Bellman-Ford算法
Bellman-Ford算法用來計算單源最短路。該算法可以處理邊權爲負的情況,同時可以判斷圖中是否有負權環。
鬆弛一條邊(u,v)即判斷能否通過u對v的最短路徑進行改進,如果可以,則更新d[v]。
鬆弛操作:d[v]>d[u]+w(u,v) → d[v]=d[u]+w(u,v) 。其中w(u,v)表示邊(u,v)的權值。
鬆弛操作在沒有負權環的情況下最多進行|V|-1輪。也就是說,若完成|v|-1輪鬆弛操作後還能進行鬆弛操作,那麼圖中有負權環。
複雜度:O(|V||E|)
struct edge{ int from, to, cost; };
edge es[MAX_E]; //邊
int d[MAX_V]; //最短距離
int V, E; //V是頂點數, E是邊數
void bellman_ford(int s)
{
fill(d, d + V, INF);
d[s] = 0;
while(true)
{
bool update = false;
for(int i = 0; i < E; i++)
{
edge e = es[i];
if(d[e.from] != INF && d[e.to] > d[e.from] + e.cost)
{
d[e.to] = d[e.from]+e.cost;
update = true;
}
}
if(!update) break;
}
}
SPFA算法
SPFA是Bellman-Ford的隊列優化。
Bellman-Ford算法每輪都遍歷所有的邊試圖進行鬆弛操作,而實際上並不是所有的邊都能夠進行鬆弛操作。
SPFA算法通過建立一個隊列來保持待優化的頂點,只有當到某個頂點的最短距離縮短後,才用連接該頂點的邊對另一端點進行鬆弛操作。
複雜度:最壞情況O(|V||E|)
struct edge{ int to, cost; };
vector<edge> G[MAX_V];
int d[MAX_V];
bool inQue[MAX_V];
void spfa(int s)
{
queue<int> que;
fill(d, d + V, INF);
d[s] = 0;
que.push(s);
inQue[s] = true;
while(!que.empty())
{
int u = que.front(); que.pop();
for(int i = 0; i < G[u].size(); i++)
{
edge e = G[u][i];
if(d[e.to] > d[u] + e.cost)
{
d[e.to] = d[u] + e.cost;
if(!inQue[e.to])
{
inQue[e.to] = true;
que.push(e.to);
}
}
}
inQue[u] = false;
}
}
Dijkstra算法
在Bellman-Ford算法中,如果d[u]還不是最短距離的話,那麼即使對d[v]進行d[v]>d[u]+w(u,v) → d[v]=d[u]+w(u,v)的更新,d[v]也不會變成最短距離。因此Dijkstra算法做了如下修改:
- 找到最短距離已經確定的頂點,從它出發更新相鄰頂點的最短距離。
- 此後不再需要關心1中的“最短距離已經確定的頂點”。
代碼實現:
int cost[MAX_V][MAX_V]; //鄰接矩陣
int d[MAX_V]; //最短距離
bool used[MAX_V]; //已經使用過的頂點
int V; //頂點數
void dijkstra(int s)
{
fill(d, d + V, INF);
fill(used , used + V, false);
d[s] = 0;
while(true)
{
int v = -1;
//從未使用過的頂點中選一個距離最小的頂點
for(int i = 0; i < V; i++)
if(!used[i] && (v == -1 || d[i] < d[v])) v = i;
if(v == -1) break;
used[v] = true;
for(int i = 0; i < V; i++)
d[i] = min(d[i], d[v] + cost[v][i]);
}
}
Dijkstra算法(優先隊列優化)
每次查找距離最小的頂點的操作可以用堆來實現。把每個頂點當前的最短距離用堆維護,這樣每次從堆中取出的最小值就是下一次要使用的頂點。
複雜度:O(|E|log|V|)
使用優先隊列的實現:
struct edge { int to, cost; };
typedef pair<int, int> P;
int d[MAX_V];
vector<edge> G[MAX_V];
int V;
void dijkstra(int s)
{
priority_queue<P, vector<P>, greater<P> > que;
fill(d, d + V, INF);
d[s] = 0;
que.push(P(0, s));
while(!que.empty())
{
P p = que.top(); que.pop();
int v = p.second;
if(d[v] < p.first) continue;
for(int i = 0; i < G[v].size(); i++)
{
edge e = G[v][i];
if(d[e.to] > d[v] + e.cost)
{
d[e.to] = d[v] + e.cost;
que.push(P(d[e.to], e.to));
}
}
}
}
當所有邊的權值相等時,比如網格圖上求最短路,可以使用BFS。這種情況下優先隊列的效果等同於普通隊列,最先出隊的一定是最短距離的點。
另外,優先隊列優化的Dijkstra和SPFA樣子有點像,把二者對比一下可以看出:前者每個頂點只出隊一次且最短距離已經確定,後者不一定;前者隊列中可能有多個相同頂點(但參與排序的權值不同),後者隊列中頂點唯一。
Floyd算法
Floyd算法是用來求解帶權圖中的多源最短路問題。算法的原理是動態規劃。
d[i][j]爲從i到j的最短距離,如果從i到j以k爲中間點距離更短,則更新d[i][j]。
複雜度:O(N³)
void floyd()
{
for(int k = 1; k <= N; k++)
for(int i = 1; i <= N; i++)
for(int j = 1; j <= N; j++)
d[i][j] = min(d[i][j], d[i][k] + d[k][j]);
}