前言
1.单源最短路问题
最短路问题的算法有很多,大致分为单源最短路问题和多源汇最短路问题。单元最短路问题是求一个点到其它所有点的距离最短路,常用Dijkstra
算法。这其中,如果是稠密图,常用朴素Dijkstra
算法;如果是稀疏图,常用堆优化Dijkstra
算法。
2.Dijkstra算法
集合s
是已经确定最短路的点的集合。Dijkstra
算法总共迭代n
次,每次选择距离最近的且尚未确定最短路的点加入集合s
,表示已经确定其最短路。然后用这个点更新所有可以更新的点的最短路。堆优化Dijkstra
算法的优势在于使用优先队列,降低了找距离最近且尚未确定最短路的点的时间复杂度。
一、题目陈述
二、解决思路
此场景中,点和边的数量相当,属于稀疏图,所以使用领接表存储图,且利用堆优化Dijkstra
算法求解最短路问题。
三、代码实现
#include<iostream>
#include<queue>
#include<cstring>
using namespace std;
const int N = 1e6+10,M=2*N;
typedef pair<int,int> pii;
int n,m;
// 邻接表数据结构
int h[N],e[M],ne[M],w[M],idx;
// 表示目前1号点到n号点的距离
int dist[N];
// st数组表示1号点到n号点的距离是否已经确定,即算法中的集合s
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;
// 小根堆
priority_queue<pii,vector<pii>,greater<pii>> heap;
// {到1号点的距离,编号}
heap.push({0,1});
while(heap.size()) {
auto t = heap.top();
heap.pop();
int ver = t.second;
int distance = t.first;
// 如果ver点之前已经出来过了(是冗余备份)就没有必要再计算
if(st[ver]) continue;
// 确定这个点加入集合s中
st[ver]=true;
// 利用当前的点更新其他的点
for(int i=h[ver];i!=-1;i=ne[i]) {
int j=e[i];
if(dist[j]>distance+w[i]) {
dist[j] = distance+w[i];
heap.push({dist[j],j});
}
}
}
if(dist[n]==0x3f3f3f3f) return -1;
return dist[n];
}
int main() {
memset(h,-1,sizeof h);
cin>>n>>m;
for(int i=0;i<m;i++) {
int a,b,w; cin>>a>>b>>w;
add(a,b,w);
// 使用邻接表存储,重边和自环都不用特殊处理,算法会帮我们处理过滤,不会选中
// 更长的边或者自环
}
int ans = dijkstra();
cout<<ans<<endl;
return 0;
}
总结
堆优化Dijkstra
算法使用两个数据结构:st数组和优先队列。