Dijkstra算法可以很好地解决无负权图的最短路径问题,但是如果出现负权边,Dijkstra算法就会失效,如下图所示:
A为源点时,首先会将B的dist值变为-1,并且B的访问值会改成True,之后将无法被从点C出发的边CB更新,因此dist[B]就是-1,但显然A到B的最短路径长度应该是-4。Bellman-Ford算法(BF算法)可以更好地解决有负权边的最短路径问题,但是无法解决负环问题
显然零环和正环不会影响最短路径的求解,因为零环和正环的存在不会使最短路径更短,但是负环不然
一. 算法思想
BF算法需要对含有V个顶点的图中的边进行V-1轮操作,松弛函数与Dijkstra算法的松弛函数相同。进行完V-1轮操作后,此时数组dist中的所有值都应当已经达到最优。但是我们在对所有的边进行一轮操作后,再对所有边进行一轮操作,如果有
d
i
s
t
[
u
]
+
w
e
i
g
h
t
[
u
]
[
v
]
<
d
i
s
t
[
v
]
dist[u]+weight[u][v]<dist[v]
dist[u]+weight[u][v]<dist[v],则说明图中有负环,说明该图不能求出最短路径。至于为什么是V-1轮操作,这是因为一个有V个顶点的图,从一个顶点出发到达另一个顶点的边数最多是V-1条边
如上图所示,假设源点是S点,通过BF算法第一轮操作后,第二层顶点(B和C)的dist值会被确定下来,这样计算直到最后一层顶点的d值确定。Bellman-Ford算法需要遍历所有边,使用邻接表会比较方便;使用邻接矩阵时间复杂度会上升到O(V3)。使用邻接表时间复杂度为O(|V*E|)
二. 实现代码
#include<iostream>
#include<vector>
using namespace std;
#define MAXV 1000
#define INF 10000
struct Node {
int source;
int des; //终点
int weight; //权值
};
vector<Node> Adj[MAXV]; //相当于一个二维数组
int n; //顶点数
int dist[MAXV];
bool Bellman_Ford(int s) {
for (int i = 0; i < n; i++) {
dist[i] = INF;
}
dist[s] = 0;
for (int i = 0; i < n-1; i++) { //循环n-1次
for (int u = 0; u < n; u++) { //遍历所有边
for (int j = 0; j < Adj[u].size(); j++) {
int v = Adj[u][j].des;
if (dist[u] + Adj[u][j].weight < dist[v]) {
dist[v] = dist[u]+Adj[u][j].weight;
}
}
}
}
for (int u = 0; u < n; u++) { //检查是否存在负环
for (int j = 0; j < Adj[u].size(); j++) {
int v = Adj[u][j].des;
if (dist[u] + Adj[u][j].weight < dist[v]) {
return false;
}
}
}
return true;
}
int main() {
cin >> n;
for (int i = 0; i < n; i++) {
int num;
cin >> num;
for (int j = 0; j < num; j++) {
int source,des, weight;
cin >> source>>des >> weight;
Node node = {source,des,weight };
Adj[source].push_back(node);
}
}
if (Bellman_Ford(0)) {
for (int i = 0; i < n; i++) {
cout << dist[i] << " ";
}
}
else {
cout << "该图不存在最短路径" << endl;
}
return 0;
}