Dijkstra算法详解(二)------堆优化版

     上篇文章中讲解了朴素版Dijkstra算法,也提到了堆优化版的算法。这篇文章就详细解释一下什么是堆优化版,并解释它的优点。

      一、用途

     二者适用的环境不同。朴素版Dijkstra算法适用于稠密图,而堆优化版Dijkstra适用于稀疏图。

两种图的区别上一篇文章讲的很清楚了,不懂的可以去看看http://t.csdn.cn/spjm9

      二、如何进行的优化

    我们先来看看朴素版耗时的原因在哪?

for(i:1 ~ n)//n次
{
    t <- 没有确定最短路径的节点中距离源点最近的点;//每次遍一遍历dist数组,n次的复杂度是O(n^2)
    state[t] = 1;
    更新 dist;//每次遍历一个节点的出边,n次遍历了所有节点的边,复杂度为O(m)
}

   由此可见。一开始我们要遍历所有点,就是为了去找到最近的点。这就是耗时的主要原因。

   因为它的主要目的就是为了找最小值,所以我们可以想到用小根堆去写(堆优化)。

      三、例题

  

给定一个 n 个点 m 条边的有向图,图中可能存在重边和自环,所有边权均为非负值。

请你求出 1 号点到 n 号点的最短距离,如果无法从 1 号点走到 n 号点,则输出 −1。

输入格式

第一行包含整数 n 和 m。

接下来 m 行每行包含三个整数 x,y,z表示存在一条从点 x 到点 y 的有向边,边长为 z。

输出格式

输出一个整数,表示 1号点到 n 号点的最短距离。

如果路径不存在,则输出 −1。

数据范围

1≤n,m≤1.5×10^5
图中涉及边长均不小于 0,且不超过 10000。
数据保证:如果最短路存在,则最短路的长度不超过 10^9。

输入样例:

3 3
1 2 2
2 3 1
1 3 4

输出样例:

3

    四、例题分析

1.点和边是一个数量级的,属于稀疏图。考虑用堆优化版的Dijkstra算法。

2.稀疏图用邻接表去存储数据。

3.采用优先队列,队列按小根堆的方式出队,队头就是最小值。

#include <cstring>
#include <iostream>
#include <algorithm>
#include <queue>//使用优先队列

using namespace std;

typedef pair<int, int> PII;

const int N = 1e6 + 10;

int n, m;
int h[N], w[N], e[N], ne[N], idx;
int dist[N];
bool st[N];

void add(int a, int b, int c)
{
    e[idx] = b, w[idx] = c, ne[idx] = h[a], h[a] = idx ++ ;
}

int dijkstra()
{
    memset(dist, 0x3f, sizeof dist);
    dist[1] = 0;
    priority_queue<PII, vector<PII>, greater<PII>> heap;
    heap.push({0, 1});

    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] > dist[ver] + w[i])
            {
                dist[j] = dist[ver] + w[i];
                heap.push({dist[j], j});
            }
        }
    }

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

int main()
{
    scanf("%d%d", &n, &m);

    memset(h, -1, sizeof h);
    while (m -- )
    {
        int a, b, c;
        scanf("%d%d%d", &a, &b, &c);
        add(a, b, c);
    }

    cout << dijkstra() << endl;

    return 0;
}

代码链接:AcWing 850. Dijkstra求最短路 II - AcWing

可能存在的疑问:

Q1:入队的时候为什么传入{0,1}而不是{1,0}?

A:priority_queue 是按照pair的第一个进行排序,所以distance应该放在前面。

Q2:if(st[ver]) continue如何理解?每个队头出队之后,才会st[ver]=true,在队内不应该存在已经确定了最短路径的点,这一步是否多余?

A:不多余。因为题目中说了有重边的出现,也就是说队列中可能会出现相同的点,当这个点的其中一个确定了最短路,其他相同的点就可能出现这种情况。

Q3:自环如何处理的?

A:if(dist[j]>dist[ver]+w[i]) dist[j]=dist[ver]+w[i];这段代码。当出现自环时ver==j,则条件判断就会为假,对结果不会产生影响。

Q4:最后遍历为什么是for (int i = h[ver]; i != -1; i = ne[i])而不是for(int j=1;j<=n;j++)?

A:这是因为两种存储方式的不同。前者是邻接表,更新的是和ver这个点相连的点,因为只有相连的点才有w[i](权重)。后者是邻接矩阵,和ver点连接的点的权重是g[ver][j],没有连接的点都是g[ver][j]==0x3f3f3f3f(此处是正无穷),取dist[j]=min(_)的时候对结果没有影响。

  • 5
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
Dijkstra算法和Bellman-Ford算法都是用于解决图中单源最短路径问题的经典算法Dijkstra算法是一种贪心算法,用于求解从给定源节点到其他所有节点的最短路径。算法通过维护一个优先队列(或最小)来选择当前距离源节点最近的节点,并逐步扩展路径长度最短的节点。具体步骤包括:初始化源节点的距离为0,将其加入优先队列;从队列中取出距离最小的节点,并对其相邻节点进行松弛操作,更新其距离;重复上述步骤直到队列为空。 Bellman-Ford算法是一种动态规划算法,可以处理带有负权边的图。算法通过对所有边进行V-1轮松弛操作来逐步求解最短路径。具体步骤包括:初始化源节点距离为0,其他节点距离为正无穷;迭代V-1轮,对所有边进行松弛操作,即尝试通过更新边权值来缩短源节点到其他节点的距离;检测是否存在负权回路,如果存在则说明图中存在无限负权路径。 两者的主要区别在于: - Dijkstra算法要求图中边权值非负,而Bellman-Ford算法可以处理带负权边的情况。 - Dijkstra算法的时间复杂度为O((V + E)logV),其中V为节点数量,E为边数量;而Bellman-Ford算法的时间复杂度为O(VE),在稀疏图中效率较低。 选择使用哪种算法取决于具体的问题场景和图的特性。如果图中不存在负权边,且需要求解单源最短路径,Dijkstra算法是一个较好的选择。而如果图中可能存在负权边,并且需要检测负权回路,或者只需求解单源最短路径且图较稠密,可以考虑使用Bellman-Ford算法

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值