文章目录
前言
本篇文章讲的是图论里的最短路问题，如果你还没有图论的基础知识，可以看看我之前的文章：
DFS（深度优先算法） BFS(广度优先算法）邻接表和邻接矩阵、树的遍历 （DFS和BFS）
这些都是关于图论的基本知识。
一、最短路是什么？
最短路径： 从某个点A（位置）到另一个点B(位置)的最短距离，实现方法：点A途中可以经过很多个点C，然后通过不断更新点A到途中点 C 的最短距离，最后实现最短距离到达 点B。
A -> C1 -> C2 -> C3 -> B
最短路径的分类：
单源最短路：图中的一个点到其余各点的最短路径
多源最短路：图中每两个点的最短路径
框架图解：（如果看不清的话，放大浏览器再观看）
图中稠密图用邻接矩阵，稀疏图用邻接表，具体了解：
二、朴素Dijkstra算法
Dijkstra算法（迪杰斯拉算法）：该算法的特点是从起始点开始，采用贪心算法的策略，采用加点的的方式，每次遍历到起始点距离最近且从未被访问过的顶点的邻接节点t，将该点t加入集合S中，直到扩展到终点位置。
时间复杂度：O（n ^ 2）
思想（操作）：
- 将图上的点分为两个集合：分别是S集合和N集合
- S：表示访问过的点（用st数组存储）
- N：表示未访问过的点
- 将N集合中的点按到S集合距离最短依次加入到S集合中
- 用刚到S集合中的点t去更新集合N到起始点的距离（这一步也就是松弛操作）
图解：
步骤： dist[ ]：每个点到起始点的距离 st[ ]：是否加入到了s集合中
- 初始化距离：把每个点都初始化为0x3f3f3f3f（无穷大）
- 进行n层循环：遍历dist数组，找到一个不在S集合中并距离S集合最短的点t，每一层循环都将找到的点t将它放入S集合中（st[t] = true）
- 用找到的点t去更新N集合到起始点的距离（松弛操作）
代码 + 注释：
const int N = 1e5 + 10;//多少个点 int dist[N]; //每个点到起始点的距离 bool st[N]; //S集合 void dijkstra(){ memset(dist, 0x3f3f3f3f, sizeof dist);//初始化距离 dist[1] = 0; for(int i = 1; i <= n; i ++){ //进行n次循环 int t = -1; //设找到的点初始化为1 for(int j = 1; j <= n; j ++){ if(!st[j] && (t == -1 || dist[j] < dist[t])) //如果该点j没在S集合中并且没更新或者有距离S集合更小的点 t = j; //找到该点 } st[t] = true;加入集合S中 //松弛操作，用该点更新到s的距离 for(int j = 1; j <= n; j ++){ dist[j] = min(dist[j], dist[t] + g[t][j]); } } if(dist[n] == 0x3f3f3f3f) puts("impossible");//如果为无穷大说明到不了n点 else printf("%d", dist[n]); }
三、堆优化版Dijkstra算法
堆优化版Dijkstra算法：堆优化版Dijkstra算法是对朴素Dijkstra算法遍历所有点比较找出距离最近的点这一步骤，使用小根堆（优先队列）对这段代码进行优化：
for(int i = 1; i <= n; i ++){ //进行n次循环 int t = -1; //设找到的点初始化为1 for(int j = 1; j <= n; j ++){ if(!st[j] && (t == -1 || dist[j] < dist[t])) //如果该点j没在S集合中并且没更新或者有距离S集合更小的点 t = j; //找到该点 }时间复杂度：O（m * logn）
思想： typedef pair<int, int>PII;
用小根堆priority_queue<PII, vector<PII>, greater<PII>>heap;存储距离和点，堆自动排序，可以排序取距离S集合小的点，然后每次取不在集合S中距离最段的点，再进行松弛操作，最后将松弛操作的点插入小根堆中
步骤：
- 初始化距离：把每个点都初始化为0x3f3f3f3f（无穷大），并将1号点放在堆中
- 取出堆顶的点，用该点t进行拓展，采用邻接表的数据结构，遍历该点t能到的所有节点
- 进行松弛操作，然后把松弛的点和距离加入堆中。
代码 + 注释：
typedef pair<int, int>PII; //pair<int, int>用来存两个值 const int N = 1e5 + 10; int dist[N]; bool st[N]; int dijkstra(){ memeset(dist, 0x3f3f3f3f, sizeof dist);//初始化距离 dist[1] = 0; priority_queue<PII, vector<PII>, greater<int>>heap;//定义小根堆 heap.push({0, 1}); //一定要距离在第一位，因为小根堆是根据第一个数据来排序 while(heap.size()){ PII t = heap.top(); //取堆顶距离最小的元素 heap.pop(); int distance = t.first, ver = t.second;//取出距离和点 if(st[ver]) continue;//如果该点以及加入了集合S中，就continue st[ver] = true; //否则加入该点 for(int i = h[ver]; i != -1; i = ne[i]){ //遍历该点能到的点的位置 int j = e[i]; if(dist[j] > distance + w[i]){ //进行松弛操作 dist[j] = distance + w[i]; heap.push({dist[j], j}); //入堆 } } } if(dist[n] == 0x3f3f3f3f) return -1; else return dist[n]; }
四、Bellman_Ford算法
Bellman_Ford算法(贝尔曼-福特算法)：该算法比Dijkstra算法更具有普遍性，Dijkstra算法采用的是贪心思想，而Bellman_Ford采用的是动态规划，因为它对边没有要求，可以处理负权边与负权回路，也可以求边数限制的最短路，缺点是它的时间复杂度比较高，不能判断负环
时间复杂度：O（n * m）
思想：用结构体来存储图，对所有的边（重点）进行n - 1轮松弛操作，就是第一轮对所有边进行松弛，得到的是源点最多经过一条边到达其他顶点的最短距离，第二轮对所有的边进行松弛，得到的是最多经过两条边到其他顶点的最短距离，以此类推，最后达到n点
图解：
步骤：
- 循环n - 1次，每次循环更新每条边的最短距离
- 备份一份上次迭代dist距离的数据，防止串联
- 用以后的dist[j]进行拓展，松弛操作
代码 + 注释：
const int N = 1e5 + 10; int dist[N];//距离 int back[N];//备份的数据 struct Edge{ int a, b, w; }edge[N]; int bellman_ford(){ memset(dist, 0x3f3f3f3f, sizeof dist); //初始化距离 dist[0] = 1; for(int = 0; i <= k; i ++){ //可以求只经过k条边（限制边数） memcpy(back, dist, sizeof dist); //备份防止串联 for(int j = 1; j <= n; j ++){ //遍历每个点 int a = edge[i].a, b = edge[i].b, w = edge[i].w; //取值 dist[b] = min(dist[b], back[a] + w); //松弛操作 } } if(dist[n] > 0x3f3f3f3f / 2) return -1; //因为存在负权边，所以0x3f3f3f3f要除2 return dist[n]; }
五、spfa算法
SPFA算法（全称Shortest Path Faster Algorithm）：是Bellman_frod的队优化形式，通常用来求含负权边的的单源最短路问题，以及判断负权环，如果存在负权环就不能用SPFA算法计算最短路
SPFA算法与Bellman_frod的区别：SPFA是Bellman_ford的队优化版，但Bellman_Ford可以用来求负环的最短路，是因为其循环次数是有限制的，因此不会发生死循环，而SPFA算法不可以求带有负环的最短路，由于用了队列存储，只要发生了更新就会不断的入队，因此有了负权回路就不能用SPFA否则会死循环，但是SPFA可以利用这点来判断图中是否存在负环，如果某个点（非终点）的经过边数达到了n就说明存在负环。
时间复杂度：由于SPFA是Bellman_ford优化而来，所以SPFA的最坏的情况是O(n * m)，一般情况下是O（n）
对Bellman_ford的代码优化：
for(int j = 1; j <= n; j ++){ //遍历每个点 int a = edge[i].a, b = edge[i].b, w = edge[i].w; //取值 dist[b] = min(dist[b], back[a] + w); //松弛操作 }思路：采用的是类似BFS无权环的思路，设立一个队列来保存待优化的结点，优化时每次取队头结点t，然后遍历队头能经过的边到达的点v，t点对所能经过的边的点v进行松弛操作，如果能进行松弛操作，并且v点不在当前队列中，就将v点入队，这样不断进行松弛操作，直到队列为空为止
步骤：
- 初始化dist[ ]数组，建立一个队列，将起始点入队
- 取出队头进行扩展，并进行松弛操作
代码 + 注释：
const int N = 1e5 + 10; //多少个点 int e[N], ne[N], w[N], idx, h[N]; void add(int a, int b, int c){ //邻接表的存储方式 e[idx] = b; w[idx] = c; ne[idx] = h[a]; h[a] = idx ++; } int spfa(){ memset(dist, 0x3f3f3f3f, sizeof dist); //初始化距离 dist[0] = 1; queue<int>q; //定义队列 q.push(1); st[1] = true; while(q.size()){ int t = q.front(); //取出队头 q.pop(); st[t] = false; for(int i = h[t]; i != -1; i = ne[i]){ //遍历t能到的点 int j = e[i]; if(dist[j] > dist[t] + w[i]){ //松弛操作 dist[j] = dist[t] + w[i]; if(!st[j]){ q.push(j); st[j] = true; } } } } return dist[n]; }SPFA算法判读负环的代码 + 注释：
const int N = 1e5 + 10; int dist[N]; int cnt[N];记录当前点t到源点最短路的边数， bool spfa(){ // 这里不需要初始化dist数组为 正无穷/初始化的原因是， 如果存在负环， 那么dist不管初始化为多少， 都会被更新 queue<int>q; //不仅仅是第一个点了， 因为第一个点可能到不了有负环的点， 因此把所有点都加入队列 for(int i = 1;i <= n; i ++){ q.push(i); st[i] = true; } while(q.size()){ int 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;//如果能进行松弛操作就在当前点的cnt+ 1 if(cnt[j] >= n){ return true; } if(!st[j]){ q.push(j); st[j] = true; } } } } return false; }
六、Floyd算法
Floyd算法（弗洛伊德算法又称插点法）：采用动态规划的思想，来解决给多源最短路的问题，可以求图中的任意一点x到任意一点y的距离
时间复杂度：O(n ^ 3) 三重循环
算法思路：从图的带权邻接矩阵开始，进行n次迭代更新，每次更新每两个点之间的最短距离，状态方程：f[i][j] = min(f[i][j], f[i][k] + f[k][j]);
步骤：
初始化：从任意一条单边路径开始。所有两点之间的距离是边的权，如果两点之间没有边相连，则权为无穷大。
对于每一对顶点 i 和 j, 看看是否存在一个顶点 k 使得从 i 到 k 再到 j 比已知的路径更短。如果是更新它。
代码 + 注释：
void Folyd(){ for (int i = 1; i <= n; i ++ ){ //初始化 for(int j = 1; j <= n; j ++){ if(i == j) d[i][j] = 0; else d[i][j] = INF; } } //动态规划 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]); }
总结
以上就是我所了解的几个最短路算法，可能还有很多待优化的地方，希望大家能指正。
3万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
