算法强化 —— 最短路径

最短路径

Dijkstra算法
Bellman-Ford算法

Dijkstra

步骤
1.第一个核心步骤：找到当前未处理过的顶点中Distance最小的点V，(由于起点到起点的消耗为0，所以算法开始时V必定代表起点)
2.第二个核心步骤：若V有邻居，则计算经过V的情况下起点到达各邻居的消耗Distance,并选择是否更新V邻居的Distance值。若没有邻居则对该点的处理结束
3.重复以上两个核心步骤，直到满足算法终止的条件：有向图中所有的点都被处理过。
时间复杂度
设有向图中，共有V个定点,E条边。
传统Dijkstra算法中主要操作有：
1.每次从确定节点中寻找Distance最小节点，需要O(1+2+3+…+(V-1)) = O(V^2)
2.更新邻居的Distance,需要O(E)
所以总的时间复杂度为O(V^2+E),因为O(E) <–> O(V^{2),所以时间复杂度为O(V}2)

LeetCode 743 网络延迟时间

有 N 个网络节点，标记为 1 到 N。
给定一个列表 times，表示信号经过有向边的传递时间。 times[i] = (u, v, w)，其中 u 是源节点，v 是目标节点， w 是一个信号从源节点传递到目标节点的时间。
现在，我们向当前的节点 K 发送了一个信号。需要多久才能使所有节点都收到信号？如果不能使所有节点收到信号，返回 -1。
注意:
N 的范围在 [1, 100] 之间。
K 的范围在 [1, N] 之间。
times 的长度在 [1, 6000] 之间。
所有的边 times[i] = (u, v, w) 都有 1 <= u, v <= N 且 0 <= w <= 100。

单源最短路径问题

class Solution():
    def networkDelayTime(self,times,N,K):
        D = [float('inf')]*(N+1) # 除起点外初始化正无穷
        graph = {
   }
        for u,v,w in times:
            graph[u] = graph