MiYu原创, 转帖请注明 : 转载自 ______________白白の屋
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
![ExpandedBlockStart.gif](https://images.cnblogs.com/OutliningIndicators/ExpandedBlockStart.gif)
前向星
+
SPFA
我是在做USACO的sweet butter时偶然发现这个东西的。。。
这个算法,简单的说就是队列优化的bellman - ford,利用了每个点不会更新次数太多的特点发明的此算法(仅为个人理解 = . = )
SPFA——Shortest Path Faster Algorithm,它可以在O(kE)的时间复杂度内求出源点到其他所有点的最短路径,可以处理负边。SPFA的实现甚至比Dijkstra或者Bellman_Ford还要简单:
设Dist代表S到I点的当前最短距离,Fa代表S到I的当前最短路径中I点之前的一个点的编号。开始时Dist全部为 + ∞,只有Dist[S] = 0 ,Fa全部为0。
维护一个队列,里面存放所有需要进行迭代的点。初始时队列中只有一个点S。用一个布尔数组记录每个点是否处在队列中。
每次迭代,取出队头的点v,依次枚举从v出发的边v -> u,设边的长度为len,判断Dist[v] + len是否小于Dist,若小于则改进Dist,将Fa记为v,并且由于S到u的最短距离变小了,有可能u可以改进其它的点,所以若u不在队列中,就将它放入队尾。这样一直迭代下去直到队列变空,也就是S到所有的最短距离都确定下来,结束算法。
SPFA 在形式上和宽度优先搜索非常类似,不同的是宽度优先搜索中一个点出了队列就不可能重新进入队列,但是SPFA中一个点可能在出队列之后再次被放入队列,也就是一个点改进过其它的点之后,过了一段时间可能本身被改进,于是再次用来改进其它的点,这样反复迭代下去。设一个点用来作为迭代点对其它点进行改进的平均次数为k,有办法证明对于通常的情况,k在2左右
前向星优化:
不要把前向星想成什么高深莫测的东西……它其实就是一种邻接表的紧缩存储形式。
为什么叫前向星?因为它是将边按照前端点排序,并用一个数组k[i]记录端点i第一次以左端点出现的位置。这样,我们就能用O(E)的空间复杂度存储下一个邻接表,而避免了链表或N ^ 2的庞大空间消耗。
当然,实际上我们并不需要排序:因为我们只需要知道某一条边应该放到什么位置即可。因而我们还需要一个数组t[i]存储从i出发的边的条数。则需要存储在的位置就可以很轻易地求得。(详见代码)
Butter题目代码如下:
Program butter(input,output);
Type
edge = record
x,y,d:longint;
end;
Var
min,res,n,p,c,x,y,i,j,l,r:longint;
te,e:array[ 0 .. 3000 ] of edge;
tk,t,k,num,d:array[ 1 .. 800 ] of longint;
q:array[ 1 .. 100000 ] of longint;
use:array[ 1 .. 800 ] of boolean;
Procedure swap(var n1,n2:longint);
Var
tmp:longint;
Begin
tmp: = n1;n1: = n2;n2: = tmp;
End;
Begin
assign(input, ' butter.in ' );reset(input);
readln(n,p,c);
for i: = 1 to n do
begin
read(x);
inc(num[x]);
end;
for i: = 1 to c do
begin
with e[i * 2 - 1 ] do readln(x,y,d);
e[i * 2 ]: = e[i * 2 - 1 ];
swap(e[i * 2 ].x,e[i * 2 ].y);
end;
c: = c * 2 ;
for i: = 1 to c do inc(t[e[i].x]);
j: = 0 ;k[ 1 ]: = 1 ;
for i: = 2 to p do
k[i]: = k[i - 1 ] + t[i - 1 ];
tk: = k;te: = e;
for i: = 1 to c do
begin
e[tk[te[i].x]]: = te[i];
inc(tk[te[i].x]);
end;
min: = maxlongint;
for i: = 1 to p do
begin
fillchar(q, sizeof (q), 0 );
fillchar(d, sizeof (d), 127 );
fillchar(use, sizeof (use), false );
q[ 1 ]: = i;l: = 1 ;r: = 1 ;d[i]: = 0 ;use[i]: = true ;
repeat
for j: = k[q[l]] to k[q[l]] + t[q[l]] - 1 do
if d[q[l]] + e[j].d < d[e[j].y] then
begin
d[e[j].y]: = d[q[l]] + e[j].d;
if not use[e[j].y] then
begin
use[e[j].y]: = true ;
inc(r);
q[r]: = e[j].y;
end;
end;
use[q[l]]: = false ;
inc(l);
until l > r;
res: = 0 ;
for j: = 1 to p do
res: = res + d[j] * num[j];
if res < min then min: = res;
end;
assign(output, ' butter.out ' );rewrite(output);
writeln(min);close(output);
End.
我是在做USACO的sweet butter时偶然发现这个东西的。。。
这个算法,简单的说就是队列优化的bellman - ford,利用了每个点不会更新次数太多的特点发明的此算法(仅为个人理解 = . = )
SPFA——Shortest Path Faster Algorithm,它可以在O(kE)的时间复杂度内求出源点到其他所有点的最短路径,可以处理负边。SPFA的实现甚至比Dijkstra或者Bellman_Ford还要简单:
设Dist代表S到I点的当前最短距离,Fa代表S到I的当前最短路径中I点之前的一个点的编号。开始时Dist全部为 + ∞,只有Dist[S] = 0 ,Fa全部为0。
维护一个队列,里面存放所有需要进行迭代的点。初始时队列中只有一个点S。用一个布尔数组记录每个点是否处在队列中。
每次迭代,取出队头的点v,依次枚举从v出发的边v -> u,设边的长度为len,判断Dist[v] + len是否小于Dist,若小于则改进Dist,将Fa记为v,并且由于S到u的最短距离变小了,有可能u可以改进其它的点,所以若u不在队列中,就将它放入队尾。这样一直迭代下去直到队列变空,也就是S到所有的最短距离都确定下来,结束算法。
SPFA 在形式上和宽度优先搜索非常类似,不同的是宽度优先搜索中一个点出了队列就不可能重新进入队列,但是SPFA中一个点可能在出队列之后再次被放入队列,也就是一个点改进过其它的点之后,过了一段时间可能本身被改进,于是再次用来改进其它的点,这样反复迭代下去。设一个点用来作为迭代点对其它点进行改进的平均次数为k,有办法证明对于通常的情况,k在2左右
前向星优化:
不要把前向星想成什么高深莫测的东西……它其实就是一种邻接表的紧缩存储形式。
为什么叫前向星?因为它是将边按照前端点排序,并用一个数组k[i]记录端点i第一次以左端点出现的位置。这样,我们就能用O(E)的空间复杂度存储下一个邻接表,而避免了链表或N ^ 2的庞大空间消耗。
当然,实际上我们并不需要排序:因为我们只需要知道某一条边应该放到什么位置即可。因而我们还需要一个数组t[i]存储从i出发的边的条数。则需要存储在的位置就可以很轻易地求得。(详见代码)
Butter题目代码如下:
Program butter(input,output);
Type
edge = record
x,y,d:longint;
end;
Var
min,res,n,p,c,x,y,i,j,l,r:longint;
te,e:array[ 0 .. 3000 ] of edge;
tk,t,k,num,d:array[ 1 .. 800 ] of longint;
q:array[ 1 .. 100000 ] of longint;
use:array[ 1 .. 800 ] of boolean;
Procedure swap(var n1,n2:longint);
Var
tmp:longint;
Begin
tmp: = n1;n1: = n2;n2: = tmp;
End;
Begin
assign(input, ' butter.in ' );reset(input);
readln(n,p,c);
for i: = 1 to n do
begin
read(x);
inc(num[x]);
end;
for i: = 1 to c do
begin
with e[i * 2 - 1 ] do readln(x,y,d);
e[i * 2 ]: = e[i * 2 - 1 ];
swap(e[i * 2 ].x,e[i * 2 ].y);
end;
c: = c * 2 ;
for i: = 1 to c do inc(t[e[i].x]);
j: = 0 ;k[ 1 ]: = 1 ;
for i: = 2 to p do
k[i]: = k[i - 1 ] + t[i - 1 ];
tk: = k;te: = e;
for i: = 1 to c do
begin
e[tk[te[i].x]]: = te[i];
inc(tk[te[i].x]);
end;
min: = maxlongint;
for i: = 1 to p do
begin
fillchar(q, sizeof (q), 0 );
fillchar(d, sizeof (d), 127 );
fillchar(use, sizeof (use), false );
q[ 1 ]: = i;l: = 1 ;r: = 1 ;d[i]: = 0 ;use[i]: = true ;
repeat
for j: = k[q[l]] to k[q[l]] + t[q[l]] - 1 do
if d[q[l]] + e[j].d < d[e[j].y] then
begin
d[e[j].y]: = d[q[l]] + e[j].d;
if not use[e[j].y] then
begin
use[e[j].y]: = true ;
inc(r);
q[r]: = e[j].y;
end;
end;
use[q[l]]: = false ;
inc(l);
until l > r;
res: = 0 ;
for j: = 1 to p do
res: = res + d[j] * num[j];
if res < min then min: = res;
end;
assign(output, ' butter.out ' );rewrite(output);
writeln(min);close(output);
End.