图论——最短路 学习笔记

图论——最短路 学习笔记

其实是复习性质的，主要是总结，证明什么的，等上大学再说。

定义

• 单源最短路：从一个点 \(q\) 出发，到其他所有点的最短路。
• 全源最短路：任意两点见最短路。

算法对比

算法	Floyd	Johnson	Bellman–Ford	SPFA	Dijkstra
类型	全源	全源	单源	单源	单源
作用于	任意图	任意图	任意图	任意图	非负权图
检测负环	能	能	能	能	不能
时间复杂度	\(\mathcal{O}(n^3)\)	\(\mathcal{O}(nm \log m)\)	\(\mathcal{O}(nm)\)	\(\mathcal{O}(m)\)－\(\mathcal{O}(nm)\)	\(\mathcal{O}(n^2)\)－\(\mathcal{O}(m \log n)\)

总结：

• 没有负环用 dijk，理论上，稠密图（有 \(m\) 与 \(n^2\) 同阶）用朴素的，稀疏图（有 \(m \ll n^2\) 的）用堆优化。
• 有负环优先用 SPFA，即使她被卡也比 BF 快一点。
• 多源用 Floyd，因为不会 Johnson。

前言

如果是 DAG 也可以跑拓扑，速度更快！

Dijkstra

过程

设两个集合：「已确定最短路长度的集合 \(S\)」和「未确定最短路长度的集合 \(T\)」，每次从 \(T\) 中选取一个最近的，加入集合 \(S\) 并松弛，更新其他点的最短路。直到 \(T\) 集合为空。

代码：

int n, m, g[N][N];
array<int, N> dis, vis;	// 到这个点的最短路，是否已经确定最短路
int gett() {
	int t = -1;
	for (int i = 1; i <= n; ++j)
	if (!st[i] && (t == -1 || dis[t] > dis[i])) t = i;
	return t;
} void dijkstra(int s) {
	dis.fill(0x3f); dis[1] = 0;
	for (int i = 0; i < n; ++i) {
		int t = gett(); st[t] = true;
		for (int j = 1; j <= n; ++j)
		dist[j] = min(dist[j], dist[t] + g[t][j]);
	} return (void)("rp++");
}

时间复杂度：\(\mathcal{O}(n^2)\)。

堆优化

每成功松弛一条边 \((u,v)\) ，就将 \(v\) 插入堆中，如果 \(v\) 已经在堆中，直接修改相应元素的权值即可，每次查找操作直接取堆顶结点即可。

代码：

using pii = pair<int, int>;
array<int, N> dis, st;	// 到这个点的最短路，是否在堆中
#define v e[i]
void dijkstra(int s) {
	dis.fill(0x3f); dis[s] = 0;
	priority_queue<pii, vector<pii>, greater<pii>> heap;
	heap.push({0, s}); while (heap.size()) {
		pii t = heap.top(); heap.pop();
		int u = t.second, d = t.first;
		if (st[u]) continue; st[u] = true;
		for (int i = h[u]; i != -1; i = ne[i])
		if (dist[v] > d + w[i]) dis[v] = d + w[i], heap.push({dis[v], v});
	} return (void)("rp++");
}

共计 \(\mathcal{O}(m)\) 次二叉堆上的插入操作，\(\mathcal{O}(n)\) 次删除堆顶操作，而插入和删除的时间复杂度均为 \(\mathcal{O}(\log n)\)，故时间复杂度：\(\mathcal{O}((m+n) \log n)=\mathcal{O}(m \log n)\)。

Bellman–Ford

不断尝试对图上每一条边进行松弛。我们每进行一轮循环，就对图上所有的边都尝试进行一次松弛操作，当一次循环中没有成功的松弛操作时，算法停止。

因为一个图的最短路，在没有负环的情况下，最长只能是 \(n-1\) 条边，所以松弛 \(n-1\) 轮即可。

因此可以得出此算法求不超过 \(k\) 条边的最短路的方法，即松弛 \(k\) 轮。

int n, m, k;
struct Edge { int a, b, w; } edges[M];
array<int, N> dis;
void bellman_ford(int s) {
	dis.fill(INF); dis[s] = 0;
	for (int i = 0; i < k; ++i) { // 不超过 k 条边的最短路
		auto bak = dis;	// 需要备份下来处理
		bool flag = false;
		for (int j = 0 ; j < m ; ++j)
		if (bak[edges[j].a] + edges[j].w < dis[edges[j].b])
			dis[edges[j].b] = bak[edges[j].a] + edges[j].w, flag = true;
		if (!flag) break;
	}
}

在最短路存在的情况下，由于一次松弛操作会使最短路的边数至少 \(+1\)，而最短路的边数最多为 \(n-1\)，因此整个算法最多执行 \(n-1\) 轮松弛操作。故总时间复杂度为 \(\mathcal O(nm)\)。

队列优化 Bellman–Ford——SPFA

SPFA 说的通俗点叫 Bellman–Ford 的队列优化（BFS）版。

原理是，只有上一次被松弛的结点，所连接的边，才有可能引起下一次的松弛操作。

那么我们用队列来维护「哪些结点可能会引起松弛操作」，就能只访问必要的边了。

代码：

int h[N], w[N], e[N], ne[N], idx;
array<int, N> dis, st;	// 到这个点的最短路，是否在队列中
#define v e[i]
void spfa(int s) {
	dis.fill(INF); dist[1] = 0;
	queue<int> q; q.push(1);
	st[1] = true;
	while (q.size()) {
		int u = q.front(); q.pop();
		st[u] = false;
		for (int i = h[u] ; i != -1 ; i = ne[i])
		if (dist[v] > dis[u] + w[i]) {
			dist[v] = dis[u] + w[i];
			if (!st[v]) q.push(v), st[v] = true;
		}
	}
}

栈优化 Bellman–Ford——找负环

通常用于判负环，不用像 SPFA 那样判进队次数的原因是：DFS 在栈内的只有祖先，而 BFS 有非祖先。

int dis[N], vis[N]; // 提前将 dis 赋为 INF
bool dfs_spfa(int u) {
	if (vis[u]) return true; vis[u] = true;
	for (int i = h[u]; i != -1; i = ne[i])
	if (dis[e[i]] > dis[u] + w[i]) {
		dis[e[i]] = dis[u] + w[i];
		if (dfs_spfa(e[i])) return true;
	} return vis[u] = false;
}

Floyd

一个很实用的全源最短路解法，特点是好写，容易拓展。

时间复杂度：\(\mathcal O(n^3)\)。

代码：

for (k = 1; k <= n; k++)
	for (x = 1; x <= n; x++)
		for (y = 1; y <= n; y++)
			f[x][y] = min(f[x][y], f[x][k] + f[k][y]);

Johnson

不会，现阶段不打算学。

Reference

[1] https://oi-wiki.org/graph/shortest-path/