开始图论学习的第二部分:最短路径。
由于知识储备还不充足,暂时不使用邻接表的方法来计算。
最短路径主要分为两部分:多源最短路径和单源最短路径问题
多源最短路径:
介绍最简单的Floyd Warshall算法:
思路如下:把所有从顶点i到j可能经过的顶点一一枚举,不断更新从i到j的最小权值:d[i][j] = min{d[i][j],d[i][k]+d[k][j]},是一种动规的思想
局限性:不能处理有负权回路(负圈)的情况,而且一般是使用邻接矩阵的方式来实现。
优劣性:思路简单,核心代码简洁易懂,但是时间复杂度为O(N^3)效率较差,适合处理小范围数据。
核心代码只有5行:
for (int k = 1; k <= n; k++) for (int i = 1; i <= n; i++) for (int j = 1; j <= n; j++) if (e[i][j]>e[i][k] + e[k][j]) e[i][j] = [i][k] + e[k][j];
在情况不是特别复杂的情况下也可以用来求解单源最短路径问题
单源最短路径:
先介绍简单的Dijkstra算法
核心思路:假设计算从顶点1到其余各顶点的最短路径。先用一个一维数组dis储存1号顶点到其余各顶点的初始路程(这时每个值被称为估计值),找到一个离1的距离最小的顶点,比如2,那么dis[2]的值就成为确定值(因为顶点1到其它顶点的距离都更长,所以从其他顶点中转肯定没有直接从1走到2短,那么这个值就是1到2的最短路径)。现在我们有了一个确定值dis[2],就开始利用这个值尝试去更新1到其他顶点的最短距离(说白了就是都从2绕一下试试),更新完成后我们就不再管顶点2,从顶点3开始再搜索一个到1距离最短的点(这时候用的是已经更新过的值),不断重复上述的过程,直到所有的估计值都变成确定值。
局限性:不能应对有负权边的情况
优化:当边数较少时(稀疏图),使用邻接表效率会比邻接矩阵更高(后续会给出,这里先用邻接矩阵写)
要注意的是:我们使用两个集合P和Q来区别已经确定的顶点和待确定的顶点(用book数组来标记)
整体代码如下:(求顶点1到其他顶点的最短路径)
/*Dijkstra算法用邻接矩阵实现,求一号顶点到其他各顶点的最短路径*/ # include<iostream> using namespace std; int dis[101],book[101];//dis数组存放估计值,最后变为确定值。book数组用于标记顶点是否被处理过 int e[101][101];//邻接矩阵 const int INF = 99999999;//INF用于表示正无穷 int main() { int n, m;//n为顶点数目,m为边的数目 int t1, t2, t3; int temp; //初始化邻接矩阵: for (int i = 1; i <= 100; i++) for (int j = 1; j <= 100; j++) { if (i == j) e[i][j] = 0; else e[i][j] = INF; } //读入边: for (int i = 0; i < m; i++) { cin >> t1 >> t2 >> t3;//表示从顶点t1到顶点t2有一条权为t3的边 e[t1][t2] = t3;//这里是有向图 } //初始化dis数组: for (int i = 1; i <= n; i++) dis[i] = e[1][i]; //初始化book数组,说明dis[1]已经是确定值了 book[1] = 1; //Dijkstra算法核心: for (int i = 1; i < n; i++)//只用执行n-1次,最后一个点一定是确定的 { //第一步:找到现在距离顶点1最近的点 int min = INF; for (int j = 1; j <= n; j++) { if (book[j] == 0 && dis[j] < min) { min = dis[j]; temp = j;//记录 } book[temp] = 1; for (int i = 1; i <= n; i++) { if (e[temp][i] < INF) { if (dis[i]>dis[temp] + e[temp][i]) dis[i] = dis[temp] + e[temp][i]; } } } } //输出: for (int i = 1; i <= n; i++) cout << dis[i] << " "; //system("pause"); return 0; }
来源:https://www.cnblogs.com/digitalhermit/p/5120867.html