最短路(Dijkstra, Bellman-Ford, SPFA, Floyd)

2024-04-28 15:52

本文主要是介绍最短路(Dijkstra, Bellman-Ford, SPFA, Floyd),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

最短路

Dijkstra算法(复杂度 O ( m l o g n ) O(mlog n) O(mlogn)/ O ( n m l o g n ) O(nmlogn) O(nmlogn))–不能有负权边,不能有负权环,单源最短路径( O ( m l o g n ) O(mlog n) O(mlogn)),多源最短路径( O ( n m l o g n ) O(nmlogn) O(nmlogn))。
Bellman-Ford算法(复杂度 O ( n m ) O(nm) O(nm))—能有负权边,不能有负权环,单源最短路径,有边数限制的最短路
SPFA算法(复杂度 O ( k m ) O(km) O(km))—能有负权边,不能有负权环,单源最短路径
Floyd(复杂度 O ( n 3 ) O(n^3) O(n3))—可以求多源最短路,可以处理负权图,不可处理有负权环的图!

Dijkstra

Dijkstra-数据结构:三个数据结构

int dis[10004],vis[10004];
priority_queue<pair<int,int>,vector<pair<int,int>>,greater<pair<int,int>>> q;

//各个数据结构的作用讲解:
dis[]:
vis[]:模拟了一个集合,vis[i]=1表示顶点 i 被加进vis集合中,vis[i]=0表示顶点 i 未被加进集合中。
q:注意优化队列一定要放pair<int,int>,并且前面一定要是距离,后面才是点!被放进去的点是有可能可以用来更新其他点的。

Dijkstra-初始化:

memset(dis,0x3f,sizeof dis); //dis数组应该初始化为无穷 
memset(vis,0,sizeof vis);

Dijkstra-预处理:

dis[i]=0; 
//vis[i]=1; //注意!不能加这一步。 
q.push({0,i}); //<长度,点>

Dijkstra-核心代码:

while(q.size())
{pair<int,int> tmp=q.top();q.pop();int t=tmp.second;if(vis[t]==1) continue;vis[t]=1;for(int i=head[t];i;i=nxt[i]){if(vis[to[i]]==0 && dis[t]+w[i]<dis[to[i]]){dis[to[i]]=dis[t]+w[i];q.push({dis[to[i]],to[i]});}}
}

Dijkstra-最后得到的东西:
一个dis[]数组,记录着起点i到其余各顶点的最短距离。

算法复杂度:
应该是O(nlog n)

好题:
旅行

旅行从城市 1 1 1到城市 n n n, 一天游玩一个城市。点与点之间有一些固定费用的路,但每隔一天需要多付出 w w w的费用测核酸。求最少花费。

#include <bits/stdc++.h>
using namespace std;#define int long long
#define pii pair<int,int>
#define se second
#define fi first
#define pb push_back
const int N=1e5+5;
int n,m,x;
int dis[N][2],vis[N][2];
vector<pii> v[N]; //<点,距离> 
priority_queue<pair<int,pii>,vector<pair<int,pii>>,greater<pair<int,pii>>> q;void Dij()
{memset(dis,0x3f,sizeof dis);memset(vis,0,sizeof vis);dis[1][0]=0;q.push({0,{1,0}}); //<距离,点,标志>while(q.size()){auto tmp=q.top();q.pop();int t=tmp.se.fi;int f=tmp.se.se;if(vis[t][f]==1) continue;vis[t][f]=1;for(int i=0;i<v[t].size();++i) //遍历t点相连的点{if(dis[t][f]+v[t][i].se+(f?0:x)<dis[v[t][i].fi][f^1]){dis[v[t][i].fi][f^1]=dis[t][f]+v[t][i].se+(f?0:x);q.push({dis[v[t][i].fi][f^1],{v[t][i].fi,f^1}});}} }
}signed main(){scanf("%lld%lld%lld",&n,&m,&x); int tt,ttt,w;for(int i=1;i<=m;++i){scanf("%lld%lld%lld",&tt,&ttt,&w); v[tt].pb({ttt,w});v[ttt].pb({tt,w});}Dij();//len[1]=1 printf("%lld\n",min(dis[n][1],dis[n][0]));
}

心得:考虑清楚一个点可以由什么点去松弛得到。

Floyd

参考 算法思想:从第1个到第n个点依次加入松弛计算,每个点加入进行试探枚举是否有路径长度被更改(自己能否更新路径)。顺序加入(k枚举)松弛的点时候,需要遍历图中每一个点对(i,j双重循环),判断每一个点对距离是否因为加入的点而发生最小距离变化,如果发生改变(变小),那么两点(i,j)距离就更改。

应用一:求任意两点间的最短路
应用二:删边,从而降低复杂度 2021CCPC女生赛 C. 连锁商店

//Floyd(弗洛伊得)算法 
特别注意!!!两点之间的距离:
D[i][j]=0  (若i==j) 
D[i][j]=inf  (若i!=j且无边相连)
D[i][j]=W[i][j]  (若i!=j且有边相连)算法描述:
for(k=1;k<=N;k++) //中间点for(i=1;i<=N;i++) //起点 for(j=1;j<=N;j++) //终点 if(D[i][k]+D[k][j]<D[i][j])D[i][j]=D[i][k]+D[k][j]; //更新最小值结束:
D[i][j]就是从i到j的最短路径的长度。 优化:
第一层循环:for(i=1;i<=N/2;i++) ——然后 D[i][j] = D[j][i] = ...如果是固定源点的话,就 去掉第一层循环。 
Bellman-Ford

有边数限制的最短路

题意:有n个点m条边的图(图中可能存在重边和自环, 边权可能为负数,可能存在负权回路),求从1号点到n号点的最多经过k条边的最短距离。如果不存在满足条件的路径,则输出 impossible

参考代码:

#include <bits/stdc++.h>
using namespace std;#define int long long
const int inf=0x3f3f3f3f;
const int N=510,M=1e4+4;
int n,m,k,dis[N],tmp[N];struct edge{int x,y,z;
}e[M];void bellman_ford(){ //答案存在dis里  for(int i=1;i<=n;++i) dis[i]=inf;dis[1]=0;for(int i=0;i<k;++i){ //限制k条边,松弛k次for(int j=1;j<=n;++j) tmp[j]=dis[j];for(int j=1;j<=m;++j){ //遍历m条边int u=e[j].x,v=e[j].y,w=e[j].z;dis[v]=min(dis[v],tmp[u]+w);}}
} signed main(){ios::sync_with_stdio(0);cin.tie(0);cout.tie(0);cin>>n>>m>>k;for(int i=1;i<=m;++i) cin>>e[i].x>>e[i].y>>e[i].z;bellman_ford(); if(dis[n]>(0x3f3f3f3f/2)) cout<<"impossible\n"; //有可能边是负数 else cout<<dis[n]<<'\n';
}
SPFA

算法步骤

数据结构:
Dis 代表S到I点的当前最短距离。
Fa 代表S到I的当前最短路径中I之前的一个点的编号。
维护一个队列,里面存放所有需要进行迭代的点。初始时队列中只有一个点S。
用一个布尔数组记录每一个点是否在队列中。

初始化:
开始时,Dist全部为inf,只有Dist[S]=0,Fa全部为0 。

过程:

每次迭代,取出队头的点v,依次枚举从v出发的边v->u,设边的长度为len,判断Dist[v]+len是否小于Dis[u],若小于则改进Dist[u],将Fa[u]记为v,并且由于S到u的最短距离变小了,有可能u可以改进其它的点,所以若u不在队列中,就将它放入队尾。这样一直迭代下去,直到队列变空,也就是说S到所有结点的距离都确定下来,结束算法。

算法复杂度

在平均情况下,SPFA算法的期望时间复杂度O(KM) 。M为边数,K是每个点平均入队次数。

但是,有很特殊的情况,这张图是一个棋盘格子,网格图,你的SPFA是很有可能被卡到NM的然后它就死了。所以在OI里面,有一句话,关于SPFA,它死了。

所以没有负权边,就尽量不要用它了,万一被卡了。

对比Bellman-Ford:
Bellman-Ford:每一次松弛的时候Bellman-Ford都要枚举所有的点,而其实很多点都是不需要被枚举的,所以会有很多的无效枚举,使得算法效率降低。
SPFA:其实每次松弛的时候只需要枚举与上次被松弛的点相连的点就可以了。

求最短路(含负权边)
#include<cstring>
#include<iostream>
#include<algorithm>
using namespace std;
const int N = 510,M = 10010;int n,m,k;
int dist[N],backup[N]; //backup数组为上次
struct edges
{int a,b,w; // a->b权值为w的边 
}edge[M];int bellman_ford()
{memset(dist,0x3f,sizeof(dist));dist[1] = 0;for(int i=0; i<k; i++) {memcpy(backup,dist,sizeof(dist)); //备份for(int j=0; j<m; j++)   // 枚举所有边 {int a = edge[j].a, b = edge[j].b, w=edge[j].w;	dist[b] = min(dist[b],backup[a]+w); // 用备份更新 }}if(dist[n] > 0x3f3f3f3f/2) return -1;return dist[n];
}
int main()
{cin >> n >> m >> k;for(int i=0; i<m; i++){int a,b,w;cin >> a >> b >> w;edge[i] = {a,b,w}; 	}	int t = bellman_ford();if(t == -1) cout << "impossible";else cout << t;return 0;
} 
判断是否存在负权环

若一个点入队次数超过n,则有负权环。因为它最多被n-1个点(其他所有点)更新。所以要看是否存在负权环,用一个cnt[]数组,记录每个点的入队次数。

裸题:洛谷-P3385 【模板】负环

#include <bits/stdc++.h>
using namespace std;const int N = 2e3+10;
const int M = 3e4+10; //开这个数,要细心一点,像无向图,它是对称存储的,如m=2,其实是需要存4条边,当m=2e3时,其实会有4e3条边,如果只开2e3会出现各种错,像re、wa等 
const int inf = 0x3f3f3f3f;
int num;
int head[N];
int to[M];
int w[M];
int ne[M];int T,n,m,dis[N],vis[N],cnt[N];inline void addedge(int x,int y,int z){to[++num]=y;w[num]=z;ne[num]=head[x];head[x]=num;
}void SPFA(){queue<int> q;//初始化memset(dis,0x3f,sizeof dis);dis[1]=0;vis[1]=1;q.push(1);++cnt[1];while(q.size()){int u=q.front();q.pop();vis[u]=0;for(int i=head[u];i;i=ne[i]){if(dis[u]+w[i]<dis[to[i]]){dis[to[i]]=dis[u]+w[i];if(vis[to[i]]==0){q.push(to[i]);vis[to[i]]=1;++cnt[to[i]]; //入队一次就加一次。 if(cnt[to[i]]>=n){cout << "YES" << endl;return;}}}}}cout << "NO" << endl;
} int main(){cin >> T;while(T--){memset(head,0,sizeof head);memset(to,0,sizeof to);memset(ne,0,sizeof ne);memset(w,0,sizeof w);num=0;memset(vis,0,sizeof vis);memset(cnt,0,sizeof cnt);cin >> n >> m;for(int i=1;i<=m;i++){int x,y,z;cin >> x >> y >> z;addedge(x,y,z);if(z>=0)addedge(y,x,z);}SPFA();	}return 0;
}

这篇关于最短路(Dijkstra, Bellman-Ford, SPFA, Floyd)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/943654

相关文章

BFS:解决多源最短路问题

文章目录 什么是多源最短路问题?1.矩阵2.飞地的数量3.地图的最高点4.地图分析总结 什么是多源最短路问题? 多源最短路问题(Multi-Source Shortest Path Problem,MSSP)是图论中的一个经典问题,它的目标是在给定图中找到从多个源点到所有其他顶点的最短路径。这个问题可以视为单源最短路问题(Single-Source Shortest Pa

最短路算法总结(dijkstra,flyod,bellmanford,spfa)

总结 d i j k s t r a dijkstra dijkstra h e a p − d i j k s t r a heap-dijkstra heap−dijkstra b e l l m a n f o r d bellmanford bellmanford s p f a spfa spfa f l o y d floyd floyd最短路类型单源单源单源单源全源数据维护 e

BFS 解决最短路问题

例题一 解法(bfs 求最短路): 算法思路: 利⽤层序遍历来解决迷宫问题,是最经典的做法。我们可以从起点开始层序遍历,并且在遍历的过程中记录当前遍历的层数。这样就能在找到出⼝的时候,得到起点到出⼝的最短距离。 例题二 解法: 算法思路: 如果将「每次字符串的变换」抽象成图中的「两个顶点和⼀条边」的话,问题就变成了「边权为

最大流的Ford-Fulkerson方法初步

网络或者网络流是一种基本的数据结构,而最大流则是网络流上的基本问题。网络本质上是一个符合一定条件的有向带权图。而最大流是最大可行流的简称,可行流是一个定义在网络流上的符合一定条件的函数。这些定义条件对于算法的正确性是不可缺少的,不过本文不描述可行流的数学条件,只介绍最大流最常用的Ford-Fulkerson方法的原理。     如上左的权图称作容量网络,边权值表示该边的容量。

最大流问题之Ford-Fulkerson

最大流问题的Ford-Fulkerson解法。可是说这是一种方法,而不是算法,因为它包含具有不同运行时间的几种实现。该方法依赖于三种重要思想:残留网络,增广路径和割。本文将会详细介绍这些内容,下一篇文章我们提供一种该方法的Java实现。 在介绍着三种概念之前,我们先简单介绍下Ford-Fulkerson方法的基本思想。首先需要了解的是Ford-Fulkerson是一种迭代的方法。

[LightOJ 1321] Sending Packets (SPFA+概率DP)

LightOJ - 1321 给定一张无向图,每条边都有一个通过的概率 如果无法通过,那么就要回到起点重新出发 从起点到终点的时间固定为 K K,如果成功到达, 又需要额外花费 KK的时间,问走 S S次的最小期望时间首先可以跑一遍SPFA求出一次通过的最大概率 pp 设跑一次的最小期望时间为 E E,E=p×2K+(1−p)×(E+2K)E = p\times 2K + (1-

[HDU 5889] Barricade (最短路 + 最小割)

HDU - 5889 给定一张无向图,每条边的长度为 1 要求在 1到 N的最短路上放一些陷阱 使得 1到 N的每条最短路上至少有一个陷阱 其中在某条边上修陷阱有一个代价,求最小代价和 很显然的一个最小割 首先先用 SPFA把最短路求出来,然后依据最短路建图 然后再在新图上跑网络流即可 注意这个流量是有方向的,最短路上的反向边容量应该清零 #pragma comment(link

最完整+全解析的Floyd算法(C++版)

Floyd算法(完整版解决最短路径问题) 一、Floyd算法简介二、代码部分Graph.h文件代码Graph.cpp文件代码main.cpp文件代码例子展示   本文小述:本文运用邻接矩阵构造的是有向图,用邻接矩阵实现Floyd算法(有兴趣的话可以自己动手用邻接表的方法尝试实现以下),在实现的过程中加强了动态数组的运用。该代码配合 B站视频的讲解来看更易懂哦~代码是多注释、完整版

Floyd算法 最外层 迭代顺序 关系

Floyd 算法与最外层迭代顺序无关 这个算法可以计算出任意两点之间的最短路 (当然不包含负环 包含负环的图没有最短路!) Floyd 算法在网上有很多解释 我就不赘述 在这里我想 证明一个我在理解过程中一的一个问题 当时看这个算法的时候 总觉得他的求最短路的过程中 和检查的点出现的顺序有关系 一觉醒来 终于发现了其中的原委!!! (睡觉是多么骚的一个操作啊) 假设存u->v之间的最短路为

python中的短路计算

1. 在计算 a and b 时,如果 a 是 False,则根据与运算法则,整个结果必定为 False,因此返回 a;如果 a 是 True,则整个计算结果必定取决与 b,因此返回 b。 2. 在计算 a or b 时,如果 a 是 True,则根据或运算法则,整个计算结果必定为 True,因此返回 a;如果 a 是 False,则整个计算结果必定取决于 b,因此返回 b。 所以Python