本系列旨在用简单的人话讲解算法,尽可能避免晦涩的定义,读者可以短时间内理解算法原理及应用细节。我在努力!
本篇文章编程语言为Python,供参考。
SPFA算法(贝尔曼-福特算法的队列优化形式)
用于负权图中计算一个节点到其他节点的最短路径。(Bellman-Ford算法的一种优化形式)
基本原理:建立一个队列,逐次用队首结点u对与之相连的全部结点v进行松弛操作,如果结点v的最短路径距离更新,且v不在队列中, 则加入队列,直到队列为空停止。
1. 算法实现
Bellman-Ford算法内容见另一篇博客:算法系列——贝尔曼福特算法(Bellman-Ford)。
附全部源码:
#北京 天津 郑州 济南 长沙 海南
# 0 1 2 3 4 5
#模拟从文件中读入图的各个路径
a = """
0 1 500
1 2 900
2 0 100
1 3 300
2 3 400
2 4 500
3 4 1300
3 5 1400
4 5 1500
"""
INF = float('inf')
N = 6
weight = []
def init():
global weight
#定义邻接矩阵 记录各城市之间的距离
weight = [[INF if j!=i else 0 for j in range(N)] for i in range(N)]
#解析数据
b = [[int(i) for i in i.split(' ')] for i in a.split('\n') if i != '']
for i in b:
weight[i[0]][i[1]] = i[2]
weight[i[1]][i[0]] = i[2]
init()
def SPFA(src, target):
dist = [0 if i == src else INF for i in range(N)]
last_update = [src if i != INF else -1 for i in dist]
queue = []
queue.append(src)
cnt = [0] * N
while queue:
now = queue.pop(0)
for i in range(N):
if weight[now][i] != INF and now != i and dist[i] > dist[now] + weight[now][i]:
dist[i] = dist[now] + weight[now][i]
last_update[i] = now
if i not in queue:
queue.append(i)
cnt[i] += 1
if cnt[i] >= N:
raise ValueError("存在负权回路")
#输出从起点到终点的路径结点
tmp = target
path = []
while tmp != src:
path.append(tmp)
tmp = last_update[tmp]
path.append(src)
print("->".join([str(i) for i in reversed(path)]))
return dist[target]
后记:至此,最短路径的几个常见的经典算法就都已经完工了,虽然脑子里忘得差不多了,但是好在记录下来了,随时可查,方便得多。
简单总结一下:
Dijkstra:可以求单源最短路径(不能存在负权,非负权图首选)
Floyd:可以求多源最短路径
Bellman-Ford:可以求单源最短路径(可以存在负权,可以检测负权回路,但效率不高,要加优化)
SPFA:Bellman-Ford的队列优化。