AOE网上的关键路径(spfa+按字典序输出最长路)

本文介绍了一种求解AOE网(活动在边上的网)中关键路径的方法。通过给出具体的实例,详细解释了如何确定项目的最长时间线及其构成路径。文章提供了完整的C++实现代码,帮助读者理解算法原理。

AOE网上的关键路径

Time Limit: 1000MS  Memory Limit: 65536KB
Problem Description

    一个无环的有向图称为无环图(Directed Acyclic Graph),简称DAG图。 
   
 AOE(Activity On Edge)网:顾名思义,用边表示活动的网,当然它也是DAG。与AOV不同,活动都表示在了边上,如下图所示:
                                     

    
如上所示,共有11项活动(11条边),9个事件(9个顶点)。整个工程只有一个开始点和一个完成点。即只有一个入度为零的点(源点)和只有一个出度为零的点(汇点)。
    
关键路径:是从开始点到完成点的最长路径的长度。路径的长度是边上活动耗费的时间。如上图所示,到 579是关键路径(关键路径不止一条,请输出字典序最小的),权值的和为18

Input
    这里有多组数据,保证不超过10组,保证只有一个源点和汇点。输入一个顶点数n(2<=n<=10000),边数m(1<=m <=50000),接下来m行,输入起点sv,终点ev,权值w1<=sv,ev<=n,sv != ev,1<=w <=20)。数据保证图连通。
Output
    关键路径的权值和,并且从源点输出关键路径上的路径(如果有多条,请输出字典序最小的)。
Example Input
9 11
1 2 6
1 3 4
1 4 5
2 5 1
3 5 1
4 6 2
5 7 9
5 8 7
6 8 4
8 9 4
7 9 2
Example Output
18
1 2
2 5
5 7
7 9
//逆向建图解决按字典序输出
#include<stdio.h>
#include<string.h>
#include<queue>
#define maxn 200001
#define INF 0x3f3f3f3f
using namespace std;
struct node
{
    int v,w,next;
} s[maxn];
int m,n,cnt;
int dis[maxn],vis[maxn],pre[maxn],head[maxn];
void add(int u,int v,int w)
{
    s[cnt].v=v;
    s[cnt].w=w;
    s[cnt].next=head[u];
    head[u]=cnt++;
}
void spfa(int ss,int ee)
{
    queue<int>q;
    for(int i=1; i<=n; i++)
    {
        dis[i]=-INF;
    }
    dis[ss]=0;
    vis[ss]=1;
    q.push(ss);
    while(!q.empty())
    {
        int u=q.front();
        q.pop();
        vis[u]=0;
        for(int i=head[u]; i!=-1; i=s[i].next)
        {
            int v=s[i].v,w=s[i].w;
            if(dis[v]<dis[u]+w||(dis[v]==dis[u]+w&&pre[v]>u))
            {
                pre[v]=u;
                dis[v]=dis[u]+w;
                //printf("%d\n",dis[v]);
                if(!vis[v])
                {
                    vis[v]=1;
                    q.push(v);
                }
            }
        }
    }
    printf("%d\n",dis[ee]);
    int t=ee;
    while(t!=ss)
    {
        printf("%d %d\n",t,pre[t]);
        t=pre[t];
    }

}
int main()
{
    while(~scanf("%d%d",&n,&m))
    {
        int i,j;

        int in[maxn],out[maxn];
        cnt=0;
        memset(in,0,sizeof(in));
        memset(out,0,sizeof(out));
        memset(head,-1,sizeof(head));
        memset(vis,0,sizeof(vis));
        memset(pre,-1,sizeof(pre));

        for(i=0; i<m; i++)
        {
            int u,v,w;
            scanf("%d%d%d",&u,&v,&w);
            add(v,u,w);
            in[u]++;
            out[v]++;
        }
        int ss,ee;

        for(i=1; i<=n; i++)
        {
            if(!in[i]) ss=i;
            if(!out[i]) ee=i;
        }
        spfa(ss,ee);
    }
}


**SPFA + 堆优化通常没有实际好处,反而可能更慢或出错**。下面我们详细解释为什么。 --- ### 一、SPFA 本身是什么? SPFA(Shortest Path Faster Algorithm)是 **Bellman-Ford 算法的队列优化版本**,核心思想是: - 只有当某个节点的最短距离被更新了,才用它去松弛其邻接点。 - 使用一个普通队列(FIFO)来维护待处理的节点。 ```python from collections import deque def spfa(n, graph, start): dist = [float('inf')] * n in_queue = [False] * n dist[start] = 0 in_queue[start] = True q = deque([start]) while q: u = q.popleft() in_queue[u] = False for v, w in graph[u]: if dist[u] + w < dist[v]: dist[v] = dist[u] + w if not in_queue[v]: q.append(v) in_queue[v] = True return dist ``` ✅ SPFA 的优点: - 能处理负权边 - 平均性能较好(尤其稀疏图) - 实现简单 --- ### 二、能不能加“堆优化”?比如用优先队列代替普通队列? 你可能会想:“Dijkstra 用堆优化更快,那 SPFA 也用堆试试?” 即:把 `deque` 换成 `heapq`,每次取出当前 `dist` 最小的节点来松弛 —— 这听起来像 Dijkstra! 但问题来了: > ❌ **一旦你用堆来取最小距离节点,你就不再是 SPFA,也不再是正确的负权最短路算法!** --- ### 三、为什么 SPFA 不适合堆优化? #### ✅ 正确性问题:堆优化版 SPFA 实际上退化为 Dijkstra - Dijkstra 使用堆的前提是:**边权非负** - 如果你在存在负权边的情况下使用堆,会出现: - 某个节点虽然当前 `dist` 小,但它之后可能通过负权边变得更小 - 但堆结构会优先处理“当前小”的点,并可能提前将其弹出,不再更新 - 导致无法正确传播后续的更优路径 → **结果错误** #### ⚠️ 示例说明: ``` A --1--> B --(-2)--> C \ / \--3------------>/ ``` 从 A 出发: - 初始:dist[A]=0, dist[B]=1, dist[C]=3 - 若使用堆,先处理 B(dist=1),然后更新 C:1 + (-2) = -1 → 更好 - 再处理 C(现在 dist[C]=-1) - 但如果图中有环或更多节点,堆可能已经忽略了某些本该再次更新的节点 但更大的问题是:**堆中元素一旦被取出,就不再重新考虑其更优值的可能性**(除非重新入堆),而频繁入堆会导致复杂度失控。 --- ### 四、性能分析:堆优化对 SPFA 没有收益 | 版本 | 数据结构 | 时间复杂度(平均) | 是否支持负权 | 稳定性 | |------|----------|---------------------|---------------|--------| | SPFA | 队列(deque) | O(kE),k 很小 | ✅ 支持 | 较好 | | SPFA + 堆 | 优先队列(heapq) | 接近 O(E log V) | ❌ 在负权下易错 | 差 | | Dijkstra + 堆 | 优先队列 | O((V+E) log V) | ❌ 不支持负权 | 稳定 | 👉 结论: - 堆优化并不能提升 SPFA 的效率 - 反而破坏了 SPFA “允许反复更新”的机制 - 在负权图中可能导致遗漏更优路径 --- ### 五、有没有“带堆的正确算法”能处理负权? 目前主流算法中: - **没有基于堆的通用负权最短路算法** - Johnson 算法会在预处理时重赋权,然后用 Dijkstra 多次求解,其中用了堆,但前提是先消除负权 - 所以堆的作用是在**非负权子问题**中加速 --- ### 六、总结 ❌ **不要给 SPFA 加堆优化!** - ✅ SPFA 应该用普通队列(或双端队列) - ❌ 堆优化不仅不能提高性能,还可能导致错误结果 - 🚫 它违背了 SPFA 的设计初衷:动态更新和多次入队 - 🔁 SPFA 的优势就在于灵活地处理负权边,而堆会限制这种灵活性 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值