Dijkstra求最短路
如果图中存在负权边,则不要使用 Dijkstra 来求最短路。
重边和自环
如果题目中表明所给的图存在重边与自环。
在求最短路径的问题中,
如果自环边权重是 正数,显然它不会出现在最短路径中。如果自环边是 负数,则需要考虑出现在最短路中。
如果是稠密图,使用了邻接矩阵来存边,则因为求最短路,所以我们对于重边,只需要存储最小的那个重边即可。 但如果是稀疏图,使用了邻接表来存边的话,则不需要对重边进行特殊处理。
朴素版 Dijkstra 算法
一般需要使用朴素版 Dijkstra 算法的图论问题都是 稠密图,我们需要使用 邻接矩阵 来存 边。
使用一个一维数组 dist[i] 表示 i 号点到起点的距离,并且初始化 dist[1] = 0,其余 dist 点初始化为 + ∞ +\infty +∞
。
s 表示当前已确定最短距离的点。
以上过程的原理是贪心思想。
int dijkstra() {
memset(d, 0x3f, sizeof d);
d[1] = 0;
for (int i = 0; i < n; ++i) { // 迭代 n 次
int t = -1; // 整体上,在所有 不在集合 s 的点中,寻找 d[j] 值最小的点
for (int j = 1; j <= n; ++j) {
if (!s[j] && (t == -1 || d[t] > d[j])) { //寻找不在集合s中的,距离最短的点
t = j;
}
}
s[t] = true; // 已经找到了一个不在集合 s 中的距离最近的点 t,现在将它放入集合 s。
for (int j = 1; j <= n; ++j) { // 用 t 更新其它点到起点的距离
d[j] = min(d[j], d[t] + w[t][j]);
}
}
if (d[n] == 0x3f3f3f3f) return -1; // 说明没有1 ~ n 的最短路
else return d[n];
}
朴素版 Dijkstra 时间复杂度
for i 1 ~ n 循环了 n 次。确定不在 s 中的,距离最近的点,需要一个 for 循环 n次 。用 t 更新其它点的距离也需要一个 for 循环 n 次。因此,朴素版 Dijkstra 算法的时间复杂度是 O ( n 2 ) O(n^{2}) O(n2)。
堆优化版 Dijkstra
如果是一个稀疏图,且图的点数超过 1 0 5 10^{5} 105 。朴素版 Dijkstra 就会超时。应该使用 堆优化的 Dijkstra,且用 邻接表存储图。
首先分析朴素版 Dijkstra 的性能瓶颈。
在 外层 for 循环下,寻找 “不在 s 中的,距离最近的点”,一共运算了 n 2 n^{2} n2 次;
“s <-- t” 时间复杂度 O ( 1 ) O(1) O(1)。所以,一共运算了 n 次。
“用 t 更新其它点的距离” 因为 点 t 并非与所有点都有边,每次 for 循环只会寻找 t 的相邻点。所以整体上,一共运算了 m 次。
经过上述分析,我们知道,最耗时的步骤是 寻找 ”不在 s 中的,距离最近的点。“
在一堆数中寻找最小的数字,我们可以使用 堆 来寻找。时间复杂度是 O ( 1 ) O(1) O(1)。
但是在堆中修改一个数的时间复杂度是 O ( l o g n ) O(log n) O(logn) 。所以 ”用 t 更新其它点的距离” 这一步每次都是 logn 。因此,堆优化的 Dijkstra 算法的时间复杂度是 O ( m l o g n ) O(mlog n) O(mlogn) ,其中 m 表示 边数。
堆的实现
可以手写堆,也可以使用 C++ STL 的优先队列。但是两者在实现和时间复杂度上有一点点小学问。
手写堆的好处是 n 个点的堆只需要 n 个元素,并且修改 堆 中任意一个元素的时间复杂度是 O ( l o g n ) O(log n) O(logn)。
STL 优先队列的好处是简单、容易写。但是由于底层实现是依靠冗余,也就是意味着每次你使用 STL 优先队列的修改操作实际上是直接在 堆 中插入一个新的元素,因此空间复杂度是 O(m),m 表示边数。所以,STL 优先队列修改元素的时间复杂度是 O(log m)。
但是,如果 m m m 远远小于 n 2 n^{2} n2 (稀疏图),则 log m <= 2log n,时间复杂度还是 O ( l o g n ) O(log n) O(logn)。
当你使用堆优化的 Dijkstra 时,往往是因为点数 n 超过了 1 0 5 10^{5} 105 ,且是稀疏图(你想想,如果点数超过 1 0 5 10^{5} 105 ,在算法题中,往往不能用一个二维数组来存所有边,因为空间不够。)。因此,堆优化的 Dijkstra 往往使用 STL 优先队列,而不用手写堆。
代码实现
#include <iostream>
#include <cstring>
#include <cstdio>
#include <algorithm>
#include <queue>
using namespace std;
typedef pair<int, int> PII;
const int N = 150010, M = 2 * N;
int e[M], ne[M], idx, h[N], w[M];
int n, m;
int d[N];
bool st[N];
void init() {
memset(h, -1, sizeof h);
}
void add(int a, int b, int z) {
e[idx] = b;
ne[idx] = h[a];
w[idx] = z;
h[a] = idx++;
}
int dijkstra_optimization_by_heap() {
memset(d, 0x3f, sizeof d);
d[1] = 0;
priority_queue<PII, vector<PII>, greater<PII>> heap; // heap 表示小根堆。第二个参数表示堆使用什么容器来实现,其它容器也可以,但是使用vector会比较好。
heap.push({0, 1}); // 将 1 号点放入堆中
while (heap.size()) {
auto t = heap.top();
heap.pop();
int ver = t.second, distance = t.first;
if (st[ver] == true) continue; // 说明是 STL 堆中的冗余备份
st[ver] = true;
for (int i = h[ver]; ~i; i = ne[i]) {
int next = e[i];
if (d[next] > d[ver] + w[i]) {
d[next] = d[ver] + w[i];
heap.push({d[next], next});
}
}
}
if (d[n] == 0x3f3f3f3f) return -1;
else return d[n];
}
int main()
{
init();
scanf("%d%d", &n, &m);
int x, y, z;
for (int i = 1; i <= m; ++i) {
scanf("%d%d%d", &x, &y, &z);
add(x, y, z);
}
int ans = dijkstra_optimization_by_heap();
if (ans != -1) printf("%d\n", ans);
else puts("-1");
}