对比SPFA与Dijkstra算法堆优化

先上一道板子题:
题目来源:http://hihocoder.com/problemset/problem/1093
描述
万圣节的晚上,小Hi和小Ho在吃过晚饭之后,来到了一个巨大的鬼屋!

鬼屋中一共有N个地点,分别编号为1…N,这N个地点之间互相有一些道路连通,两个地点之间可能有多条道路连通,但是并不存在一条两端都是同一个地点的道路。

不过这个鬼屋虽然很大,但是其中的道路并不算多,所以小Hi还是希望能够知道从入口到出口的最短距离是多少?

提示:Super Programming Festival Algorithm。
输入
每个测试点(输入文件)有且仅有一组测试数据。

在一组测试数据中:

第1行为4个整数N、M、S、T,分别表示鬼屋中地点的个数和道路的条数,入口(也是一个地点)的编号,出口(同样也是一个地点)的编号。

接下来的M行,每行描述一条道路:其中的第i行为三个整数u_i, v_i, length_i,表明在编号为u_i的地点和编号为v_i的地点之间有一条长度为length_i的道路。

对于100%的数据,满足N<=105,M<=106, 1 <= length_i <= 10^3, 1 <= S, T <= N, 且S不等于T。

对于100%的数据,满足小Hi和小Ho总是有办法从入口通过地图上标注出来的道路到达出口。

输出
对于每组测试数据,输出一个整数Ans,表示那么小Hi和小Ho为了走出鬼屋至少要走的路程。

样例输入
5 10 3 5
1 2 997
2 3 505
3 4 118
4 5 54
3 5 480
3 4 796
5 2 794
2 5 146
5 4 604
2 5 63
样例输出
172
解决:
1.DIJ算法的堆优化
DIJ算法的时间复杂度是O(n2)的,在一些题目中,这个复杂度显然不满足要求。所以我们需要继续探讨DIJ算法的优化方式。

堆优化的原理
堆优化,顾名思义,就是用堆进行优化。我们通过学习朴素DIJ算法,明白DIJ算法的实现需要从头到尾扫一遍点找出最小的点然后进行松弛。这个扫描操作就是坑害朴素DIJ算法时间复杂度的罪魁祸首。所以我们使用小根堆,用优先队列来维护这个“最小的点”。从而大大减少DIJ算法的时间复杂度。

堆优化的代码实现
说起来容易,做起来难。

我们明白了上述的大体思路之后,就可以动手写这个代码,但是我们发现这个代码有很多细节问题没有处理。

首先,我们需要往优先队列中push最短路长度,但是它一旦入队,就会被优先队列自动维护离开原来的位置,换言之,我们无法再把它与它原来的点对应上,也就是说没有办法形成点的编号到点权的映射。

我们用pair解决这个问题。

pair是C++自带的二元组。我们可以把它理解成一个有两个元素的结构体。更刺激的是,这个二元组有自带的排序方式:以第一关键字为关键字,再以第二关键字为关键字进行排序。所以,我们用二元组的first位存距离,second位存编号即可。

然后我们发现裸的优先队列其实是大根堆,我们如何让它变成小根堆呢?

有两种方法,第一种是把第一关键字取相反数,取出来的时候再取相反数。第二种是重新定义优先队列:

priority_queue<int,vector,greater >q;
解决了这些问题,我们愉快地继续往下写,后来我们发现,写到松弛的时候,我们很显然要把松弛后的新值也压入优先队列中去,这样的话,我们又发现一个问题:优先队列中已经存在一个同样编号的二元组(即第二关键字相同),所以每次堆顶的pair可能是松弛之前的版本,不需要再次进行扩展。

怎么办呢??
所有的点可分为两个集合,一个是已经确定到源点最短距离的点构成的集合,另一个是未确定到源点最短路径的点构成的集合。
可以用vis数组记录每个点所属集合。
如果属于第一个集合,直接continue.
也可以不用vis数组:我们在进入循环的时候就开始判断:如果堆顶记录的dis大于现在的dia[v],说明是更新前的pair,直接pop掉,再continue,成功维护了优先队列元素的不重复。

所以我们得到了堆优化的代码:
版本1:小根堆+vis数组(相对好理解)

#include <bits/stdc++.h>
using namespace std;
const int maxn = 1e5+1;
const int INF = 1e9+1;
struct edge{
	int from, to, cost;
};
vector <edge> G[maxn];
int n, m, s, t, d[maxn];
bool vis[maxn];//用vis的版本
typedef pair<int, int> P;

void dijkstra(int s){
	priority_queue <P, vector<P>, greater<P> > q;//用小根堆
	fill(d, d+maxn, INF);
	memset(vis, false, sizeof(vis));
	d[s] = 0;
	q.push((P){d[s], s});
	while(!q.empty()){
		P u = q.top();
		q.pop();
		int v = u.second;
		if(vis[v])
			continue;
		vis[v] = true;
		for(int i=0; i<G[v].size(); i++){
			edge e = G[v][i];
			if(d[v]<INF && d[e.to]>d[v]+e.cost){
				d[e.to] = d[v]+e.cost;
				q.push((P){d[e.to], e.to});
			}
		}
	}
}

int main(){
	scanf("%d %d %d %d", &n, &m, &s, &t);
	for(int i=1; i<=m; i++){
		int x, y, z;
		scanf("%d %d %d", &x, &y, &z);
		G[x].push_back((edge){x, y, z});
		G[y].push_back((edge){y, x, z});
	}
	dijkstra(s);
	printf("%d", d[t]);
	return 0;
}

版本2:大根堆+不用vis(代码稍少)

#include <iostream>
#include<vector>
#include<queue>
#include<utility>
#include<cstring>
using namespace std;
const int Max=1e6+100;
const int inf=1e9;
int N,M,S,T;
struct edge
{
    int u,v,w;
};
vector<edge>G[Max];
typedef pair<int,int> P;
priority_queue<P>que;//大根堆取相反数
int dis[Max];
void Djistra()
{
    fill(dis,dis+Max,inf);
    que.push(P{0,S});
    dis[S]=0;
    while(!que.empty())
    {
        P now=que.top();
        que.pop();
        int from=now.second;
        if(dis[from]<-now.first)continue;//不用vis数组
        int SIZE=G[from].size();
        for(int i=0;i<SIZE;i++)
        {
            edge e=G[from][i];
            if(dis[e.v]>dis[e.u]+e.w)
            {
                dis[e.v]=dis[e.u]+e.w;
                que.push(P{-dis[e.v],e.v});
            }
        }
    }
}
int main()
{
    cin>>N>>M>>S>>T;
    for(int i=0;i<M;i++)
    {
        int u,v,w;
        cin>>u>>v>>w;
        G[u].push_back(edge{u,v,w});
        G[v].push_back(edge{v,u,w});
    }
    Djistra();
    cout <<dis[T] << endl;
    return 0;
}

2.spfa算法——队列优化的Bellman-Ford

#include <bits/stdc++.h>
using namespace std;
const int maxn = 1e5+1;
const int INF = 1e9+1;
struct edge{
	int from, to, cost;
};
vector <edge> G[maxn];
int n, m, s, t, d[maxn], num[maxn];
bool inque[maxn];
queue <int> q;

bool spfa(int s){
	fill(d, d+maxn, INF);
	memset(inque, false, sizeof(inque));
	memset(num, 0, sizeof(num));
	d[s] = 0;
	q.push(s);
	num[s] = 1;
	inque[s] = true;
	while(!q.empty()){
		int u = q.front();
		q.pop();
		inque[u] = false;
		for(int i=0; i<G[u].size(); i++){
			edge e = G[u][i];
			if(d[u]<INF && d[e.to]>d[u]+e.cost){
				d[e.to] = d[u]+e.cost;
				if(!inque[e.to]){
					q.push(e.to);
					inque[e.to] = true;
					if(++num[e.to]>n){ // 有负环 
						return true;
					}
				}
			}
		} 
	}
	return false;
}

int main(){
	scanf("%d %d %d %d", &n, &m, &s, &t);
	for(int i=1; i<=m; i++){
		int x, y, z;
		scanf("%d %d %d", &x, &y, &z);
		G[x].push_back((edge){x, y, z});
		G[y].push_back((edge){y, x, z});
	}
	if(spfa(s) || d[t]==INF) // 有负环或无法走到 
		printf("circle\n"); 
	else
		printf("%d", d[t]);
	return 0;
}

算法思路对比
Dijkstra+heap是用小根堆,每次取出d最小的点,来更新距离,那么这个点来说,最小距离就是当前的d。
SPFA是用双端队列,每次取出队头,来更新距离,它之后可能还会入队。它是一种动态逼近法,因为每次松弛距离都会减小,所以松弛一定会有结束的。如果一个点入队超过n次就是存在负环。
复杂度分析对比
Dijkstra+heap

因为是堆,取队头需要O(lgV)。
松弛边时,因为点的d改变了,所以点v需要以新距离重新入堆,O(lgV),总共O(ElgV)。
因此总的是O((V+E)lgV)
SPFA

论文证明也不严格。复杂度不太好分析。
总的是O(kE)。k大概为2。
复杂度应该是 O(VE)。
适用场景
如果是稠密图,Dijkstra+heap比SPFA快。稀疏图则SPFA更快。SPFA可以有SLF和LLL两种优化,SLF就是d比队头小就插入队头,否则插入队尾。
转载于:https://www.cnblogs.com/flipped/p/6830073.html
https://www.cnblogs.com/fusiwei/p/11390537.html
https://www.cnblogs.com/gdgzliu/p/11528222.html

  • 2
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
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