最短路径一般算法总结(板子)
1 Bellman-Ford/SPFA
1.1 Bellman-Ford
1.1.1 算法复杂度
O ( n ∗ m ) O(n*m) O(n∗m),其中 n为点数,m为边数。
1.1.2 算法特点
(1)求单源最短路径
(2)可以求负权图
(3)速度慢
1.1.3 算法思路
这个算法的核心是对边的遍历,每一次遍历都根据边的俩个端点(点i->点j)去更新到j的距离
d
i
s
[
j
]
dis[j]
dis[j]:
d
i
s
[
j
]
=
m
i
n
(
d
i
s
[
j
]
,
d
i
s
[
i
]
+
w
[
i
,
j
]
)
dis[j]=min(dis[j],dis[i]+w[i,j])
dis[j]=min(dis[j],dis[i]+w[i,j])
这样的遍历我们要做
n
−
1
n-1
n−1次,因为每一次遍历全部边都至少得到一个确定好最终最短距离的点,除去起点还有n-1个点,那我们做
n
−
1
n-1
n−1次就能保证完成任务了。
1.2 SPFA
1.2.1 算法复杂度和特点
最优复杂度可以为
O
(
n
)
O(n)
O(n),但在稠密图比如完全图中和Bellman-Ford一样都很慢。
其他方面和B-F算法无异,一般用来求带负权图的单源最短路径。
1.2.2 算法思路
(Shortest Path Faster Algorithm)
在原来的B-F算法中逐个边遍历n-1次,其中很可能很多次遍历都是不可能获得更新的,就浪费了处理时间。比如一条单链表,后面的边在初始状态下不可能对连接的点的距离更新有贡献。
所以我们加入了个队列去维护更新后的点,将松弛过的新点入队列,之后再从队列里取点去做遍历,这样我们遍历的边的起点就都是已经松弛过后的点了,也就不会出现上一段提到过的浪费时间情况。
1.2.3 参考代码
// 单源:Bellman-Ford/SPFA
// O(n*m)可以处理负权边,还能检测负环
// solution:用队列维护拓展点
#include<iostream>
#include<queue>
#include<vector>
using namespace std;
const int MAXN = 1e3;
typedef struct edge{
int v,w; // 连接点编号,边权重
edge(int v0,int w0):v(v0),w(w0){}
bool operator >(const edge &b)const{
return w>b.w;
}
}edge;
int n; // 点数
int dist[MAXN+10];
int in[MAXN+10]; // in the queue?
vector<edge> G[MAXN+10]; // 用edge的vector保存整个图,G[i]表示以i点为起点的边的数组
void spfa(int p_s){
queue<int> Q; // 拓展队列
for(int i=1;i<=n;i++){ // dist,in初始化
dist[i] = 0x3f3f3f3f;
in[i] = 0;
}
Q.push(p_s); // 初始点初始化
dist[p_s] = 0;
in[p_s] = 1;
while(!Q.empty()){
int ft = Q.front();
Q.pop();
in[ft] = 0;
for(int i = 0;i < G[ft].size(); i++){ //遍历来自ft的每一条边
if(dist[G[ft][i].v]>dist[ft]+G[ft][i].w){
dist[G[ft][i].v] = dist[ft]+G[ft][i].w;
if(!in[G[ft][i].v]){ // 更新点不在队列中,将其入队
Q.push(G[ft][i].v);
in[G[ft][i].v] = 1;
}
}
}
}
}
int main()
{
ios::sync_with_stdio(false);
int T,N; // 边数,点数。
cin>>T>>N;
n = N;
for(int i=0;i<T;i++){
int v1,v2,w;
cin>>v1>>v2>>w;
G[v1].push_back(edge(v2,w));
G[v2].push_back(edge(v1,w));
}
spfa(N); // 这里求以第N个点为起点的单源最短路径
for(int i=1;i<=n;i++){
cout<<"N-->"<<i<<": ";
cout<<dist[i]<<endl;
}
return 0;
}
2 Dijkstra
2.1 不带堆优化的Dijkstra
2.1.1 算法复杂度
O ( n 2 ) O(n^2) O(n2)
2.1.2 算法特点
(1)求单源最短路径
(2)不可以求负权图
(3)速度较快,常用算法。
2.1.3 算法思路
(1)维护一个集合,初始状态为一个起点,这个集合表示里面的点的
d
i
s
t
[
i
]
dist[i]
dist[i] 已经是最短路径了。
(2)遍历所有点,取一个集合外的离集合最近的点并入集合,并且用这个点去更新外点到集合的距离
(3)循环n-1次前两步。(实际编程中可以把起点的dist值置为0,其他的为inf,然后直接从空集合开始循环n次即可,看大家编程习惯了)
2.1.4 参考代码
例题POJ-2387(其他定义和main函数参考前面的代码)
void dijkstra(int p_s){ // p_s 为起点下标
for(int i=1;i<=n;i++){ // in初始化
dist[i] = 0x3f3f3f3f;
in[i] = 0;
}
dist[p_s] = 0;
for(int iii=0;iii<n;iii++){
// findmin
int minn = 0x3f3f3f3f;
int minpos = 0;
for(int i=1;i<=n;i++){
if(!in[i]&&dist[i]<minn){
minn = dist[i];
minpos = i;
}
}
if(minpos==0){
//cout<<"非连通图"<<endl;
break;
}
// 最近点入集合并更新
in[minpos] = 1;
for(int i=0;i<G[minpos].size();i++){
int v = G[minpos][i].v;
if(dist[v]>minn+G[minpos][i].w){
dist[v] = minn+G[minpos][i].w;
}
}
}
}
2.2 带堆优化的Dijkstra
2.2.1 算法复杂度和特点
由于加入了堆优化,每一次找最近点的时间降为了
O
(
l
o
g
n
)
O(log n)
O(logn),总体复杂度为
O
(
m
∗
l
o
g
n
)
O(m*log n)
O(m∗logn)。
一般来说比原始的Dijkstra更快了,但是在边很多比如说完全图的时候复杂度变成了
O
(
n
2
∗
l
o
g
n
)
O(n^2*log n)
O(n2∗logn)。选择性使用
2.2.3 算法思路
(1)用一个堆去维护当前集合到各个集合外点的距离信息。方便获得最近点。
(2)从堆中取出最小结点,将其入集合,并决定将邻近外点的距离更新并且入堆。
(3)循环至堆空
2.2.4 参考代码
例题POJ-2387(其他定义和main函数参考前面的代码)
// 堆优化:O(m*logn) 适合稀疏图
void dijkstra(int p_s){
for(int i=1;i<=n;i++){ // dist,in初始化
dist[i] = 0x3f3f3f3f;
in[i] = 0;
}
dist[p_s] = 0;
//in[p_s] = 1;
priority_queue<edge,vector<edge>,greater<edge> > Q;
Q.push(edge(p_s,0));
while(!Q.empty()){
// 首先获得离集合最近的点信息
int ft = Q.top().v;
int dis = Q.top().w;
Q.pop();
//if(in[ft]) continue;
// 最近点入集合并更新堆和新的当前最短路径
in[ft] = 1;
for(int i=0;i<G[ft].size();i++){
int v = G[ft][i].v;
if(!in[v]&&dist[v]>dis+G[ft][i].w){
dist[v] = dis+G[ft][i].w;
Q.push(edge(v,dist[v]));
}
}
}
}
3 Floyd
3.1 算法复杂度
O ( n 3 ) O(n^3) O(n3)
3.2 算法特点
(1)求多源最短路径
(2)可处理负权图
3.3 算法思路
其实就是利用动态规划:
d
p
[
i
]
[
j
]
=
m
i
n
(
d
p
[
i
]
[
j
]
,
d
p
[
i
]
[
k
]
+
d
p
[
k
]
[
j
]
)
.
dp[i][j] = min(dp[i][j],dp[i][k]+dp[k][j]).
dp[i][j]=min(dp[i][j],dp[i][k]+dp[k][j]).
我们要做的是遍历所有中间点k,然后内嵌ij遍历去做到对所有的ij距离的极小化。
3.4 参考代码
int dp[MAXN+10][MAXN+10];
void floyd(){
for(int k=1;k<=n;k++){
for(int i=1;i<=n;i++){
for(int j=1;j<=n;j++){
if(dp[i][j]>dp[i][k]+dp[k][j]){
dp[i][j]=dp[i][k]+dp[k][j];
}
}
}
}
}