Dijkstra算法:
解决的问题:
带权重的有向图上单源最短路径问题。且权重都为非负值。如果采用的实现方法合适,Dijkstra运行时间要低于Bellman-Ford算法。
思路:
如果存在一条从i到j的最短路径(Vi.....Vk,Vj),Vk是Vj前面的一顶点。那么(Vi...Vk)也必定是从i到k的最短路径。为了求出最短路径,Dijkstra就提出了以最短路径长度递增,逐次生成最短路径的算法。譬如对于源顶点V0,首先选择其直接相邻的顶点中长度最短的顶点Vi,那么当前已知可得从V0到达Vj顶点的最短距离dist[j]=min{dist[j],dist[i]+matrix[i][j]},应用了贪心的思想。根据这种思路,直接给出Dijkstra算法的伪代码,他可用于计算正权图的单源最短路径,同时适用于无向图和有向图。
清除所有点的标号
设d[0]=0,其他d[i]=INF
循环n次
{
在所有点的标号中,选出d值最小的结点x
给结点x标记
对于从x出发的所有边(x,y),更新d[y]=min{d[y],d[x]+w(x,y)}
}
除了求出最短路的长度外,使用Dijkstra算法也能很方便地打印出结点0到所有节点的最短路本身.
代码实现:
void dijkstra(int start)//从start点开始 { int i,j,k; memset(vis,0,sizeof(vis));//标记是否访问过 for(i=1; i<=n; i++)//n为总点数 { if(i==start) dis[i]=0; else dis[i]=INF; } for(i=1; i<=n; i++) { int r; int min=INF; for(j=1; j<=n; j++) if(!vis[j]&&dis[j]<min) { min=dis[j]; r=j; } vis[r]=1; for(k=1; k<=n; k++)//对所有从r出发的边进行松弛 if(dis[k]<(dis[r]+g[r][k])) dis[k]=dis[k]; else dis[k]=dis[r]+g[r][k]; } return; }
Floyd算法:
负权重的边可以存在,但不能存在权重为负值的环路
算法考虑的是一条最短路径上的中间结点。
算法核心思想: 三圈for循环
for (int k = 0; k < graph.getNumVex(); k++) { for (int v = 0; v < graph.getNumVex(); v++) { for (int w = 0; w < graph.getNumVex(); w++) { if (d[v][w] > d[v][k] + d[k][w]) { d[v][w] = d[v][k] + d[k][w]; p[v][w] = p[v][k];// p[v][w]是v--w最短路径上 v的下一顶点 } } } }
第一层 k是作为中间顶点
第二层 v是作为起始顶点
第三层 w是作为终点顶点
内层核心代码:
以v为起点,w为终点,再以k作为v和w之间的中间点,去判断d[v][ w]和d[v][k] + d[k][w]的大小关系,如果d[v][w] > d[v][k] + d[k][w],说明找到从v→w的更短路径了,此时更改d[v][w]的值为d[v][k] + d[k][w]。
p[v][w]的值也要相应改成p[v][k]的值,因为 p[v][k]的值是v→k最短路径上v的后继顶点,而v→w这段最短路径是连接在v→k这段路径后面的,所以令所当然p[v][w]也要指向p[v][k]。
注意:最外层的k循环,前面的n此循环的结果跟后面n+1次循环的错做过程是息息相关,
三次循环完成后,各个顶点之间的最短路径权重会存储在d矩阵中:d[i][j]表示i→j的最短路径权重。
邻接矩阵算法实现:
void Floyd(MGraph g) { int A[MAXV][MAXV]; int path[MAXV][MAXV]; int i,j,k,n=g.n; for(i=0;i<n;i++) for(j=0;j<n;j++) { A[i][j]=g.edges[i][j]; path[i][j]=-1; } for(k=0;k<n;k++) { for(i=0;i<n;i++) for(j=0;j<n;j++) if(A[i][j]>(A[i][k]+A[k][j])) { A[i][j]=A[i][k]+A[k][j]; path[i][j]=k; } } }
Bellman-Ford算法
解决的问题:
一般情况下的单源最短路径问题,这里权重可以为负值。
Bellman-ford算法返回一个布尔值,一表明是否存在一个从源结点可以到达的权重为负的环路。如果存在这样一个环路,算法将告诉我们不存在解决方案,如果没有这种环路的存在算法将给出最短路径和他们的权重。
Bellman-Ford算法的流程如下:
给定图G(V, E)(其中V、E分别为图G的顶点集与边集),源点s,数组Distant[i]记录从源点s到顶点i的路径长度,初始化数组Distant[n]为, Distant[s]为0;
以下操作循环执行至多n-1次,n为顶点数:
对于每一条边e(u, v),如果Distant[u] + w(u, v) < Distant[v],则另Distant[v] = Distant[u]+w(u, v)。w(u, v)为边e(u,v)的权值;
若上述操作没有对Distant进行更新,说明最短路径已经查找完毕,或者部分点不可达,跳出循环。否则执行下次循环;
为了检测图中是否存在负环路,即权值之和小于0的环路。对于每一条边e(u, v),如果存在Distant[u] + w(u, v) < Distant[v]的边,则图中存在负环路,即是说改图无法求出 单源最短路径。否则数组Distant[n]中记录的就是源点s到各顶点的最短路径长度。
可知,Bellman-Ford算法寻找单源最短路径的时间复杂度为O(V*E).
Bellman-Ford算法可以大致分为三个部分
第一,初始化所有点。每一个点保存一个值,表示从原点到达这个点的距离,将原点的值设为0,其它的点的值设为无穷大(表示不可达)。
第二,进行循环,循环下标为从1到n-1(n等于图中点的个数)。在循环内部,遍历所有的边,进行松弛计算。
第三,遍历途中所有的边(edge(u,v)),判断是否存在这样情况:
d(v) > d (u) + w(u,v)
则返回false,表示途中存在从源点可达的权为负的回路。
之所以需要第三部分的原因,是因为,如果存在从源点可达的权为负的回路。则 应为无法收敛而导致不能求出最短路径。
#include<iostream> #include<cstdio> using namespace std; #define MAX 0x3f3f3f3f #define N 1010 int nodenum, edgenum, original; //点,边,起点 typedef struct Edge //边 { int u,v; int cost; } Edge; Edge edge[N]; int dis[N], pre[N]; bool Bellman_Ford() { for(int i = 1; i <= nodenum; ++i) { if(i==original) dis[i]=0; else dis[i]=MAX; } for(int i = 1; i <= nodenum - 1; ++i)//循环n-1次 for(int j = 1; j <= edgenum; ++j)//遍历每条边 { if(dis[edge[j].v] > dis[edge[j].u] + edge[j].cost) //松弛(顺序一定不能反~) { dis[edge[j].v] = dis[edge[j].u] + edge[j].cost; printf("%d ",dis[edge[j].v]); pre[edge[j].v] = edge[j].u; } printf("%d ",dis[edge[j].v]); } bool flag = 1; //判断是否含有负权回路 for(int i = 1; i <= edgenum; ++i) if(dis[edge[i].v] > dis[edge[i].u] + edge[i].cost) { flag = 0; break; } return flag; } void print_path(int root) //打印最短路的路径(反向) { while(root != pre[root]) //前驱 { printf("%d-->", root); root = pre[root]; } if(root == pre[root]) printf("%d ", root); } int main() { scanf("%d%d%d", &nodenum, &edgenum, &original); pre[original] = original; for(int i = 1; i <= edgenum; ++i) { scanf("%d%d%d", &edge[i].u, &edge[i].v, &edge[i].cost); } if(Bellman_Ford()) for(int i = 1; i <= nodenum; ++i) //每个点最短路 { printf("%d ", dis[i]); printf("Path:"); print_path(i); } else printf("have negative circle "); return 0; }
spfa算法:
算法流程
算法大致流程是用一个队列来进行维护。初始时将源加入队列。每次从队列中取出一个元素,并对所有与他相邻的点进行松弛,若某个相邻的点松弛成功,则将其入队。直到队列为空时算法结束。
这个算法,简单的说就是队列优化的bellman-ford,利用了每个点不会更新次数太多的特点发明的此算法
SPFA——Shortest Path Faster Algorithm,它可以在O(kE)的时间复杂度内求出源点到其他所有点的最短路径,可以处理负边。SPFA的实现甚至比Dijkstra或者Bellman_Ford还要简单:
设Dist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点之前的一个点的编号。开始时Dist全部为+∞,只有Dist[S]=0,Fa全部为0。
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个点是否处在队列中。
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 Dist[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S到所有的最短距离都确定下来,结束算法。若一个点入队次数超过n,则有负权环。
SPFA 在形式上和宽度优先搜索非常类似,不同的是宽度优先搜索中一个点出了队列就不可能重新进入队列,但是SPFA中一个点可能在出队列之后再次被放入队列,也就是一个点改进过其它的点之后,过了一段时间可能本身被改进,于是再次用来改进其它的点,这样反复迭代下去。设一个点用来作为迭代点对其它点进行改进的平均次数为k,有办法证明对于通常的情况,k在2左右。
代码模板:
SPFA void Spfa() { for (int i(0); i<num_town; ++i)//初始化 { dis[i] = MAX; visited[i] = false; } queue<int> Q; dis[start] = 0; visited[start] = true; Q.push(start); while (!Q.empty()){ int temp = Q.front(); Q.pop(); for (int i(0); i<num_town; ++i) { if (dis[temp] + road[temp][i] < dis[i])//存在负权的话,就需要创建一个COUNT数组,当某点的入队次数超过V(顶点数)返回。 { dis[i] = dis[temp] + road[temp][i]; if (!visited[i]) { Q.push(i); visited[i] = true; } } } visited[temp] = false; } }
四种算法总结完了,都是东拼西凑的,自己学的也不好,还是静下心来好好学吧。也许有一天,你发觉日子特别的艰难,那可能是这次的收获将特别的巨大。这几天总是在抱怨生活,患得患失,却忘了自己为什么留下来暑期集训,因为你什么都没有,所以你必须努力!噶呜!~加油
————Anonymous.PJQ