AcWing851 spfa求最短路(最短路、spfa)

本文介绍了SPFA(Shortest Path Faster Algorithm)算法,它是Bellman-Ford算法的一种优化,适用于稀疏图的最短路问题。SPFA通过使用BFS框架和队列来提高效率,强调了在不存在负权环的情况下使用。代码实现展示了如何运用SPFA解决AcWing851题目中的最短路问题,并指出在正权图中SPFA也是可行的选择。
摘要由CSDN通过智能技术生成

题目:AcWing851 spfa求最短路


前言

1.Bellman-Ford算法之所以不用限制负环是因为可以限制不超过k条路径的最短路,用于稠密图和最多经过k条边的最短路问题。
2.spfa算法是对Bellman-Ford算法的优化(用BFS架构优化,使用队列存储Bellman-Ford算法中更新过的dist[a],因为只有a变小了,a后面的b才会变小),解决的最短路问题必须要满足不存在负环,用于稀疏图。99.9%的最短路问题不存在负环,要抓住重点。
3.正权图最短路问题推荐用Dijkstra算法,但其实大部分都可以用spfa做。

一、题目陈述

在这里插入图片描述

二、解决思路

spfa算法是对Bellman-Ford算法的优化(用BFS架构优化,使用队列存储Bellman-Ford算法中更新过的dist[a],因为只有a变小了,a后面的b才会变小),解决的最短路问题必须要满足不存在负环,用于稀疏图。99.9%的最短路问题不存在负环,要抓住重点。

三、代码实现

#include<iostream>
#include<queue>
#include<cstring>
using namespace std;
const int N=1e5+10,M=2*N;
int n,m;
// 邻接表的数据结构 
int h[N],e[M],ne[M],w[M],idx;
void add(int a,int b,int c) {
	e[idx] = b;
	w[idx] = c;
	ne[idx] = h[a];
	h[a] = idx++;
}
int dist[N];
// 存储某一个点是否在队列中,存重复的点没有意义 
bool st[N];
int spfa() {
	memset(dist,0x3f,sizeof dist);
	dist[1]=0;
	
	queue<int> q;
	q.push(1);
	st[1]=true;
	
	while(q.size()) {
		int t = q.front();
		q.pop();
		st[t]=false;
		for(int i=h[t];i!=-1;i=ne[i]) {
			int j=e[i];
			if(dist[j]>dist[t]+w[i]) {
				dist[j]=dist[t]+w[i];
				if(!st[j]) {
					q.push(j);
					st[j]=true;
				}
			}
		}
	} 
	
	if(dist[n] == 0x3f3f3f3f) return -1;
	return dist[n]; 
}
int main() {
	cin>>n>>m;
	memset(h,-1,sizeof(h));
	for(int i=0;i<m;i++) {
		int a,b,c;	cin>>a>>b>>c;
		add(a,b,c);
	}
	int t = spfa();
	if(t==-1) puts("impossible");
	else cout<<t<<endl;
	return 0;
} 

总结

spfa是y总推荐使用的算法,负权图当然可以使用,甚至正权图大部分情况下都可以用spfaAC掉。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
SPFA算法(Shortest Path Faster Algorithm)是一种用于解决最短路问题的算法。它是一种单源最短路算法,可以解决带有负权边的图的最短路径问题。 SPFA算法基本思想是使用队列对图中的所有节点进行遍历,对于每一个节点,如果它的邻居节点的最短路径可以通过当前节点更新,则将邻居节点加入队列中进行下一轮遍历,直到所有节点的最短路径都被更新后停止遍历。 在Java中,可以使用邻接矩阵或邻接表来表示图,并使用队列来实现SPFA算法。下面是一个使用邻接矩阵实现SPFA算法的Java代码示例: ```java import java.util.*; public class SPFA { public static void main(String[] args) { int[][] graph = { {0, 2, 5, Integer.MAX_VALUE, Integer.MAX_VALUE}, {Integer.MAX_VALUE, 0, 7, 1, Integer.MAX_VALUE}, {Integer.MAX_VALUE, Integer.MAX_VALUE, 0, 4, Integer.MAX_VALUE}, {Integer.MAX_VALUE, Integer.MAX_VALUE, Integer.MAX_VALUE, 0, 3}, {Integer.MAX_VALUE, Integer.MAX_VALUE, Integer.MAX_VALUE, Integer.MAX_VALUE, 0} }; int[] dist = shortestPath(graph, 0); System.out.println(Arrays.toString(dist)); } public static int[] shortestPath(int[][] graph, int start) { int n = graph.length; int[] dist = new int[n]; Arrays.fill(dist, Integer.MAX_VALUE); dist[start] = 0; Queue<Integer> queue = new LinkedList<>(); queue.offer(start); boolean[] inQueue = new boolean[n]; inQueue[start] = true; while (!queue.isEmpty()) { int u = queue.poll(); inQueue[u] = false; for (int v = 0; v < n; v++) { if (graph[u][v] != Integer.MAX_VALUE && dist[v] > dist[u] + graph[u][v]) { dist[v] = dist[u] + graph[u][v]; if (!inQueue[v]) { queue.offer(v); inQueue[v] = true; } } } } return dist; } } ``` 在上面的代码中,我们使用一个二维数组`graph`来表示图,其中`graph[i][j]`表示从节点`i`到节点`j`的边的权重,如果没有边则为`Integer.MAX_VALUE`。函数`shortestPath`接受一个图和一个起点`start`,返回一个数组`dist`,其中`dist[i]`表示从起点`start`到节点`i`的最短路径。 在函数中,我们首先初始化`dist`数组为`Integer.MAX_VALUE`,表示所有节点到起点的距离都是无限大。然后将起点`start`加入队列中,并标记为已加入队列。进入循环后,每次取出队列中的一个节点`u`,将`u`标记为未加入队列,然后遍历`u`的所有邻居节点`v`,如果从起点到`v`的距离可以通过从起点到`u`再加上`u`到`v`的距离来更新,则更新`dist[v]`的值,并将`v`加入队列中,并标记为已加入队列。当队列为空时,所有节点的最短路径都已被更新,函数返回`dist`数组。
评论 1
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

打赏作者

codertea

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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