1.Bellman-Ford回顾
在上一篇的Bellman-Ford中讲到在其算法中需要经过双重循坏来解决边的“松弛”问题,但是通过对算法的详解可以了解,在每一次的循环中其实只有某几个节点需要“松弛”。所以,这次优化针对只需要“松弛”的节点。用一个队列来记录需要“松弛”的节点,也就是最短路径发生变化的点。
2.数据结构描述
在此次案例中,图的存储使用邻接表来表示,具体如下:
3.算法思想
每次选取队首顶点u,对顶点u的所有出边进行松弛操作。例如有一条u—>v的边,如果通过u—>v这条边使得源点带节点v的最短路径变短,而且顶点v不在当前的队列中,就将顶点v放入队尾。
值得注意的是,同一个顶点同时在队列中出现多次是毫无意义的,所以我们需要一个数组判断那些点已经在队列中。在对顶点u的所有出边松弛完毕后,就将顶点u出队。接下来不断从队列中取出新的队首节点再进行如上操作。直至队空为止。
4.具体步骤
- 初始化图的邻接表,队列deq,和dis(存放1号顶点到其余各个顶点的最短路径),如下图:
- 对deq的首节点1进行遍历。
deq首节点1遍历过程 | 结果判断 |
---|---|
1—> 2,w = 2;(dis[2] = ∞)>( (dis[1] = 0) + (w[2] = 2)== 2) | 更新 |
1—> 5,w = 10;(dis[5] = ∞)>( (dis[1] = 0) + (w[5] = 10)== 10) | 更新 |
更新后的数据结构如下:
3. 对deq的首节点2进行遍历。
deq首节点2遍历过程 | 结果判断 |
---|---|
2—> 3,w = 3;(dis[3] = ∞)<( (dis[2] = 2) + (w[3] = 3)== 5) | 否 |
2—> 5,w = 7;(dis[5] = 10)>( (dis[2] = 2) + (w[5] = 7)== 9) | 更新,但不入队列 |
更新后的数据结构如下:
4. 对deq的首节点5进行遍历。
deq首节点1遍历过程 | 结果判断 |
---|---|
5—> 3,w = 6;(dis[3] = 5)<( (dis[5] = 9) + (w[3] = 6)== 15) | 否 |
更新后的数据结构如下:
4. 对deq的首节点3进行遍历。
deq首节点3遍历过程 | 结果判断 |
---|---|
3—> 4,w = 4;(dis[4] = ∞)>( (dis[3] = 5) + (w[4] = 4)== 9) | 更新 |
更新后的数据结构如下:
5.对deq的首节点4进行遍历。
deq首节点4遍历过程 | 结果判断 |
---|---|
4—> 5,w = 5;(dis[5] = 9)<( (dis[4] = 9) + (w[4] = 5)== 14) | 否 |
更新后的数据结构如下:
至此,所有数据均已更新完毕。
5.具体实现
在具体的实现过程中,顶点1,2,3,4,5存储在vector中,而vector[i]中的元素均为list,list由unordered_map组成,含义如下图:
#include <vector>
#include <iostream>
#include <list>
#include <queue>
#include <unordered_map>
using namespace std;
class Bellman_Ford_Que
{
private:
int vertice = 0;//顶点数
int edge = 0;//边数
vector<int> dis;//源点到各个顶点之间的最短距离
vector<bool> book;//记录那个节点已经被遍历过(队列中的所有节点)
vector<list<unordered_map<int,int>>> e;//图的邻接表存储方法
queue<int> que;
public:
//根据节点值和边值初始化:边的起始节点数组u,边的终止节点数组v,边u[i]->v[i]的权重w
Bellman_Ford_Que(int x, int y) :vertice(x), edge(y)
{
//图的初始化从下标1开始
dis.resize(vertice + 1);
book.resize(vertice + 1);
e.resize(vertice + 1);
}
//读入图的边,并且根据边的信息初始化数组dis,数组book
void GetEdgeInfo()
{
cout << "输入边的信息(节点1,节点2,权重):" << endl;
int e1 = 0, e2 = 0, weigth = 0;
for (int i = 1; i <= edge; i++)
{
cin >> e1 >> e2 >> weigth;
unordered_map<int, int> map = { {e2,weigth} };
e[e1].push_back(map);
}
for (int i = 2; i <= vertice; i++)
{
//dis[1]在构造函数里面已经初始化为0
dis[i] = INT_MAX;
}
book[1] = true;
}
//打印
void Print()
{
for (int i = 1; i <= vertice; i++)
{
cout << dis[i] << " ";
}
cout << endl;
}
//Bellman_Ford核心思想
void Bellman_Ford_Que_Alg()
{
que.push(1);
while (!que.empty())//队列不为空的时候循环
{
int ver = que.front();//队列的首元素
auto it = e[ver].begin();
while (it != e[ver].end())//扫描当前节点的所有边
{
auto temp = it->begin();
if (dis[ver] < INT_MAX && dis[temp->first] > (dis[ver] + temp->second))
{
dis[temp->first] = (dis[ver] + temp->second);
}
if (book[temp->first] == 0)//顶点不在队列中
{
que.push(temp->first);
book[temp->first] = 1;
}
it++;
}
que.pop();
}
}
};
int main()
{
Bellman_Ford_Que Bellman(5, 7);
Bellman.GetEdgeInfo();
cout << "初始信息:" << endl;
Bellman.Print();
Bellman.Bellman_Ford_Que_Alg();
cout << "单源最短路径(顶点1到其余各顶点):" << endl;
Bellman.Print();
return 0;
}
6.总结
简单来说,算法的具体思路是:初始时将源点加入队列。每次从队首取出一个顶点,并对与其相邻的所有顶点进行松弛操作,若某个相邻的顶点松弛成功且这个相邻的顶点不在队列中,则对当前顶点处理完毕后立即出队,并对新的队首元素进行如上操作,直到队列为空时算法结束。
用队列进行优化的关键在于:只有那些在前一遍松弛中改变了最短路径估计值的顶点,才可能引起他们邻接点最短路径发生改变。因此,用一个队列来存放被成功松弛的顶点,降低了算法复杂度。