【Py/Java/C++三种语言详解】LeetCode743、网络延迟时间【单源最短路问题Djikstra算法】

可上 欧弟OJ系统 练习华子OD、大厂真题
绿色聊天软件戳 od1441了解算法冲刺训练（备注【CSDN】否则不通过）

相关推荐阅读

• Dijkstra算法的具体介绍详见单源最短路问题：Dijkstra算法详解【经典算法，限时免费】）

一、题目描述

题目链接：https://leetcode.cn/problems/network-delay-time/description/

有 n 个网络节点，标记为 1 到 n。

给你一个列表 times，表示信号经过 有向 边的传递时间。 times[i] = (u(i), v(i), w(i))，其中 u(i) 是源节点，v(i) 是目标节点， w(i) 是一个信号从源节点传递到目标节点的时间。

现在，从某个节点 K 发出一个信号。需要多久才能使所有节点都收到信号？如果不能使所有节点收到信号，返回 -1 。

示例 1：

输入：times = [[2,1,1],[2,3,1],[3,4,1]], n = 4, k = 2
输出：2

示例 2：

输入：times = [[1,2,1]], n = 2, k = 1
输出：1

示例 3：

输入：times = [[1,2,1]], n = 2, k = 2
输出：-1

提示：

• 1 <= k <= n <= 100
• 1 <= times.length <= 6000
• times[i].length == 3
• 1 <= u(i), v(i) <= n
• u(i) != v(i)
• 0 <= w(i) <= 100
• 所有 (u(i), v(i)) 对都 互不相同（即，不含重复边）

二、题目解析

题目要求计算从源点出发到达所有其他节点的最短路径，在所有最短路径中找到最大值。

所以这是一个单源最短路问题，可以使用Dijkstra算法来解决，计算出dist数组之后取最大值即可。

Dijkstra算法的具体介绍详见单源最短路问题：Dijkstra算法详解【经典算法，限时免费】）

三、参考代码

Python

INF = 100000  # 用于表示一个非常大的数，作为初始的最短距离

class Solution:
    def networkDelayTime(self, times: List[List[int]], n: int, k: int) -> int:
        # 创建一个邻接表，用于存储每个节点的相邻节点及对应的路径权重
        neighbor_dic = defaultdict(list)
        for a, b, w in times:
            # 将边 (a -> b) 和对应的权重 w 加入邻接表
            neighbor_dic[a].append((b, w))  
        
        # 初始化一个列表 dist，用于记录从源节点 k 到每个节点的最短距离
        # 初始时，所有节点的距离都设置为 INF（表示尚未访问或不可达）
        dist = [INF] * (n+1)

        # 初始化一个最小堆，用于在Dijkstra算法中提取当前已知最短路径的节点
        # 堆中元素是 (当前时间, 当前节点) 元组
        heap = [(0, k)]

        # 进行Dijkstra（类似BFS）
        while heap:
            # 从堆中弹出当前时间最小的节点
            cur_time, cur_node = heappop(heap)
            
            # 如果当前节点的已记录最短时间比当前时间更小，说明已经找到更优的路径
            # 因此可以跳过当前节点
            if cur_time > dist[cur_node]:
                continue
            
            # 更新从源节点 k 到当前节点的最短时间
            dist[cur_node] = cur_time
            
            # 遍历当前节点的所有相邻节点
            for next_node, next_weight in neighbor_dic[cur_node]:
                # 计算通过当前节点到达相邻节点所需的时间
                next_time = cur_time + next_weight
                
                # 如果通过当前节点到达相邻节点的时间比之前记录的最短时间更短
                # 则更新相邻节点的最短时间，并将其加入堆中以便进一步探索
                if next_time < dist[next_node]:
                    heappush(heap, (next_time, next_node))
        
        # 找到从源节点 k 到所有节点的最短路径中的最大值
        ans = max(dist[1:])
        
        # 如果最大值小于 INF，说明所有节点都可达，返回最大值作为网络延迟时间
        # 否则返回 -1，表示有节点无法到达
        return ans if ans < INF else -1

Java

import java.util.*;

class Solution {
    static final int INF = 100000;  // 用于表示一个非常大的数，作为初始的最短距离

    public int networkDelayTime(int[][] times, int n, int k) {
        // 创建一个邻接表，用于存储每个节点的相邻节点及对应的路径权重
        Map<Integer, List<int[]>> neighbor_dic = new HashMap<>();
        for (int i = 1; i <= n; i++) {
            neighbor_dic.put(i, new ArrayList<>());
        }
        for (int[] time : times) {
            int a = time[0], b = time[1], w = time[2];
            // 将边 (a -> b) 和对应的权重 w 加入邻接表
            neighbor_dic.get(a).add(new int[]{b, w});
        }

        // 初始化一个数组 dist，用于记录从源节点 k 到每个节点的最短距离
        // 初始时，所有节点的距离都设置为 INF（表示尚未访问或不可达）
        int[] dist = new int[n + 1];
        Arrays.fill(dist, INF);
        dist[k] = 0;  // 源节点到自己的距离为0

        // 初始化一个最小堆，用于在Dijkstra算法中提取当前已知最短路径的节点
        // 堆中元素是 (当前时间, 当前节点) 元组
        PriorityQueue<int[]> heap = new PriorityQueue<>(Comparator.comparingInt(a -> a[0]));
        heap.offer(new int[]{0, k});

        // 进行Dijkstra（类似BFS）
        while (!heap.isEmpty()) {
            // 从堆中弹出当前时间最小的节点
            int[] cur = heap.poll();
            int cur_time = cur[0], cur_node = cur[1];

            // 如果当前节点的已记录最短时间比当前时间更小，说明已经找到更优的路径
            // 因此可以跳过当前节点
            if (cur_time > dist[cur_node]) {
                continue;
            }

            // 遍历当前节点的所有相邻节点
            for (int[] neighbor : neighbor_dic.getOrDefault(cur_node, new ArrayList<>())) {
                int next_node = neighbor[0], next_weight = neighbor[1];
                // 计算通过当前节点到达相邻节点所需的时间
                int next_time = cur_time + next_weight;

                // 如果通过当前节点到达相邻节点的时间比之前记录的最短时间更短
                // 则更新相邻节点的最短时间，并将其加入堆中以便进一步探索
                if (next_time < dist[next_node]) {
                    dist[next_node] = next_time;
                    heap.offer(new int[]{next_time, next_node});
                }
            }
        }

        // 找到从源节点 k 到所有节点的最短路径中的最大值
        int ans = Arrays.stream(dist).skip(1).max().getAsInt();

        // 如果最大值小于 INF，说明所有节点都可达，返回最大值作为网络延迟时间
        // 否则返回 -1，表示有节点无法到达
        return ans < INF ? ans : -1;
    }
}

C++

int INF = 100000;  // 用于表示一个非常大的数，作为初始的最短距离

class Solution {
public:

    int networkDelayTime(vector<vector<int>>& times, int n, int k) {
        // 创建一个邻接表，用于存储每个节点的相邻节点及对应的路径权重
        unordered_map<int, vector<pair<int, int>>> neighbor_dic;
        for (const auto& time : times) {
            int a = time[0], b = time[1], w = time[2];
            // 将边 (a -> b) 和对应的权重 w 加入邻接表
            neighbor_dic[a].push_back({b, w});
        }

        // 初始化一个列表 dist，用于记录从源节点 k 到每个节点的最短距离
        // 初始时，所有节点的距离都设置为 INF（表示尚未访问或不可达）
        vector<int> dist(n + 1, INF);
        dist[k] = 0;  // 起点距离为0

        // 初始化一个最小堆，用于在Dijkstra算法中提取当前已知最短路径的节点
        // 堆中元素是 (当前时间, 当前节点) 元组
        priority_queue<pair<int, int>, vector<pair<int, int>>, greater<pair<int, int>>> heap;
        heap.push({0, k});

        // 进行Dijkstra算法（类似BFS）
        while (!heap.empty()) {
            // 从堆中弹出当前时间最小的节点
            auto [cur_time, cur_node] = heap.top();
            heap.pop();

            // 如果当前节点的已记录最短时间比当前时间更小，说明已经找到更优的路径
            // 因此可以跳过当前节点
            if (cur_time > dist[cur_node]) {
                continue;
            }

            // 遍历当前节点的所有相邻节点
            for (auto& [next_node, next_weight] : neighbor_dic[cur_node]) {
                // 计算通过当前节点到达相邻节点所需的时间
                int next_time = cur_time + next_weight;

                // 如果通过当前节点到达相邻节点的时间比之前记录的最短时间更短
                // 则更新相邻节点的最短时间，并将其加入堆中以便进一步探索
                if (next_time < dist[next_node]) {
                    dist[next_node] = next_time;
                    heap.push({next_time, next_node});
                }
            }
        }

        // 找到从源节点 k 到所有节点的最短路径中的最大值
        int ans = *max_element(dist.begin() + 1, dist.end());

        // 如果最大值小于 INF，说明所有节点都可达，返回最大值作为网络延迟时间
        // 否则返回 -1，表示有节点无法到达
        return ans < INF ? ans : -1;
    }
};

时空复杂度

时间复杂度：O((V+E)logV)。

空间复杂度：O(V+E)。

其中V是节点数，E是边数。

---

华为OD算法/大厂面试高频题算法练习冲刺训练

• 华为OD算法/大厂面试高频题算法冲刺训练目前开始常态化报名！目前已服务300+同学成功上岸！

• 课程讲师为全网50w+粉丝编程博主@吴师兄学算法 以及小红书头部编程博主@闭着眼睛学数理化

• 每期人数维持在20人内，保证能够最大限度地满足到每一个同学的需求，达到和1v1同样的学习效果！

• 60+天陪伴式学习，40+直播课时，300+动画图解视频，300+LeetCode经典题，200+华为OD真题/大厂真题，还有简历修改、模拟面试、专属HR对接将为你解锁

• 可上全网独家的欧弟OJ系统练习华子OD、大厂真题

• 可查看链接 大厂真题汇总 & OD真题汇总(持续更新)

• 绿色聊天软件戳 od1336了解更多