AcWing算法基础课----搜索与图论(二) 笔记 （最短路：Dijkstra、Bellman-Ford、SPFA、Floyd）

抽屉原理

桌上有十个苹果，要把这十个苹果放到九个抽屉里，无论怎样放，我们会发现至少会有一个抽屉里面放不少于两个苹果。这一现象就是我们所说的“抽屉原理”。 抽屉原理的一般含义为：“如果每个抽屉代表一个集合，每一个苹果就可以代表一个元素，假如有n+1个元素放到n个集合中去，其中必定有一个集合里至少有两个元素。” 抽屉原理有时也被称为鸽巢原理。它是组合数学中一个重要的原理

常见的最短路问题

源点：起点 汇点：终点
n 点数 m 边数

1. 单源最短路
   • 所有边权都是正数
     a.朴素Dijkstra算法 O(n^2) 稠密图
     b.堆优化版的Dijkstra算法 O(mlogn) 稀疏图
   • 存在负权边
     a.Bellman-Ford O(nm) 对边数有限制
     b.SPFA 一般：O(m) 最坏 O(nm)
2. 多源汇最短路
   • Floyd O(n^3)

最短路考察：建图（难点）<==> 如何把问题抽象成最短路问题

Dijkstra 基于 贪心
Floyd 基于 动态规划
Bellman 基于 离散数学

1. 朴素dijkstra算法

s:当前已确定最短距离的点

算法思路：

1. 初始化距离 dist[1]=0 ,dist[i]=inf
2. 迭代 for(int i=0;i<n;i++)
   a. 找到不在s中的距离最近的点 n^2次
   b. t放到s中去 n次
   c.用t更新其他点的距离 if(dist[x]>disp[t]+w) dist[x]=disp[t]+w; m次

模板：

时间复杂是 O(n2+m), n 表示点数，m 表示边数
int g[N][N];  // 存储每条边
int dist[N];  // 存储1号点到每个点的最短距离
bool st[N];   // 存储每个点的最短路是否已经确定

// 求1号点到n号点的最短路，如果不存在则返回-1
int dijkstra()
{
    memset(dist, 0x3f, sizeof dist);
    dist[1] = 0;

    for (int i = 0; i < n - 1; i ++ )
    {
        int t = -1;     // 在还未确定最短路的点中，寻找距离最小的点
        for (int j = 1; j <= n; j ++ )
            if (!st[j] && (t == -1 || dist[t] > dist[j]))
                t = j;

        // 用t更新其他点的距离
        for (int j = 1; j <= n; j ++ )
            dist[j] = min(dist[j], dist[t] + g[t][j]);

        st[t] = true;
    }

    if (dist[n] == 0x3f3f3f3f) return -1;
    return dist[n];
}

2. 堆优化版dijkstra

堆：手写堆（n）、优先队列（m） python中set

算法思路：

1. 初始化距离 dist[1]=0 ,dist[i]=inf
2. 迭代 for(int i=0;i<n;i++)
   a. 找到不在s中的距离最近的点 n次
   b. t放到s中去 n次
   c.用t更新其他点的距离 if(dist[x]>disp[t]+w) dist[x]=disp[t]+w; mlogn次

模板：

时间复杂度 O(mlogn), n 表示点数，m 表示边数
typedef pair<int, int> PII;

int n;      // 点的数量
int h[N], w[N], e[N], ne[N], idx;       // 邻接表存储所有边
int dist[N];        // 存储所有点到1号点的距离
bool st[N];     // 存储每个点的最短距离是否已确定

void add(int u,int v,int k){  // 加边
    e[idx]=v,w[idx]=k,ne[idx]=h[u],h[u]=idx++;
}

// 求1号点到n号点的最短距离，如果不存在，则返回-1
int dijkstra()
{
    memset(dist, 0x3f, sizeof dist);
    dist[1] = 0;
    priority_queue<PII, vector<PII>, greater<PII>> heap;
    heap.push({0, 1});      // first存储距离，second存储节点编号

    while (heap.size())
    {
        auto t = heap.top();
        heap.pop();

        int ver = t.second, distance = t.first;

        if (st[ver]) continue;
        st[ver] = true;

        for (int i = h[ver]; i != -1; i = ne[i])
        {
            int j = e[i];
            if (dist[j] > distance + w[i])
            {
                dist[j] = distance + w[i];
                heap.push({dist[j], j});
            }
        }
    }

    if (dist[n] == 0x3f3f3f3f) return -1;
    return dist[n];
}

3. Bellman-Ford算法

基本思路：
n次迭代

for(int i=0;i<n;i++) {
    +备份防止串联 memcpy(backup,dist,sizeof dist);
	# 松弛操作
	for(循环所有边)（随便存，结构体即可）更新
		dist[b]=min(dist[b],dist[a]+w);
}

最后所有边满足三角不等式 ：dist[b]<=dist[a]+w

处理有负权边问题、有变数限制的最短路问题

求最短路时，若存在负权回路，则不一定存在最短路（若负环不在两点最短路路径上则无影响）

Bellman-Ford可求是否存在负权回路：若迭代第n次还有更新，存在一条路径上有n条边的最短路径，即存在负环

迭代k次，求得最短距离含义为：从源点经过不超过k条边到每一点的最短距离

模板：

时间复杂度 O(nm), n 表示点数，m 表示边数
注意在模板题中需要对下面的模板稍作修改，加上备份数组，详情见模板题。

int n, m;       // n表示点数，m表示边数
int dist[N];        // dist[x]存储1到x的最短路距离

struct Edge     // 边，a表示出点，b表示入点，w表示边的权重
{
    int a, b, w;
}edges[M];

// 求1到n的最短路距离，如果无法从1走到n，则返回-1。
int bellman_ford()
{
    memset(dist, 0x3f, sizeof dist);
    dist[1] = 0;

    // 如果第n次迭代仍然会松弛三角不等式，就说明存在一条长度是n+1的最短路径，由抽屉原理，路径中至少存在两个相同的点，说明图中存在负权回路。
    for (int i = 0; i < n; i ++ )
    {
    	memcpy(backup,dist,sizeof dist);
        for (int j = 0; j < m; j ++ )
        {
            int a = edges[j].a, b = edges[j].b, w = edges[j].w;
            //dist[b]=min(dist[b],backup[a]+w);
            if (dist[b] > dist[a] + w)
                dist[b] = dist[a] + w;
        }
    }

    if (dist[n] > 0x3f3f3f3f / 2) return -1;  // 防止+∞覆盖
    return dist[n];
}

4. spfa 算法（队列优化的Bellman-Ford算法）

对dist[b]=min(dist[b],backup[a]+w)这一过程做优化

出题人可能会卡O(nm)，网格图容易卡spfa

算法思路：
while(queue不空){
	1. 取队头t
	2. 用t更新t的所有出边，以t为起点的边，b放入queue
}

模板：

时间复杂度 平均情况下 O(m)，最坏情况下 O(nm), n 表示点数，m 表示边数
int n;      // 总点数
int h[N], w[N], e[N], ne[N], idx;       // 邻接表存储所有边
int dist[N];        // 存储每个点到1号点的最短距离
bool st[N];     // 存储每个点是否在队列中

// 求1号点到n号点的最短路距离，如果从1号点无法走到n号点则返回-1
int spfa()
{
    memset(dist, 0x3f, sizeof dist);
    dist[1] = 0;

    queue<int> q;
    q.push(1);
    st[1] = true;

    while (q.size())
    {
        auto t = q.front();
        q.pop();

        st[t] = false;

        for (int i = h[t]; i != -1; i = ne[i])
        {
            int j = e[i];
            if (dist[j] > dist[t] + w[i])
            {
                dist[j] = dist[t] + w[i];
                if (!st[j])     // 如果队列中已存在j，则不需要将j重复插入
                {
                    q.push(j);
                    st[j] = true;
                }
            }
        }
    }

    if (dist[n] == 0x3f3f3f3f) return -1;
    return dist[n];
}

5. spfa判断图中是否存在负环

if(cnt[i]>=n) 存在负环

模板：

时间复杂度是 O(nm), n 表示点数，m 表示边数
int n;      // 总点数
int h[N], w[N], e[N], ne[N], idx;       // 邻接表存储所有边
int dist[N], cnt[N];        // dist[x]存储1号点到x的最短距离，cnt[x]存储1到x的最短路中经过的点数
bool st[N];     // 存储每个点是否在队列中

// 如果存在负环，则返回true，否则返回false。
bool spfa()
{
    // 不需要初始化dist数组
    // 原理：如果某条最短路径上有n个点（除了自己），那么加上自己之后一共有n+1个点，由抽屉原理一定有两个点相同，所以存在环。

    queue<int> q;
    for (int i = 1; i <= n; i ++ )
    {
        q.push(i);
        st[i] = true;
    }

    while (q.size())
    {
        auto t = q.front();
        q.pop();

        st[t] = false;

        for (int i = h[t]; i != -1; i = ne[i])
        {
            int j = e[i];
            if (dist[j] > dist[t] + w[i])
            {
                dist[j] = dist[t] + w[i];
                cnt[j] = cnt[t] + 1;
                if (cnt[j] >= n) return true;       // 如果从1号点到x的最短路中包含至少n个点（不包括自己），则说明存在环
                if (!st[j])
                {
                    q.push(j);
                    st[j] = true;
                }
            }
        }
    }

    return false;
}

6. floyd算法

邻接矩阵存图

模板：

时间复杂度是 O(n3), n 表示点数
初始化：
    for (int i = 1; i <= n; i ++ )
        for (int j = 1; j <= n; j ++ )
            if (i == j) d[i][j] = 0;
            else d[i][j] = INF;

// 算法结束后，d[a][b]表示a到b的最短距离
void floyd()
{
    for (int k = 1; k <= n; k ++ )
        for (int i = 1; i <= n; i ++ )
            for (int j = 1; j <= n; j ++ )
                d[i][j] = min(d[i][j], d[i][k] + d[k][j]);
}