最短路算法之:SPFA 算法
最短路系列:SPFA 算法
大家好,我是Weekoder!
终于,我们的最短路算法 SPFA 闪亮登场了!
虽然话是这么说,但是我还是建议大家先学习 Dijkstra 算法,再来学习 SPFA。
并且我们在这里学习的 SPFA 算法只能通过P3371,并不能通过标准版的P4779。
SPFA 的原型——Bellman-Ford
在学习 SPFA 之前,我们要先学习他的原型 Bellman-Ford。其实 Bellman-Ford 都不能说是 SPFA 的原型,SPFA 其实就是 Bellman-Ford,他们是同一个东西。Bellman-Ford 与 Dijkstra 不同,是以边为研究对象的最短路算法。他的思想是这样的:图中有
void bellman_ford() {
for (int i = 1; i <= n; i++)
dis[i] = 2147483647;
dis[s] = 0;
for (int i = 1; i < n; i++)
for (int j = 1; j <= m; j++)
if (dis[e[j].v] > dis[e[j].u] + e[j].w)
dis[e[j].v] = dis[e[j].u] + e[j].w;
}
还可以注意到,Bellman-Ford 因为是以边为研究对象的,所以是以类似于最小生成树中的存储方式存储边的。
可以看到 Bellman-Ford 的时间复杂度为
但是很可惜,这份代码仅能获得
这时候我们就要来优化我们的代码了。
Bellman-Ford 的队列优化——SPFA
是不是感觉绕了一圈又回来了。
确实,Bellman-Ford 的队列优化就是 SPFA。但在国外,人们只会叫他 Bellman-Ford 的队列优化,而只有中国的 OIer 才会喜欢叫 SPFA,因为这个优化并没有改变时间复杂度的上限,最坏的时候仍然会达到
实际上我们注意到,只有被松弛过的点才能继续松弛别的点,那我们就可以利用这一性质进行优化。那我们就可以把松弛过的点放进一个容器里,拿出来的时候再去松弛别的点。拥有这样先进先出特点的容器,没错,就是队列了。这样,就可以减少无意义的枚举,优化时间复杂度。
我们用一个
#include <bits/stdc++.h>
using namespace std;
typedef long long ll;
const int N = 1e4 + 5, M = 5e5 + 5;
struct Edge {
ll to, w;
};
ll n, m, s, dis[N];
bool vis[N];
vector<Edge> nbr[N];
void bellman_ford() {
queue<int> q;
for (int i = 1; i <= n; i++)
dis[i] = 2147483647;
dis[s] = 0;
q.push(s);
vis[s] = 1;
while (!q.empty()) {
int cur = q.front(); q.pop();
vis[cur] = 0;
for (auto nxt : nbr[cur]) {
int to = nxt.to, w = nxt.w;
if (dis[to] > dis[cur] + w) {
dis[to] = dis[cur] + w;
if (!vis[to]) {
q.push(to);
vis[to] = 1;
}
}
}
}
}
int main() {
cin >> n >> m >> s;
for (int i = 1; i <= m; i++) {
int u, v, w;
cin >> u >> v >> w;
nbr[u].emplace_back((Edge){v, w});
}
bellman_ford();
for (int i = 1; i <= n; i++)
cout << dis[i] << " ";
return 0;
}
长的很像 BFS,但是会取消标记。注意
小结
SPFA 最短路算法就这样讲完了。他可以处理负权图,只要图随机,跑的还是很快的。在图中有负权的情况下,必须使用 SPFA 来保证正确性。那么关于 SPFA,就讲到这里。
再见!
本文作者:Weekoder
本文链接:https://www.cnblogs.com/Weekoder/p/18240220
版权声明:本作品采用知识共享署名-非商业性使用-禁止演绎 2.5 中国大陆许可协议进行许可。
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步