dijkstra的优化,前向星(邻接表)+堆优化

本文介绍了如何使用前向星(邻接表)和堆优化来改进Dijkstra算法,以解决稠密图中的单源最短路径问题。通过一个功夫传人的问题实例,展示了如何用vector数组和前向星数据结构替代二维数组,并通过堆优化减少时间复杂度。文章还提供了代码示例和堆优化的解释。

之前我一直是用最简单的dijkstra做单源最短路的,但是遇到了稠密图,n=1e4之类的题时O(n²)的dijksta就不行了,之前一直对邻接表(前向星)和堆优化望而生畏,但学习了之后,其实很简单,不需要被名字吓到了。
在讲前向星之前,我先讲一个神奇的东西——vector< class > a[N],vector数组。这个东西极其的好用,以至于你会了这个可以近乎替代前向星(在某些临界情况时前向星的时间复杂度更低),同时对理解前向星也有一些帮助。
前向星和vector数组一样都是用来解决开二维数组空间不够大的问题的,特别表现在图论中,所以我将下面这题作为切入口
https://pintia.cn/problem-sets/994805046380707840/problems/994805059118809088
L2-020 功夫传人 (25分)
一门武功能否传承久远并被发扬光大,是要看缘分的。一般来说,师傅传授给徒弟的武功总要打个折扣,于是越往后传,弟子们的功夫就越弱…… 直到某一支的某一代突然出现一个天分特别高的弟子(或者是吃到了灵丹、挖到了特别的秘笈),会将功夫的威力一下子放大N倍 —— 我们称这种弟子为“得道者”。
这里我们来考察某一位祖师爷门下的徒子徒孙家谱:假设家谱中的每个人只有1位师傅(除了祖师爷没有师傅);每位师傅可以带很多徒弟;并且假设辈分严格有序,即祖师爷这门武功的每个第i代传人只能在第i-1代传人中拜1个师傅。我们假设已知祖师爷的功力值为Z,每向下传承一代,就会减弱r%,除非某一代弟子得道。现给出师门谱系关系,要求你算出所有得道者的功力总值。
输入格式:
输入在第一行给出3个正整数,分别是:N(≤105)——整个师门的总人数(于是每个人从0到N−1编号,祖师爷的编号为0);Z——祖师爷的功力值(不一定是整数,但起码是正数);r ——每传一代功夫所打的折扣百分比值(不超过100的正数)。接下来有N行,第i行(i=0,⋯,N−1)描述编号为i的人所传的徒弟,格式为:
Ki ID[1] ID[2] ⋯ ID[Ki]
其中Ki是徒弟的个数,后面跟的是各位徒弟的编号,数字间以空格间隔。Ki为零表示这是一位得道者,这时后面跟的一个数字表示其武功被放大的倍数。
输出格式:
在一行中输出所有得道者的功力总值,只保留其整数部分。题目保证输入和正确的输出都不超过1010。
输入样例:
10 18.0 1.00
3 2 3 5
1 9
1 4
1 7
0 7
2 6 1
1 8
0 9
0 4
0 3
输出样例:
404
这个问题比较简单,dfs就可以解决,关键是开二维数组空间不够大,因此我们可以用vector数组解决,向每个师傅的vector中加入徒弟,深搜时遍历每个师傅的徒弟就行了。

#include<bits/stdc++.h>
typedef long long ll;

using namespace std;

const int N=1e5;
vector<int> v[N+5];
double bei[N+5];
double ans=0;
void dfs(int p,double gong,double r)
{
    if(fabs(bei[p])<1e-8)
    {
    for(int i=0;i<v[p].size();++i)
        dfs(v[p][i],gong*(100-r)/100,r);
    }
    else 
    ans+=gong*bei[p];
}
int main()
{
    int n,x;
    double z,r,f;
    cin>>n>>z>>r;
    for(int i=0;i<n;++i)
    {
        int k=0;
        cin>>k;
        if(!k)
        scanf("%lf",&f),bei[i]=f;
        while(k--)
        {
        scanf("%d",&x);
        v[i].push_back(x);
        }
    }
    dfs(0,z,r);
    cout<<(int)ans<<endl;
    getchar();
    getchar();
}

接下来就讲解前向星了,我们需要一个链式结构来达到和vector数组同样的效果,对于每一个师徒关系,我们可以理解为图中的一条边,用图论的知识进行解决。
这里我替换了两处代码
分别是

void add(int x)
{
    nex[cnt]=head[x];
    head[x]=cnt;
    ++cnt;
}
if(fabs(bei[p])<1e-8)
    {
    for(int k=head[p];k!=-1;k=nex[k])
        dfs(e[k],gong*(100-r)/100,r);
    }

师徒关系可以抽象为二者之间的一条边,我用一个head和nex数组完成了vector数组的功能,具体是,head【i】存储第i个人的最后一条边,nex【i】存储i边的下一条边,因此add函数就是前向星,也叫邻接表,遍历的方法在上面也给出了
下面给出完整代码

#include<bits/stdc++.h>
typedef long long ll;

using namespace std;

const int N=1e5;
vector<int> v[N+5];
double bei[N+5];
double ans=0;
int e[N+5],head[N+5],nex[N+5];
int cnt=0;
void add(int x)
{
    nex[cnt]=head[x];
    head[x]=cnt;
    ++cnt;
}
void dfs(int p,double gong,double r)
{
    if(fabs(bei[p])<1e-8)
    {
    for(int k=head[p];k!=-1;k=nex[k])
        dfs(e[k],gong*(100-r)/100,r);
    }
    else 
    ans+=gong*bei[p];
}
int main()
{
    int n,x;
    double z,r,f;
    cin>>n>>z>>r;
    for(int i=0;i<n;++i)
    head[i]=-1;
    for(int i=0;i<n;++i)
    {
        int k=0;
        cin>>k;
        if(!k)
        scanf("%lf",&f),bei[i]=f;
        while(k--)
        {
            scanf("%d",&e[cnt]);
            add(i);
        }
    }
    dfs(0,z,r);
    cout<<(int)ans<<endl;
    getchar();
    getchar();
}

还有对于他的堆优化,dijkstra每次需要遍历一遍寻找dis最小的顶点,因此堆优化就是用优先队列(priority_queue)把更新了(dis值比之前更小的点加入到队列中),每次的队首就是最小的,因此可以在nlogn的时间内完成。
学会了这个快去dijkstra试试吧
单源最短路邻接表+堆优化模板题

#include<bits/stdc++.h>
typedef long long ll;

using namespace std;

const int MAXN=5e5,inf=pow(2,31)-1;
class edge
{
public:
    int u;
    int v;
    int w;
};
class node
{
public:
    int i;
    int w;
    bool operator<(const node& a) const
    {
        return w>a.w;
    } 
};
edge e[MAXN+5];
int head[MAXN+5],nex[MAXN+5],dis[MAXN+5],vis[MAXN+5];
vector<pair<int,int> > v[MAXN+5];
void dijkstra(int n,int m,int s)
{
    for(int i=1;i<=n;++i) dis[i]=inf,vis[i]=0;
    dis[s]=0;
    priority_queue<node> q;
    q.push({s,0});
    while(!q.empty())
    {
        int index=q.top().i;
        q.pop();
        //int k=head[index];
        if(vis[index]) continue;
        vis[index]=1;
        for(int i=0;i<v[index].size();++i)
        {
            if(dis[v[index][i].first]>dis[index]+v[index][i].second)
            {
            dis[v[index][i].first]=dis[index]+v[index][i].second;
            q.push({v[index][i].first,dis[v[index][i].first]});
            }

        }
        /*while(k!=-1)
        {
            if(dis[e[k].v]>dis[e[k].u]+e[k].w)
            dis[e[k].v]=dis[e[k].u]+e[k].w,q.push({e[k].v,dis[e[k].v]});
            k=nex[k];
        }*/
    }
}
int main()
{
    int n,m,s;
    int x,y,w;
    cin>>n>>m>>s;
    for(int i=1;i<=n;++i) head[i]=-1;
    for(int i=1;i<=m;++i) nex[i]=-1;
    for(int i=1;i<=m;++i) 
    {
        scanf("%d %d %d",&x,&y,&w);
        v[x].push_back({y,w});
        //scanf("%d %d %d",&e[i].u,&e[i].v,&e[i].w);
        //nex[i]=head[e[i].u];
        //head[e[i].u]=i;
    }
    dijkstra(n,m,s);
    for(int i=1;i<=n;++i)
    {
        if(i>1)
        printf(" ");
    printf("%d",dis[i]);
    }
    printf("\n");
getchar();
getchar();
}
<think>我们可以使用链式向星来替代邻接表实现Dijkstra算法。链式向星是一种用数组模拟链表的方式存储图的方法,它比邻接表更节省内存,并且访问效率也较高,特别适合处理稀疏图。 链式向星的核心是三个数组: - `head[u]`:记录节点u的第一条边的位置(在边数组中的索引) - `edge[i].to`:第i条边的终点 - `edge[i].next`:第i条边的下一条边的索引(在边数组中的索引) - `edge[i].w`:第i条边的权重 我们通常用一个结构体数组来存储边,或者用多个数组分别存储每条边的终点、下一条边的索引和权重。 下面我们用链式向星实现Dijkstra算法:</think>### 链式向星实现Dijkstra算法 链式向星是一种高效存储图的数据结构,特别适合处理稀疏图。相比邻接表,它更节省内存且访问效率高。以下是使用链式向星实现的Dijkstra算法: ```cpp #include <iostream> #include <vector> #include <queue> #include <climits> #include <cstring> // 用于memset using namespace std; const int MAXN = 10005; // 最大节点数 const int MAXM = 200005; // 最大边数 // 链式向星数据结构 struct Edge { int to; // 边的终点 int weight; // 边的权重 int next; // 下一条边的索引 } edges[MAXM]; // 边数组 int head[MAXN]; // 每个节点的第一条边索引 int edgeCount = 0; // 当边数 // 添加边(有向图) void addEdge(int u, int v, int w) { edges[edgeCount].to = v; // 设置终点 edges[edgeCount].weight = w; // 设置权重 edges[edgeCount].next = head[u]; // 指向当头节点 head[u] = edgeCount++; // 更新头节点索引 } // Dijkstra算法实现 vector<int> dijkstra(int start, int n) { // 初始化距离数组 vector<int> dist(n, INT_MAX); dist[start] = 0; // 优先队列(最小) priority_queue<pair<int, int>, vector<pair<int, int>>, greater<pair<int, int>>> pq; pq.push({0, start}); while (!pq.empty()) { int curDist = pq.top().first; int curNode = pq.top().second; pq.pop(); // 跳过无效节点 if (curDist > dist[curNode]) continue; // 遍历当节点的所有邻接边(链式向星遍历) for (int i = head[curNode]; i != -1; i = edges[i].next) { int neighbor = edges[i].to; int weight = edges[i].weight; int newDist = curDist + weight; // 松弛操作 if (newDist < dist[neighbor]) { dist[neighbor] = newDist; pq.push({newDist, neighbor}); } } } return dist; } int main() { // 初始化头节点数组(-1表示无出边) memset(head, -1, sizeof(head)); // 构建示例图(有向带权图) // 节点0→1(4), 0→2(1) addEdge(0, 1, 4); addEdge(0, 2, 1); // 节点1→3(1) addEdge(1, 3, 1); // 节点2→1(2), 2→3(5) addEdge(2, 1, 2); addEdge(2, 3, 5); // 节点3→4(3) addEdge(3, 4, 3); int n = 5; // 总节点数 int start = 0; // 起点 vector<int> dist = dijkstra(start, n); // 输出结果 cout << "从节点 " << start << " 出发的最短路径:" << endl; for (int i = 0; i < n; i++) { cout << "到节点 " << i << " : "; if (dist[i] == INT_MAX) cout << "不可达"; else cout << dist[i]; cout << endl; } return 0; } ``` ### 链式向星核心解析 #### 1. **数据结构设计** ```cpp struct Edge { int to; // 边的终点 int weight; // 边的权重 int next; // 下一条边的索引 } edges[MAXM]; // 边数组 int head[MAXN]; // 每个节点的第一条边索引 ``` - **head[u]**:存储节点u的第一条边在edges数组中的索引 - **edges[i]**:存储第i条边的信息 - `to`:边的终点 - `weight`:边的权重 - `next`:下一条邻接边的索引(形成链表) #### 2. **添加边操作** ```cpp void addEdge(int u, int v, int w) { edges[edgeCount].to = v; edges[edgeCount].weight = w; edges[edgeCount].next = head[u]; // 新边指向当头节点 head[u] = edgeCount++; // 更新头节点为新边 } ``` - **头插法**:新边插入链表头部 - **时间复杂度**:O(1) 常数时间添加边 #### 3. **遍历邻接边** ```cpp for (int i = head[curNode]; i != -1; i = edges[i].next) { int neighbor = edges[i].to; int weight = edges[i].weight; // ... 处理逻辑 ... } ``` - 从`head[curNode]`开始,沿着`next`指针遍历所有邻接边 - 遍历顺序与添加顺序相反(后添加的边先访问) ### 链式向星 vs 邻接表 | 特性 | 链式向星 | 邻接表 | |------|------------|--------| | **内存分配** | 静态数组(预分配) | 动态vector | | **内存开销** | 更小(无额外指针) | 较大(vector开销) | | **访问效率** | 连续内存访问 | 可能内存不连续 | | **添加边** | O(1) | O(1)(均摊) | | **遍历邻接点** | O(degree) | O(degree) | | **适用场景** | 内存敏感/大图 | 开发便捷/小图 | ### 链式向星的优点 1. **内存高效**:仅需存储必要信息,无额外指针开销 2. **缓存友好**:边数据存储在连续数组中 3. **静态内存**:避免动态内存分配开销 4. **适合大图**:可精确控制内存使用量 ### 注意事项 1. **初始化**:必须初始化`head`数组为-1 2. **无向图**:添加双向边(调用两次addEdge) 3. **索引范围**:节点编号通常从0或1开始 4. **内存预分配**:需预估最大边数(MAXM)
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