最短路径问题算法总结
1、固定起点的最短路——Dijkstra算法
最短路是一条路径,且最短路的任意一段也是最短路。假设在u0——v0的最短路中只取一条,则从u0到其余顶点的最短路将构成一颗以u0为根的树。因此可以采用树生长的过程来求指定顶点到其余顶点的最短路,实现这一过程的方法是Dijkstra算法。
目标:单源,非负(不能有负权)
时间复杂度:O(n^2)
步骤:
1.用集合1表示已知点,用集合2表示未求点。则1中最初只有start(起始点)这个点,集合2中有其他n-1个点。
2.在集合2中找到一个到start距离最近的顶点k,距离为d[k];
3.把顶点k加到集合1中,同时修改集合2中的剩余顶点 j 的d[j],判断d[j]是否经过k后变短,如果变短修改d[j];
if(d[k]+a[k][j]<d[j]) d[j] = d[k]+d[k][j];
4.重复1,直到集合2为空为止.
伪代码如下:
1 for(int i=1;i<=t;i++)
2 dis[i]=a[st][i];
3 vis[st]=1;dis[st]=0;
4 for(int i=1;i<t;i++)
5 {
6 int minn=9999999;
7 int k=0;
8 for(int j=1;j<=t;j++)
9 if(!(vis[j])&&(dis[j]<minn))
10 {
11 minn=dis[j];
12 k=j;
13 }
14 if(k==0) break ;
15 vis[k]=1;
16 for(int j=1;j<=t;j++)
17 if(!(vis[j])&&(dis[k]+a[k][j]<dis[j]))
18 dis[j]=dis[k]+a[k][j];
19 }
2、每对顶点之间的最短路——Floyd算法
基本原理:
根据图的传递闭包思想:
if(d[i][k]+d[j][k])<d[i][j])
d[i][j]=d[i][k]+d[k][j]
即每次找一个“中转站K”,如果d[i][k]+d[j][k])<d[i][j],则更新d[i][j].即更新i到j之间的距离。
时间复杂度:O(n^3)
初始化条件:
d[i][i]=0;//自己到自己的距离为0;
d[i][j]=边权;//i与j有直接相连的边。
d[i][j]=正无穷;//i与j没有直接相连的边。
算法核心:
1 for(int k=1;k<=n;k++)
2 for(int i=1;i<=n;i++)
3 for(int j=1;j<=n;j++){
4 if(a[i][k]+a[k][j]<a[i][j]){
5 a[i][j]=a[i][k]+a[k][j];
6 }
7 }
补充:
可定义path[i][j]记录i到j的最短路径中j的前驱顶点,可用于输出最小路径.
初始化:i到j有边,则path[i][j]=i;path[j][i]=j;
i到j不连通,则path[i][j]=-1;
核心代码:
1 for(int k=1;k<=n;k++)
2 for(int i=1;i<=n;i++)
3 for(int j=1;j<=n;j++){
4 if(a[i][k]+a[k][j]<a[i][j]){
5 a[i][j]=a[i][k]+a[k][j];
6 path[i][j]=path[k][j];
7 }
8 }
3、Bellman-ford算法
Bellman——ford 算法N次迭代就可以判断图中是否有“负环”。
它取两种边有两种方法:
——扫描每一点的邻接表。
——用有序点对(x, y)记录边时,可直接取边。但要注意对无向边,要注意(y , x)也要松弛.
对于求s到某点的最短距离,可能因为其它地方有“负环”而出现问题,要预处理。
时间复杂度:O(N*E)
步骤:1.初始化每点到s点的距离为正无穷。
2.取所有边(x, y),看x能否对y松弛.
3.如果没有任何松弛,则结束break.
4.如果松弛次数<N, 转(2);
5.如果第n次还能松弛,图中有“负环”.
伪代码略(不常用,一般用队列优化的SPFA)。
4、SPFA(对Bellman-ford算法的优化)
Bellman-ford算法中,每次都要检查所有的边。这个看起来比较浪费,对于边(x, y),如果上一次dis[x],没有改变,则本次的检查显然是多余的。
我们每次只要从上次刚被松弛过的点x,来看看x能不能松弛其它点即可。
SPFA算法中用BFS中的队列来存放刚被“松弛”过的点x,来看看x能不能松弛其它点即可。
时间复杂度:O(K*E)
算法描述:(伪代码)
1 void spfa(int k)
2 {
3 memset(dis, 0x3f, sizeof(dis));
4 memset(vis, 0, sizeof(vis));
5 dis[k] = 0;
6 vis[k] = 1;
7 q.push(k);
8 while(!q.empty())
9 {
10 int x = q.front();
11 vis[k] = 0;
12 q.pop();
13 for(int i = head[x];i;i = e[i].next)
14 {
15 int tmp = e[i].to;
16 if(dis[x] + e[i].v < dis[tmp])
17 {
18 dis[tmp] = dis[x] + e[i].v;
19 if(!vis[tmp])
20 {
21 vis[tmp] = 1;
22 q.push(tmp);
23 }
24 }
25 }
26 }
27 }
值得注意的是,该算法在特殊构造的图中很可能退化为O(N*M),需要谨慎使用。
于是,在这种情况下,出现了一种算法,时间复杂度优秀且稳定。
这就是堆优化的Dijkstra算法
5、堆优化的Dijkstra算法(对Dijkstra算法的优化)
其实我们发现,在每次贪心修改dis[]数组时,仍做了许多不必要的工作。
此时我们就可以用堆来维护,优化算法。
具体见代码:
1 typedef pair<int, int> pii;
2 priority_queue <pii, vector<pii>, greater<pii> > q;
3 int dis[N], vis[N];
4 void dijkstra(int k){
5 memset(dis, 0x3f, sizeof(dis));
6 dis[k] = 0;
7 q.push(make_pair(dis[k], k));
8 while(!q.empty()){
9 pii tmp = q.top();
10 q.pop();
11 int x = tmp.second;
12 if(vis[x]) continue;
13 vis[x] = 1;
14 for(int i = head[x];i;i = e[i].next){
15 int y = e[i].to;
16 if(dis[x] + e[i].v < dis[y]){
17 dis[y] = dis[x] + e[i].v;
18 if(!vis[y])
19 q.push(make_pair(dis[y], y));
20 }
21 }
22 }
23 }
复制代码
值得注意的是,使用dijkstra算法一定要注意图中是否存在负权边!否则后果你懂得。
总结一下,floyd算法适合暴力拿取部分分,SPFA算法时间复杂度优秀但不稳定,堆优化的dijkstra算法时间复杂度优秀且稳定,但图中不能有负权边。
本文参考文章地址:https://www.cnblogs.com/smilke/articles/10694952.html