算法简介:图最短路径

算法简介

算法简介

图最短路径相关算法

• 图最短路径算法总结:
  

1. 深度优先搜索算法(DFS)

• 解决问题
  求图中多源(全源)最短路问题
• 时间复杂度
  纯算法时间复杂度O(N^2)
• 代码示例
  最短路径DFS—无向图和有向图

2. 广度优先搜索算法(BFS)

• 解决问题
  求图中多源(全源)最短路问题
• 时间复杂度
  纯算法时间复杂度O(N^2)
• 特点
  比深度优先算法块,更加适用于边权相同的情况
• 代码示例
  最短路径BFS—无向图

3. Floyd-Warshall(弗洛伊德算法----只有五行的算法)

• 解决问题
  求图中多源(全源)最短路问题
• 时间复杂度
  O(N^3)
• 特点

1. 非常简单,只有五行
2. 可以求图中全源最短路问题
3. 也可以求单源最短路问题(指定一个顶点到其余各个顶点的最短路径)
4. 图中边权可以有负值,但是不可以含有负权回路

• 代码示例
  示例图：
  .
  示例代码:
  Floyd-Warshall

3. Dijkstra

• 解决问题
  求图中单源最短路问题
• 时间复杂度

1. 用一般的图的邻接矩阵法存的话,时间复杂度为O(N^2)
2. 对于稀疏图来说,用堆和邻接表存储法,可以将时间复杂度优化为O((M+N)logN),N为顶点数,M为边数.最坏的情况M等于N^2, 那么O((M+N)logN)比O(N^2) 大,但是一般来说边没有那么多,所以O((M+N)logN)比O(N^2)小很多

• 特点

4. 可以求图中单源最短路问题
5. 时间复杂度为O(N^2),可以优化为O((M+N)logN),N为顶点数,M为边数
6. 图中边权不可以有负值

• 代码示例
  示例图:
  
  示例代码:
  图邻接表存储法
  Dijkstra

4. Bellman-Ford

• 解决问题

1. 求图中单源最短路问题
2. 求图中是否存在负权回路

• 时间复杂度

1. 未使用队列优化过的:O(NM),N为顶点 M为边
2. 使用队列优化过的,最坏的时间复杂度是O(NM),N为顶点 M为边

• 特点

1. 是一个无论是思想上还是代码实现上都堪称完美的最短路算法,核心代码只有4行
2. 可以处理带有负权边的图
3. 经常会在未达到n-1轮松弛前就已经计算出最短路(最多进行n-1轮边的松弛操作,n为顶点数量)

• 优化

1. 经常会在未达到n-1轮松弛前就已经计算出最短路,所以这时可以跳出循环,做优化
2. 可以使用队列进行优化:每次仅对最短路程发生变化了的点的相邻边执行松弛操作,使用队列保存这些最短路程变化了的点

• 代码示例
  示例图:
  
  示例代码:
  图邻接表存储法
  Bellman-Ford