最短路径

匿名 (未验证) 提交于 2019-12-02 23:51:01

<前导>

这里回顾四种计算最短路径的算法,分别为:

  • Floyd算法;
  • Dijkstra算法;
  • Bellman-Ford算法;
  • SPFA算法;

<Floyd算法>

Floyd算法的实现非常简单,直接看代码:

int d[maxn][maxn];//d[i][j]表示顶点i、j之间的最短距离 int inf=99999999; for(int i=0;i<maxn;i++){     d[i][i]=0; //初始化 } void Floyd(){     for(int k=0;k<n;k++){ //注意Floyd算法先循环中转点k         for(int i=0;i<n;i++){             for(int j=0;j<n;j++){                 if(d[i][k]<inf&&d[k][j]<inf&&d[i][k]+d[k][j]<d[i][j])                     d[i][j]=d[i][k]+d[k][j];             }         }     } } 

<dijkstra算法>

//以邻接矩阵为例 bool book[maxn]={false}; int d[maxn]; int G[maxn][maxn];//注意G也需要初始化,除了输入的边之外,其余不连通的边全部设为inf int n,inf=99999999; void Dijkstra(int s){     for(int i=0;i<maxn;i++){         d[i]=inf;//初始化     }     d[s]=0;     for(int i=0;i<n;i++){         int u,mind=inf;         for(int j=0;j<n;j++){ //该循环可以用堆优化,使复杂度降低至logn;             if(book[j]==false&&d[j]<mind){                 u=j;                 mind=d[j];             }         }         book[u]=true;         for(int v=0;v<n;v++){             if(book[v]==false&&G[u][v]<inf&&d[u]+G[u][v]<d[v])                 d[v]=d[u]+G[u][v];         }     } } 

这种写法的复杂度为O(n*(n+n))=O(n^2),当然用堆优化之后会降至O(n*(logn+n)),如果再用上邻接表,那么复杂度会进一步降至O(n*(logn+m));

当然这是针对于顶点远小于边数的稀疏图来讲,在规定必须使用Dijkstra算法的情况下,对于储存图的方式,如果是顶点远大于边数的稀疏图,用邻接表比较适合,如果是边数大于顶点数的稠密图,用邻接矩阵计较适合

<Dijkstra的拓展>

1.输出最短路径
核心依旧不变,只需要多开一个pre[maxn]数组记录每次更新d[v]时v的前一个结点即可;

int n,G[maxn][maxn]; int d[maxn],pre[maxn]; bool book[maxn]={false}; void Dijkstra(int s){     for(int i=0;i<maxn;i++){         d[i]=inf;         pre[i]=i;//初始化     }     d[s]=0;     for(int i=0;i<n;i++){         int u,mind=inf;         for(int j=0;j<n;j++){             if(book[j]==false&&d[j]<mind){                 u=j;                 mind=d[j];             }         }         book[u]=true;         for(int v=0;v<n;v++){             if(book[v]==false&&G[u][v]<inf&&d[u]+G[u][v]<d[v]){                 d[v]=d[u]+G[u][v];                 pre[v]=u;//记录前驱             }         }     } } //如果要输出,则可以用递归实现 void dfs(int s,int v){ //从终点开始递归     if(v==s){         cout<<s<<" ";         return;     }     dfs(s,pre[v]);     cout<<v<<" "; } 

2.除距离之外新增第二标尺,如物资、花费、最短路径不止一条等;
一个例子:

int n,G[maxn][maxn],weight[maxn];//新增点权 int d[maxn],w[maxn],num[maxn];//最短路径不止一条 bool book[maxn]={false}; void Dijkstra(int s){     for(int i=0;i<maxn;i++){         d[i]=inf;         w[i]=0;         num[i]=0;     }     d[s]=0;     w[s]=weight[s];     num[s]=1;     for(int i=0;i<n;i++){         int u,mind=inf;         for(int j=0;j<n;j++){             if(book[j]==false&&d[j]<mind){                 u=j;                 mind=d[j];             }         }         book[u]=true;         for(int v=0;v<n;v++){             if(book[v]==false&&G[u][v]<inf){                 if(d[u]+G[u][v]<d[v]){                     d[v]=d[u]+G[u][v];                     w[v]=w[u]+weight[v];                     num[v]=num[u];                 }                 else if(d[u]+G[u][v]==d[v]){                    if(w[u]+weight[v]>w[v])                        w[v]=w[u]+weight[v];                 }                 num[v]+=num[u];             }         }     } } 

3.Dijkstra与dfs结合处理复杂问题

vector<int> pre[maxn]; void Dijkstra(int s){     for(int i=0;i<maxn;i++){         d[i]=inf;     }     d[s]=0;     for(int i=0;i<n;i++){         int u,mind=inf;         for(int j=0;j<n;j++){             if(book[j]=false&&d[j]<mind){                 u=j;                 mind=d[j];             }         }         book[u]=true;         for(int v=0;v<n;v++){             if(book[v]==false&&G[u][v]<inf){                 if(d[u]+G[u][v]<d[v]){                     d[v]=d[u]+G[u][v];                     pre[v].clear();                     pre[v].push_back(u);                 }                 else if(d[u]+G[u][v]==d[v])                     pre[v].push_back(u);             }         }     } } //dfs的书写 vector<int> temppath,path; void dfs(int v){     if(v==s){         temppath.push_back(v);         int value;         for(int i=temppath.size()-1;i>0;i--){             //计算value         }         if(value<mincost){ //此处mincost只是借指,即在这里进行第二、甚至第三标尺的比较             mincost=value;             path=temppath;//更新path         }         temppath.popback();         return;     }     temppath.push_back(v);     for(int i=0;i<pre[v].size();i++){         dfs(pre[v][i]);     }     temppath.pop_back(); } 

<Bellman-Ford算法>

Bellman-Ford算法的核心在于对所有的边进行松弛操纵,一步一步确立最短路径;
需要进行多少次松弛?如果顶点数是n,那么最多需要进行n-1轮,注意是最多,因为bf算法是一步步确定最短路径,因此也有可能不需要n-1次就已经得到了最短路径;
那么为什么是n-1次,因为最多只有n-1条边;

最短路径可能包含回路么?答案是不可能。回路要么正权回路,要么负权回路,正权回路显然不可能为最短路径,负权回路的话,每一次循环该回路都会使最短路径长度更小,那就没有最短路径了;

代码:

struct node{     int v,dis; } int n,d[maxn]; vector<node> Adj[maxn]; bool bf(int s){     for(int i=0;i<maxn;i++){         d[i]=inf;     }     d[s]=0;     for(int i=0;i<n-1;i++){         for(int u=0;u<n;u++){             for(int j=0;j<Adj[maxn].size();j++){                 int v=Adj[u][j].v;                 int dis=Adj[u][j].dis;                 if(d[u]+dis<d[v])                     d[v]=d[u]+dis;             }         }     }     for(int u=0;u<n;u++){ //判断是否有负权回路         for(int j=0;j<Adj[u].size();j++){             int v=Adj[u][j].v;             int dis=Adj[u][j].dis;             if(d[u]+dis<d[v]) //仍然可以被松弛                 return false;         }     }     return true; } 

该算法的时间复杂度为O(NE),其中E为边的个数,多数情况下该算法的效率并不能让人满意,于是就有了优化后的Bellman-Ford算法;

<SPFA算法>

int n,d[maxn],num[maxn];//num数组判断是否有负环 vector<bode> Adj[maxn]; bool book[maxn]={false}; bool SPFA(int s){     for(int i=0;i<maxn;i++){         d[i]=inf;         num[i]=0;     }     queue<int> q;     q.push(s);     d[s]=0;     num[s]=1;     book[s]=true;     while(!q.empty()){         int u=q.front();         q.pop();         book[u]=false;         for(int j=0;j<Adj[u].size();j++){             int v=Adj[u][j].v;             int dis=Adj[u][j].dis;             if(d[u]+dis<d[v]){                 d[v]=d[u]+dis;                 if(!book[v]){                     q.push(v);                     book[v]=true;                     num[v]++;                     if(num[v]>=n)                          return false;                 }             }         }     }     return true; } 

SPFA算法的时间复杂度为O(kE),其中k为常数,且多数情况下不超过2,但如果有从起点可达的负环,那么这个复杂度就会退化为O(NE);

<小结>

Dijkstra与Floyd算法不能解决有负权的情况,且与点关系密切,适用于稀疏图,其中Floyd解决全源最短路径问题,Dijkstra解决单源最短路径问题;

Bellman-Ford与SPFA算法可以解决有负权

文章来源: https://blog.csdn.net/ckk727/article/details/97122784
易学教程内所有资源均来自网络或用户发布的内容,如有违反法律规定的内容欢迎反馈
该文章没有解决你所遇到的问题?点击提问,说说你的问题,让更多的人一起探讨吧!