mysql 最短路经_算法学习笔记(6)：最短路问题

这篇文章应该会很长，因为我们要探讨图论中一个基本而重要的问题：最短路问题。如下图，我们想知道，某点到某点最短的路径有多长？图中点1到点4的最短路径长度应为3

最短路问题分为两类：单源最短路和多源最短路。前者只需要求一个固定的起点到各个顶点的最短路径，后者则要求得出任意两个顶点之间的最短路径。我们先来看多源最短路问题。

Floyd算法

我们用Floyd算法解决多源最短路问题：

int dist[400][400];

void Floyd(int n)

{

for (int k = 1; k <= n; ++k)

for (int i = 1; i <= n; ++i)

for (int j = 1; j <= n; ++j)

dist[i][j] = min(dist[i][j], dist[i][k] + dist[k][j]);

}

四行代码，简洁明了。Floyd本质上是一个动态规划的思想，每一次循环更新经过前k个节点，i到j的最短路径。

这甚至不需要特意存图，因为dist数组本身就可以从邻接矩阵拓展而来。初始化的时候，我们把每个点到自己的距离设为0，每新增一条边，就把从这条边的起点到终点的距离设为此边的边权(类似于邻接矩阵)。其他距离初始化为INF(一个超过边权数据范围的大整数，注意防止溢出)。

//Floyd初始化memset(dist, 63, sizeof(dist));

//利用memset的特性，先把所有距离初始化为0x3f3f3f3f，注意这个数的两倍小于32位和64位机器上的INT_MAXfor (int i = 1; i <= n; ++i)

dist[i][i] = 0;

for (int i = 0; i < m; ++i)

{

int u, v, w;

scanf("%d%d%d", &u, &v, &w);

dist[u][v] = w;

}初始化

如果你还是没懂，现在我们来看Floyd的具体过程。

第一趟，k=1：

很明显，没有一个距离能通过经由1号点而减短。

第二趟，k=2：

这里，dist[1][4]通过经由2号点，最短路径缩短了。

第三趟，k=3：

这时虽然1->3->4的路径比1->4短，但是dist[1][4]已经被更新为3了，所以这一趟又白跑了。接下来k=4显然也更新不了任何点。综上，每一趟二重循环，实际上都是在考察，能不能经由k点，把i到j的距离缩短？

Floyd的时间复杂度显然是

，同时拥有

的空间复杂度(本文用n表示点数，m表示边数)，都比较高，所以只适用于数据规模较小的情形。

一般而言，我们更关心的是单源最短路问题，因为当起点被固定下来后，我们可以使用更快的算法。

Bellman-Ford算法

因为起点被固定了，我们现在只需要一个一维数组dist[]来存储每个点到起点的距离。如下图，1为起点，我们初始化时把dist[1]初始化为1，其他初始化为INF。

想想看，我们要找到从起点到某个点的最短路，设起点为S，终点为D，那这条最短路一定是S->P1->P2->...->D的形式，假设没有负权环，那这条路径上的点的总个数一定不大于n。

现在我们定义对点x, y的松弛操作是：

dist[y] = min(dist[y], dist[x] + e[x][y]);//这里的e[x][y]表示x、y之间的距离，具体形式可能根据存图方法不同而改变

松弛操作就相当于考察能否经由x点使起点到y点的距离变短。

所以要找到最短路，我们只需要进行以下步骤：先松弛S, P1，此时dist[P1]必然等于e[S][P1]。

再松弛P1, P2，因为S->P1->P2是最短路的一部分，最短路的子路也是最短路(这是显然的)，所以dist[P2]不可能小于dist[P1]+e[P1][P2]，因此它会被更新为dist[P1]+e[P1][P2]，即e[S][P1]+e[P1][P2]。

再松弛P2, P3，……以此类推，最终dist[D]必然等于e[S][P1]+e[P1][P2]+...，这恰好就是最短路径。

说得好像很有道理，但是问题来了，我怎么知道这些P1、P2是什么呢？我们不就是要找它们吗？关键的来了，Bellman-Ford算法告诉我们：

把所有边松弛一遍！

因为我们要求的是最小值，而多余的松弛操作不会使某个dist比最小值还小。所以多余的松弛操作不会影响结果。把所有边的端点松弛完一遍后，我们可以保证S, P1已经被松弛过了，现在我们要松弛P1, P2，怎么做呢？

再把所有边松弛一遍！

好了，现在我们松弛了P1, P2，继续这么松弛下去，什么时候是尽头呢？还记得我们说过吗？最短路上的点的总个数一定不大于n，尽管一般而言最短路上的顶点数比n少得多，但反正多余的松弛操作不会影响结果，我们索性：

把所有边松弛n-1遍！

这就是Bellman-Ford算法，相信你已经意识到，这是种很暴力的算法，它的时间复杂度是

。代码如下：

void Bellman_Ford(int n, int m)

{

for (int j = 0; j < n - 1; ++j)

for (int i = 1; i <= m; ++i)

dist[edges[i].to] = min(dist[edges[i].to], dist[edges[i].from] + edges[i].w);

}

三行代码，比Floyd还简单。这里用的是链式前向星存图，但是建议存的时候多存一个from，方便遍历所有边。当然其实并没什么必要，这里直接暴力存边集就可以了，因为这个算法并不关心每个点能连上哪些边。

很显然我这个图太简单了一点，只遍历了一遍所有边，就把所有最短路求出来了。但为了保证求出正解，还需要遍历两次。

我们之前说，我们不考虑负权环，但其实Bellman-Ford算法是可以很简单地处理负权环的，只需要再多对每条边松弛一遍，如果这次还有点被更新，就说明存在负权环。因为没有负权环时，最短路上的顶点数一定小于n，而存在负权环时，可以无数次地环绕这个环，最短路上的顶点数是无限的。

SPFA算法

的复杂度显然还是太高了，现在我们想想，能不能别这么暴力，每次不松弛所有点，而只松弛可能更新的点？

我们观察发现，第一次松弛S, P1时，可能更新的点只可能是S能直接到达的点。然后下一次可能被更新的则是S能直接到达的点能直接到达的点(禁止套娃？)。SPFA算法正是利用了这种思想。

SPFA算法，也就是队列优化的Bellman-Ford算法，维护一个队列。一开始，把起点放进队列：

我们现在考察1号点，它可以到达点2、3、4。于是1号点出队，2、3、4号点依次入队，入队时松弛相应的边。

现在队首是2号点，2号点出队。2号点可以到达4号点，我们松弛2, 4，但是4号点已经在队列里了，所以4号点就不入队了(之后解释原因)。

因为这张图非常简单，后面的流程我就不画了，无非是3号点出队，松弛3, 4，然后4号点出队而已。当队列为空时，流程结束。

为了表明SPFA的优越性，我们再来看一个稍微复杂一点的图(在原图基础上增加一个5号点)：

这张图，按照Bellman-Ford算法，需要松弛8*4=32次。现在我们改用SPFA解决这个问题。

显然前几步跟上次是一致的，我们松弛了1, 2、1, 3、1, 4，现在队首元素是2。我们让2出队，并松弛2, 4、2, 5。5未在队列中，5入队。

3号点没能更新什么东西：

然后4号点出队，松弛4, 5，然后5号点已在队列所以不入队。

最后5号点出队，dist[3]未被更新，所以3号点通往的点不会跟着被更新，因此3号点不入队，循环结束。

这个过程中，我们只进行了6次松弛，远小于B-F算法的32次，虽然进行了入队和出队，但在n、m很大时，SPFA通常还是显著快于B-F算法的。·(据说随机数据下期望时间复杂度是

)

总结一下，SPFA是如何做到“只更新可能更新的点”的？只让当前点能到达的点入队

如果一个点已经在队列里，便不重复入队

如果一条边未被更新，那么它的终点不入队

原理是，我们的目标是松弛完

，所以我们先把

能到达的所有点加入队列，则

一定在队列中。然后对于队列中每个点，我们都把它能到达的所有点加入队列(不重复入队)，这时我们又可以保证

一定在队列中。另外注意到，假如

是目标最短路上的一段，那么在松弛这条边时它一定是会被更新的，所以如果一条边未被更新，它的终点就不入队。

我们用一个inqueue[]数组来记录一个点是否在队列里，于是SPFA的代码如下：

void SPFA(int s)

{

queue Q;

Q.push(s);

while (!Q.empty())

{

int p = Q.front();

Q.pop();

inqueue[p] = 0;

for (int e = head[p]; e != 0; e = edges[e].next)

{

int to = edges[e].to;

if (dist[to] > dist[p] + edges[e].w)

{

dist[to] = dist[p] + edges[e].w;

if (!inqueue[to])

{

inqueue[to] = 1;

Q.push(to);

}

}

}

}

}

这个算法已经可以A掉洛谷P3371的单源最短路径(弱化版)了。然而它的时间复杂度不稳定，最坏情况可以被卡成Bellman-Ford，也就是

。现在不少最短路的题会刻意卡SPFA，所以会有大佬说：SPFA死了。然而这仍然不失为一种比较好写、通常也比较快的算法。

SPFA也可以判负权环，我们可以用一个数组记录每个顶点进队的次数，当一个顶点进队超过n次时，就说明存在负权环。(这与Bellman-Ford判负权环的原理类似)

Dijkstra算法

下面介绍一种复杂度稳定的算法：Dijkstra算法。

Dij基于一种贪心的思想，我们假定有一张没有负边的图。首先，起点到起点的距离为0，这是没有疑问的。现在我们对起点和它能直接到达的所有点进行松弛。

因为没有负边，这时我们可以肯定，离起点最近的那个顶点的dist一定已经是最终结果。为什么？因为没有负边，所以不可能经由其他点，使起点到该点的距离变得更短。

那现在我们来考察2号点：

我们对2号点和它能到达的点进行松弛。这时dist保存的是起点直接到达或经由2号点到达每个点的最短距离。我们这时候取出未访问过的dist最小的点(即4号点)，这个点的dist也不可能变得更短了(因为其他路径都至少要从起点直接到达、或者经由2号点到达另一个点，再从这另一个点到达4号点)。

继续这个流程，松弛4号点能到达的点：

然后分别考察3、5号点，直到所有点都被访问过即可。

总结一下，Dijkstra算法的流程就是，不断取出离顶点最近而没有被访问过的点，松弛它和它能到达的所有点。

如何取出离顶点最近的点？如果暴力寻找，那就是朴素的Dijkstra算法，时间复杂度是

，但我们可以采取堆优化。具体而言，我们可以用一个优先队列(或手写堆，那样更快)来维护所有节点。这样可以实现在

的时间内跑完最短路

首先写一个结构体：

struct Polar{

int dist, id;

Polar(int dist, int id) : dist(dist), id(id){}

};

然后写一个仿函数(也可以用重载Polar的小于运算符代替)，再构建优先队列：

struct cmp{

bool operator ()(Polar a, Polar b){ // 重载()运算符，使其成为一个仿函数 return a.dist > b.dist; // 这里是大于，使得距离短的先出队 }

};

priority_queue, cmp> Q;

Dijkstra算法的实现：

void Dij(int s)

{

dist[s] = 0;

Q.push(Polar(0, s));

while (!Q.empty())

{

int p = Q.top().id;

Q.pop();

if (vis[p])

continue;

vis[p] = 1;

for (int e = head[p]; e != 0; e = edges[e].next)

{

int to = edges[e].to;

dist[to] = min(dist[to], dist[p] + edges[e].w);

if (!vis[to])

Q.push(Polar(dist[to], to));

}

}

}

很多人可能像我一开始一样，会试图这么写：

//错误代码struct cmp

{

bool operator()(int a, int b)

{

return dist[a] > dist[b];

}

};

priority_queue, cmp> Q;

这样看起来是省了写结构体的工夫，然而这是错误的，因为这种写法破坏了堆的结构，A进优先队列时比B小，可能出队时就比B大了。一定要注意，堆中元素的大小关系必须保持不变。

当然，也有一种简化的写法，利用STL里的pair：

typedef pair Pair;

priority_queue, greater > Q;

这样的代码与原来只有三行的区别：

void Dij(int s)

{

dist[s] = 0;

Q.push(make_pair(0, s));

while (!Q.empty())

{

int p = Q.top().second;

Q.pop();

if (vis[p])

continue;

vis[p] = 1;

for (int e = head[p]; e != 0; e = edges[e].next)

{

int to = edges[e].to;

dist[to] = min(dist[to], dist[p] + edges[e].w);

if (!vis[to])

Q.push(make_pair(dist[to], to));

}

}

}

但还是省去了写结构体和仿函数的步骤，因为pair已经内建了比较函数。

也许你会想，每个步骤不是应该取当前离源点最近、且未被访问过的元素吗，但我们现在每次让一个pair进入优先队列，这时pair里面存储的dist是那时该点到源点的距离，我怎么能保证每次取出来的点恰是离源点最近的点呢？

其实是这样的，在一个点被访问前，优先队列里会存储这个点被更新的整个历史。比如下面这个状态，队列里既有(6, 4)又有(3, 4)，但是(3, 4)会比(6, 4)先出队，等到(6, 4)出队的时候，4这个点已经被访问了，所以不会有影响。

注意：堆优化Dij虽然复杂度稳定且较低，但是不能处理负边。原因很明显，如果有负边，就不能保证离源点最近的那个点的dist不会被更新了。

打印路径

我们之前只是求出了最短路径长，如果我们要打印具体路径呢？这听起来是一个比较困难的任务，但其实很简单，我们只需要用一个pre[]数组存储每个点的父节点即可。(单源最短路的起点是固定的，所以每条路有且仅有一个祖先节点，一步步溯源上去的路径是唯一的。相反，这里不能存子节点，因为从源点下去，有很多条最短路径)

每当更新一个点的dist时，顺便更新一下它的pre。这种方法对SPFA和Dij都适用，以下是对SPFA的修改：

if (edges[e].w + dist[p] < dist[to])

{

pre[to] = p; //在这里加一行 dist[to] = edges[e].w + dist[p];

if (!inqueue[to])

{

Q.push(to);

inqueue[to] = 1;

}

}

打印(以打印从1到4的最短路为例)：

int a = 4;

while (a != 1)

{

printf("%d

a = pre[a];

}

printf("%d", a);

这样打印出的结果是反向的箭头，如果想得到正向的箭头，可以先将结果压入数组再逆序打印。https://zhuanlan.zhihu.com/p/105467597​zhuanlan.zhihu.com

参考^(2020.12.3更新)勘误一下这里的复杂度，之前写的是O(mlogn)，但用优先队列的话，队列中元素的个数应该是O(m)级别，所以是O(mlogm)才对。这里可以用斐波那契堆优化到O(nlogn+m)，当然一般是没有必要。