在一个集合中
father[faU] = faV; //合并集合(即把测试边加入最小生成树中)
ans += E[i].cost; //边权之和增加测试边的边权
Num_Edge++; //当前生成树的边数加1
if(Num_Edge == n-1) break; //边数等于顶点数减1时结束算法
}
}
if(Num_Edge != n-1) return -1; //无法连通时返回-1
else return ans;
}
int main() {
int n,m;
scanf("%d%d",&n,&m);//顶点数n,边数m
for(int i=0;i<m;i++){
scanf("%d%d%d",&E[i].u,&E[i].v,&E[i].cost);
}
int ans = Kruskal(n,m);
printf("%d",ans);
return 0;
}