最短路径算法
写在前面
单源最短路径算法顾名思义就是一个顶点到其他顶点的最短路径的距离。其中比较著名的算法有基于贪心思想的Dijkstra算法,基于动态规划思想的Floyd算法(多源最短路径)、Bellman-Ford算法。还有基于这些算法的时间复杂度优化算法等等。
松弛操作
在一个含有 n n n个顶点的图中,任意两点之间的最短路径最多包含 n − 1 n-1 n−1条边,最短路径中不可能包含回路。因为最短路径是一个不包含回路的简单路径,回路分为正权回路(回路权值之和为正)和负权回路(回路权值之和为负)。如果最短路径中包含正权回路,那么去掉这个回路,一定可以得到更短的路径;
如果最短路径中包含负权回路,那么肯定没有最短路径,因为每多走一次负权回路就可以得到更短的路径. 因此最短路径肯定是一个不包含回路的最短路径,即最多包含 n − 1 n-1 n−1条边。对于边 3 → 2 3\rightarrow2 3→2,它可以使 3 → 1 3\rightarrow1 3→1变成 3 → 2 → 1 3\rightarrow2\rightarrow1 3→2→1,从而使其距离变短,此过程称为松弛。(松弛点数,拉紧距离)即 w [ 3 → 2 ] + w [ 2 → 1 ] < w [ 3 → 1 ] w[3\rightarrow2]+w[2\rightarrow1]<w[3\rightarrow1] w[3→2]+w[2→1]<w[3→1]
三种算法的适用范围
单源最短路径 | 有向图&无向图 | 边权正负性 | 时间复杂度 | 其他 | |
---|---|---|---|---|---|
Dijkstra算法 | ✔ | ✔ | 正 | O ( n 2 ) O(n^2) O(n2) | |
Floyd算法 | 多源 | ✔ | 可正可负 | O ( n 3 ) O(n^3) O(n3) | 任意两点之间的最短路径,负权图 |
Bellman-Ford算法 | ✔ | ✔ | 可正可负 | O ( n m ) O(nm) O(nm) | 单源最短路径,负权图,判断负权环 |
算法描述
基本数据结构
struct Edge
{
int from, to, dist;//起始点,终点,两点距离(权值)
Edge(int u, int v, int w) :from(u), to(v), dist(w) {}//构造函数,初始化,类比class
};//定义边结构体
struct HeapNode
{
int dist, u;//权值,起点
bool operator < (const HeapNode &node) const
{
return dist > node.dist;//最小值优先
}
};
朴素Dijkstra算法
主要利用贪心的思想不断加入距离邻近的顶点,利用松弛操作不断更新源点到各个顶点的距离。
/*朴素Dijstra算法*/
void Simple_Dijstra(int u0)//u0为源点
{
memset(final, false, sizeof(final));
for (int i = 1; i <= n; i++)
D[i] = INF;
D[u0] = 0;//源点到自身的距离为0
final[u0] = true;
for (int i = 0; i < G[u0].size(); i++)
{
Edge &e = edges[G[u0][i]];//引用,起别名
D[e.to] = min(e.dist, D[e.to]);
}
for (int i = 0; i < n; i++)//求最短路径,时间复杂度为O(nm)
{
int v0 = 0;
int Min = INF;
for (int j = 0; j < n; j++)
if (!final[j] && D[j] < Min)
{
Min = D[j];
v0 = j;
}
final[v0] = true;//目的点
/*更新当前最短距离D[],即松弛relax操作*/
for (int k = 0; k < G[v0].size(); k++)
{
Edge &e = edges[G[v0][k]];
if (!final[e.to] && e.dist + Min < D[e.to])
D[e.to] = e.dist + Min;
}
}
}
优先队列(堆)优化的Dijstra算法
Dijstra
的思想是每次在dist
里面找到最小的那一条边,然后用最小的那条边去松弛其他的边,在此将dist
存在priority_queue
里面,每次通过优先队列得到dist最小的那条边,然后通过邻接表去松弛与这条边相连的其他的边,再将更新的dist
存入优先队列,直到队列空时结束。
void Priority_queue_Dijstra(int u0)
{
memset(final, false, sizeof(final));
for (int i = 1; i <= n; i++)
D[i] = INF;
priority_queue<HeapNode>pq;
D[u0] = 0;
pq.push(HeapNode { 0, u0 }); //源点对应的权值和from点进队列
while (!pq.empty())//求最短路径,O(nlogn);
{
HeapNode node = pq.top();
pq.pop();
int u = node.u;
if (final[u])continue;
final[u] = true;
for (int i = 0; i < G[u].size(); i++)
{
Edge &e = edges[G[u][i]];
if (D[e.to] > D[u] + e.dist)
{
D[e.to] = D[u] + e.dist;
pq.push(HeapNode { D[e.to],e.to });
}
}
}
}
Bellman-Ford算法
原理是对图进行最多V-1次松弛操作,得到所有可能的最短路径。优于迪科斯彻算法的方面是边的权值可以为负数、实现简单,缺点是时间复杂度过高,高达
O(VE)
。但算法可以进行若干种优化,提高了效率。
思路上与Dijkstra算法
最大的不同是每次都是从源点u0
重新出发进行"松弛"更新操作,而Dijkstra
则是从源点出发向外扩逐个处理相邻的节点,不会去重复处理节点,这边也可以看出Dijkstra
效率相对更高点。
判断图中是否存在负环路,但存在负环路的情况下不支持计算出各个节点的最短路径。只需要在结束
(n-1)
次遍历后,再执行一次遍历,若还可以更新数据则说明存在负环路(如果一个图没有负权回路,那么最短路径所包含的边最多为n-1
条,即进行n-1
轮松弛操作后最短路不会再发生变化。如果在n-1
轮松弛后最短路仍然可以 发生变化,则这个图一定有负权回路)
- 注意,代码中有一处注释部分,该部分其实是一个时间优化的小trick。
bool Bellman_Ford(int u0)
{
for (int i = 1; i <= n; i++)
D[i] = INF;
D[u0] = 0;
bool neg_loop = false;//判断有无负权环
//bool flag = false;//判断D[]是否已经都为确定值
//进行n-1次松弛操作O(nm)
for (int i = 0; i < n - 1; i++)
{
for (int j = 0; j < edges.size(); j++)
{
Edge &e = edges[j];
D[e.to] = min(D[e.from] + e.dist, D[e.to]);
/*if (D[e.from] + e.dist < D[e.to])
{
D[e.to] = D[e.from] + e.dist;
flag = true;
}*/
}
//if (!flag)
//break;//如果D[]已经全部确定,跳出循环
}
//检测负权回路,上面的操作保证没有负权回路的存在,
//如果找到了更短的路径,则说明存在负权回路
for (int i = 0; i < edges.size(); i++)
{
Edge &e = edges[i];
if (D[e.from] + e.dist < D[e.to])
{
neg_loop = true;//存在负权环
break;
}
}
if (neg_loop)
return false;
else
return true;
}
SPFA算法——Bellman-Ford算法的队列优化
适用于权值有负值,且没有负圈的图的单源最短路径,复杂度
O(kE)
,k
为每个节点进入Queue的次数,且一般k<=2
,所以实际SPFA的复杂度一般为O(E)
。期望时间复杂度:O(kE)
,其中k为所有顶点进队的平均次数,可以证明m一般小于等于2n;(除非数据点专门卡SPFA,通常m都不大)
SPFA
算法核心的循环的提前跳出:在实际操作中,Bellman-Ford
算法经常会在未达到n-1
次前就出解,n-1
其实是最大值。于是可以在循环中设置判定,在某次循环不在进行松弛的时候直接退出循环,进行负权环的判定。
具体做法是用一个队列保存待松弛的点,然后对于每个出队的点依次遍历每个与他有边相邻的点(邻接表效率较高)如果该点可以松弛,并且队列中没有该点,就将其入队列,如此迭代直到队列为空。
SPFA
,要从Bellman-Ford
的优化说起。在n
个点m
条边的图中,Bellman-Ford
的复杂度是n*m
,依次对每条边进行松弛操作,重复这个操作n-1
次后则一定得到最短路,这是因为最长的没有环路的路,也只不过是n
个点n-1
条边构成的,又因为每次循环,至少relax一边,所以最多n-1
次就一定能得到最短路。
SPFA的意义在于,如果一个点上次没有被松弛过,那么下次就不会从这个点开始松弛。每次把被松弛过的点加入到队列中,就可以忽略掉没有被松弛过的点。算法的核心在于队列优化Bellman-Ford,利用了每个点不会更新次数太多的特点发明的此算法。
(Bellman-Ford
算法中,其实每实施一轮松弛操作,就会有一些顶点已经求得其最短路,即这些顶点的最短路的"估计值"变为"确定值"。此后这些顶点的最短路的值就会一直保持不变,不再受后续轮松弛操作的影响。但是,每次还是会判断是否需要松弛,即更新,在此浪费了时间,而SPFA算法正是针对这一点进行了优化。)
bool SPFA(int u0)
{
for (int i = 1; i <= n; i++)
D[i] = INF;
D[u0] = 0;
memset(final, false, sizeof(final));
memset(enqueue, 0, sizeof(enqueue));
queue<int>q;
q.push(u0);
final[u0] = true;
while (!q.empty())
{
int u = q.front();
q.pop();
final[u] = false;
enqueue[u]++;
if (enqueue[u] == n)
return false;//有负权环
for (int i = 0; i < G[u].size(); i++)
{
Edge &e = edges[G[u][i]];
if (D[e.from] + e.dist < D[e.to])
{
D[e.to] = D[e.from] + e.dist;
if (!final[e.to])
{
final[e.to] = true;
q.push(e.to);
}
}
}
}
return true;
}
完整代码
#include<iostream>
#include<vector>
#include<algorithm>
#include<queue>
#include<cstring>
using namespace std;
const int maxn = 1000;//最大顶点数
const int maxm = 1000;//最大边数
const int INF = 1000000;
int n, m;
//int u[maxn], v[maxn], w[maxm];//起点,终点,权值
struct Edge
{
int from, to, dist;//起始点,终点,两点距离(权值)
Edge(int u, int v, int w) :from(u), to(v), dist(w) {}//构造函数,初始化,类比class
};//定义边结构体
struct HeapNode
{
int dist, u;//权值,起点
bool operator < (const HeapNode &node) const
{
return dist > node.dist;//最小值优先
}
};
struct ShortestPath
{
vector<Edge>edges;
vector<int>G[maxn];//图的邻接表存储
bool final[maxn];//final[v]=true当且仅当v∈S,即已经求得v0到v的最短路径,兼标记数组
int D[maxn];//某点到其余的点的距离
int enqueue[maxn];//顶点进(出)队列次数,在SPFA中用于判断是否有负权环出现
/*初始化邻接表和边,及距离*/
void init(int n)
{
for (int i = 0; i < n; i++)
G[i].clear();
edges.clear();
}
/*向图中添加边*/
void AddEdge(int from, int to, int dist)
{
edges.push_back(Edge(from, to, dist));
int m = edges.size();//m-1=边的编号
G[from].push_back(m - 1);//G存起点from对应的边的编号,从而可以找到对应
} //的edges[]数组中点和权值的信息
/*朴素Dijstra算法*/
void Simple_Dijstra(int u0)//u0为源点
{
memset(final, false, sizeof(final));
for (int i = 1; i <= n; i++)
D[i] = INF;
D[u0] = 0;//源点到自身的距离为0
final[u0] = true;
for (int i = 0; i < G[u0].size(); i++)
{
Edge &e = edges[G[u0][i]];//引用,起别名
D[e.to] = min(e.dist, D[e.to]);
}
for (int i = 0; i < n; i++)//求最短路径,时间复杂度为O(nm)
{
int v0 = 0;
int Min = INF;
for (int j = 0; j < n; j++)
if (!final[j] && D[j] < Min)
{
Min = D[j];
v0 = j;
}
final[v0] = true;//目的点
/*更新当前最短距离D[],即松弛relax操作*/
for (int k = 0; k < G[v0].size(); k++)
{
Edge &e = edges[G[v0][k]];
if (!final[e.to] && e.dist + Min < D[e.to])
D[e.to] = e.dist + Min;
}
}
}
void Priority_queue_Dijstra(int u0)
{
memset(final, false, sizeof(final));
for (int i = 1; i <= n; i++)
D[i] = INF;
priority_queue<HeapNode>pq;
D[u0] = 0;
pq.push(HeapNode { 0, u0 }); //源点对应的权值和from点进队列
while (!pq.empty())//求最短路径,O(nlogn);
{
HeapNode node = pq.top();
pq.pop();
int u = node.u;
if (final[u])continue;
final[u] = true;
for (int i = 0; i < G[u].size(); i++)
{
Edge &e = edges[G[u][i]];
if (D[e.to] > D[u] + e.dist)
{
D[e.to] = D[u] + e.dist;
pq.push(HeapNode { D[e.to],e.to });
}
}
}
}
bool Bellman_Ford(int u0)
{
for (int i = 1; i <= n; i++)
D[i] = INF;
D[u0] = 0;
bool neg_loop = false;//判断有无负权环
//bool flag = false;//判断D[]是否已经都为确定值
//进行n-1次松弛操作O(nm)
for (int i = 0; i < n - 1; i++)
{
for (int j = 0; j < edges.size(); j++)
{
Edge &e = edges[j];
D[e.to] = min(D[e.from] + e.dist, D[e.to]);
/*if (D[e.from] + e.dist < D[e.to])
{
D[e.to] = D[e.from] + e.dist;
flag = true;
}*/
}
//if (!flag)
//break;//如果D[]已经全部确定,跳出循环
}
//检测负权回路,上面的操作保证没有负权回路的存在,
//如果找到了更短的路径,则说明存在负权回路
for (int i = 0; i < edges.size(); i++)
{
Edge &e = edges[i];
if (D[e.from] + e.dist < D[e.to])
{
neg_loop = true;//存在负权环
break;
}
}
if (neg_loop)
return false;
else
return true;
}
bool SPFA(int u0)
{
for (int i = 1; i <= n; i++)
D[i] = INF;
D[u0] = 0;
memset(final, false, sizeof(final));
memset(enqueue, 0, sizeof(enqueue));
queue<int>q;
q.push(u0);
final[u0] = true;
while (!q.empty())
{
int u = q.front();
q.pop();
final[u] = false;
enqueue[u]++;
if (enqueue[u] == n)
return false;//有负权环
for (int i = 0; i < G[u].size(); i++)
{
Edge &e = edges[G[u][i]];
if (D[e.from] + e.dist < D[e.to])
{
D[e.to] = D[e.from] + e.dist;
if (!final[e.to])
{
final[e.to] = true;
q.push(e.to);
}
}
}
}
return true;
}
};
int main()
{
freopen("testdata.in", "r", stdin);
freopen("testdata.out", "w", stdout);
int k;
cin >> n >> m>> k;//输入顶点数和边数
ShortestPath SP;
SP.init(n);
for (int i = 0; i < m; i++)
{
int u, v, w;
cin >> u >> v >> w;//scanf("%d%d%d", &u, &v, &w);
SP.AddEdge(u, v, w);
SP.AddEdge(v, u, w);//无向图
}
SP.Simple_Dijstra(k);
cout << "Simple Dijstra Algorithm:" << endl;
for (int i = 0; i < n; i++)
cout << SP.D[i + 1] << " ";//printf("%d\n",SP.D[w]);
cout << endl;
/*SP.Priority_queue_Dijstra(k);
cout << "Priority_queue Optimized Dijstra Algorithm:" << endl;
for (int i = 0; i < n; i++)
cout << SP.D[i + 1] << " ";
cout << endl;
cout << "Bellman-Ford Algorithm:" << endl;
if (SP.Bellman_Ford(k))
for (int i = 0; i < n; i++)
cout << SP.D[i + 1] << " ";
else
cout << "Graph contains negative-weight cycle!";
cout << endl;
cout << "SPFA Algorithm:" << endl;
if (SP.SPFA(k))
for (int i = 0; i < n; i++)
cout << SP.D[i + 1] << " ";
else
cout << "Graph contains negative-weight cycle!";
cout << endl;*/
return 0;
}