题目描述
解题思路:三次最短路
-
从 src 1 \textit{src}_1 src1 到 dest \textit{dest} dest 有唯一的一条简单路径,记为 X X X
-
从 src 2 \textit{src}_2 src2 到 dest \textit{dest} dest 有唯一的一条简单路径,记为 Y Y Y
假设 X X X 上第一个与 Y Y Y 共有的节点为 c c c,显然这样的 c c c 是一定存在的,因为 dest \textit{dest} dest 就是 X X X 和 Y Y Y 的一个共有节点(但可能存在更早的共有节点)。因此,整个子图可以看成是三部分的并集:
-
从 src 1 \textit{src}_1 src1 到 c c c 的一条简单路径
-
从 src 2 \textit{src}_2 src2 到 c c c 的一条简单路径
-
从 c c c 到 dest \textit{dest} dest 的一条简单路径
此时子图的边权和即为这三部分的边权和之和,即子图呈现「Y 型」。
算法流程:
- 使用两次 Dijkstra \text{Dijkstra} Dijkstra 算法计算出以 src 1 \textit{src}_1 src1 为出发点和以 src 2 \textit{src}_2 src2 为出发点,到所有节点的最短路径长度
- 对于「从 c c c 到 dest \textit{dest} dest」这一部分,可以将原图中的所有边反向,这样就变成了「从 dest \textit{dest} dest 到 c c c」。就可以使用 Dijkstra \text{Dijkstra} Dijkstra 算法计算出以 dest \textit{dest} dest 为出发点,到所有节点的最短路径长度
- 在得到了所有需要的最短路径的长度之后,枚举 c c c 得出答案
class Solution {
public long minimumWeight(int n, int[][] edges, int src1, int src2, int dest) {
// 建图 正向图 + 反向图
List<int[]>[] g = new List[n], rg = new List[n];
Arrays.setAll(g, e -> new ArrayList<int[]>());
Arrays.setAll(rg, e -> new ArrayList<int[]>());
for (int[] e : edges) {
int x = e[0], y = e[1], weight = e[2];
g[x].add(new int[]{y, weight});
rg[y].add(new int[]{x, weight});
}
// 3次dijkstra
long[] dist1 = dijkstra(g, src1);
long[] dist2 = dijkstra(g, src2);
long[] dist3 = dijkstra(rg, dest);
// 枚举 c
long ans = Long.MAX_VALUE/3;
for (int i = 0; i < n; i++) {
if (dist1[i] == Long.MAX_VALUE/3 || dist2[i] == Long.MAX_VALUE/3 || dist3[i] == Long.MAX_VALUE/3) {
continue ;
}
ans = Math.min(ans, dist1[i] + dist2[i] + dist3[i]);
}
return ans >= Long.MAX_VALUE/3 ? -1 : ans;
}
// 计算点 start 到各点的最短距离
private long[] dijkstra(List<int[]>[] g, int start) {
// dist[x] = y 代表从「源点/起点」到 x 的最短距离为 y
long[] dist = new long[g.length];
// 起始先将所有的点标记为「距离为正无穷」
Arrays.fill(dist, Long.MAX_VALUE / 3);
// 只有起点最短距离为 0
dist[start] = 0;
// 小根堆
// 以 (到起点的距离,点编号) 进行存储,优先弹出「最短距离」较小的点
PriorityQueue<long[]> pq = new PriorityQueue<long[]>((a, b) -> Long.compare(a[0], b[0]));
pq.offer(new long[]{0l, start});
while (!pq.isEmpty()) {
long[] p = pq.poll();
long weight = p[0];
int x = (int) p[1];
if (weight > dist[x]) {
continue ;
}
// 更新其他点的「最短距离」
for (int[] e : g[x]) {
int y = e[0];
long d = dist[x] + e[1];
if (d < dist[y]) {
dist[y] = d;
pq.offer(new long[]{d, y});
}
}
}
return dist;
}
}
-
时间复杂度: O ( n + m log m ) O(n + m \log m) O(n+mlogm),其中 m m m 是数组 edges \textit{edges} edges 的长度
-
空间复杂度: O ( m ) O(m) O(m),即为存储图和反向图的邻接表需要使用的空间