SPFA最短路

B-F 

适用条件&范围

  1. 单源最短路径(从源点s到其它所有顶点v);
  2. 有向图&无向图(无向图可以看作(u,v),(v,u)同属于边集E的有向图);
  3. 边权可正可负(如有负权回路输出错误提示);
  4. 差分约束系统;

算法描述

  1. 对每条边进行|V|-1次Relax ( 就是松弛操作 )操作;
  2. 如果存在(u,v)∈E使得dis[u]+w<dis[v],则存在负权回路;否则dis[v]即为s到v的最短距离,pre[v]为前驱。
For i:=1 to |V|-1 do //v为顶点数
For 每条边(u,v)∈E do  //对每条边进行遍历
  Relax(u,v,w);
For每条边(u,v)∈E do
  If dis[u]+w<dis[v] Then Exit(False)

时空复杂度

算法时间复杂度O(VE)。因为算法简单,适用范围又广,虽然复杂度稍高,仍不失为一个很实用的算法。

 

算法的改进---> SPFA 复杂度O(KE),k ≈ 2

 

算法简介

SPFA(Shortest Path Faster Algorithm)是Bellman-Ford算法的一种队列实现,减少了不必要的冗余计算。也有人说SPFA本来就是Bellman-Ford算法,现在广为流传的Bellman-Ford算法实际上是山寨版。

算法流程

算法大致流程是用一个队列来进行维护。 初始时将源加入队列。 每次从队列中取出一个元素,并对所有与他相邻的点进行松弛(见下文最后),若某个相邻的点松弛成功,则将其入队。 直到队列为空时算法结束。

这个算法,简单的说就是队列优化的bellman-ford,利用了每个点不会更新次数太多的特点发明的此算法

SPFA——Shortest Path Faster Algorithm,它可以在O(kE)的时间复杂度内求出源点到其他所有点的最短路径,可以处理负边。SPFA的实现甚至比Dijkstra或者Bellman_Ford还要简单:

设Dist代表S到I点的当前最短距离,Fa代表S到I的当前最短路径中I点之前的一个点的编号。开始时Dist全部为+∞,只有Dist[S]=0,Fa全部为0。

维护一个队列,里面存放所有需要进行迭代的点。初始时队列中只有一个点S。用一个布尔数组记录每个点是否处在队列中。

每次迭代,取出队头的点v,依次枚举从v出发的边v->u,设边的长度为len,判断Dist[v]+len是否小于Dist[u],若小于则改进Dist[u],将Fa[u]记为v,并且由于S到u的最短距离变小了,有可能u可以改进其它的点,所以若u不在队列中,就将它放入队尾。这样一直迭代下去直到队列变空,也就是S到所有的最短距离都确定下来,结束算法。若一个点入队次数>=n,则有负权环。

SPFA 在形式上和宽度优先搜索非常类似,不同的是宽度优先搜索中一个点出了队列就不可能重新进入队列,但是SPFA中一个点可能在出队列之后再次被放入队列,也就是一个点改进过其它的点之后,过了一段时间可能本身被改进,于是再次用来改进其它的点,这样反复迭代下去。设一个点用来作为迭代点对其它点进行改进的平均次数为k,有办法证明对于通常的情况,k在2左右


 

数组实现邻接表模板

#define N 100004
const int INF = (1<<30);
int n,m;//n是最后一个点的编号
struct edge{
    int u,v,w;
    int next;//同一起点的下一条边存储在edge数组中的位置(理解了这个静态邻接表就可以了)
}e[N*10];
int head[N];//以该点为起点的第一条边存储在e数组中的位置
int dis[N];//记录与源点距离
bool vis[N];//记录顶点是否在队列中,SPFA算法可以入队列多次
int cnt[N];//记录顶点入队列次数
int ecnt;
void init(){
    ecnt = 0;
    memset(head,-1,sizeof(head));
}
void add(int u,int v,int w){
    e[ecnt].u = u;
    e[ecnt].v = v;
    e[ecnt].w = w;
    e[ecnt].next = head[u];
    head[u] = ecnt++;//位置更新
}
bool SPFA(int s){//s是源点编号
    queue<int>  qq;
    int i;
    for(i=1;i<=n;++i){
        dis[i] = INF;        //将除源点以外的其余点的距离设置为无穷大
        vis[i] = 0;
        cnt[i] = 0;
    }
    dis[s]=0;              //源点的距离为0
    vis[s] = 1;
    cnt[s]++;            //源点的入队列次数增加
    qq.push(s);
    int u,v;
    while(!qq.empty()){
        u = qq.front();
        qq.pop();
        vis[u] = 0;
        for(i=head[u];i!=-1;i = e[i].next){
            v = e[i].v;
            int cost = e[i].w;
            if(dis[v] > cost+dis[u]){
                dis[v] = cost+dis[u];
                if(!vis[v]){
                    vis[v] = 1;
                    qq.push(v);
                    cnt[v]++;
                    if(cnt[v] >= n)return false;
                }
            }
        }
    }
    return true;
}


vector实现邻接表模板

#define N 50001 
const int INF = 0x7fffffff;
int n,m;
typedef struct edge
{   
    int to;   
    int w;
}edge,temp;
vector<edge> adjmap[N]; //vector实现邻接表
int d[N];
bool vis[N];          //记录顶点是否在队列中,SPFA算法可以入队列多次
int cnt[N];             //记录顶点入队列次数
void SPFA()
{     
    queue<int> 
    myqueue;     
    int i;     
    for(i=2;i<=n;++i)            
        d[i] = INF;        //将除源点以外的其余点的距离设置为无穷大     
    memset(vis,0,sizeof(vis));     
    memset(cnt,0,sizeof(cnt));     
    d[1]=0;              //源点的距离为0     
    vis[1] = true;     
    cnt[1]++;            //源点的入队列次数增加     
    myqueue.push(1);     
    int topint;     
    while(!myqueue.empty())     
    {         
        topint = myqueue.front();         
        myqueue.pop();         
        vis[topint] = false;         
        for(i=0;i<adjmap[topint].size();++i)         
        {             
            int to = adjmap[topint][i].to;             
            if(d[topint]<INF && d[to]>d[topint]+ adjmap[topint][i].w)             
            {                  
                d[to] = d[topint]+ adjmap[topint][i].w;                  
                if(!vis[to])                  
                {                      
                    vis[to] = true;                      
                    cnt[to]++;                      
                    if(cnt[to]>=n)   //当一个点入队的次数>=n时就证明出现了负环。                        
                    return ;                      
                    myqueue.push(to);                  
                }         
            }     
         }             
      } printf("%d/n",d[n]);

}
int main()
{    
    freopen("a.txt","r",stdin);    
    scanf("%d%d",&n,&m);    
    int i;    
    int s,e,w;    
    edge temp;    
    for(i=1;i<n+1;++i)       //此处特别注意对邻接表清空        
    adjmap[i].clear();    
    for(i=0;i<m;++i)         //双向    
    {        
        cin>>s>>e>>w;        
        temp.to = e;        
        temp.w = w;        
        adjmap[s].push_back(temp);        
        temp.to = s;        
        adjmap[e].push_back(temp);   
     }    
     SPFA();    
     return 0;
}


数组版

int map[N][N],dist[N],vis[N];
void SPFA(int s){
    int i,j;
    for(i=0;i<=n;i++){
        dist[i] = maxsum;
        vis[i] = 0;
    }
    queue<int> q;
    dist[s]=0;
    q.push(s);
    vis[s]=1;
    while(!q.empty()){
        int x=q.front();
        q.pop();
        vis[x]=0;
        for(i=1;i<=n;i++){
            if(map[x][i] != INF && dist[x]+map[x][i]<dist[i]){
                dist[i]=dist[x]+map[x][i];
                if(!vis[i]){
                    vis[i]=1;
                    q.push(i);
                }
            }
        }
    }
}


如果要记录最短路径的话就需要开多一个数组pre[i],当且仅当dis[i]+map[i][j]<dis[j]时更新pre[j] = i


 


 













 

SPFA(Shortest Path Faster Algorithm)是一种用于计算单源短路径的算法,特别适用于图中存在负权边的情况。它本质上是Bellman-Ford算法的一种优化版本,通过使用队列来减少不必要的松弛操作。在SPFA中,只有那些在上一轮松弛操作中被更新的点才会参与到下一轮的松弛操作中,从而减少了计算量。 ### SPFA算法的基本思想 SPFA算法的核心在于利用广度优先搜索(BFS)的方式对图进行遍历,并且通过松弛操作来逐步找到从起点到其他所有顶点的短路径。该算法能够处理带有负权边的图,但不能处理存在负权环的情况。如果图中存在负权环,则算法可能会陷入无限循环[^3]。 ### SPFA算法的实现步骤 1. 初始化距离数组`dist[]`,将起点的距离设为0,其余顶点的距离设为无穷大。 2. 创建一个队列,并将起点加入队列。 3. 使用一个布尔数组`visit[]`来记录顶点是否已经在队列中,以避免重复入队。 4. 当队列不为空时,取出队首顶点,对其所有的邻接顶点进行松弛操作。 5. 如果某个邻接顶点的距离可以通过当前顶点得到更小的值,则更新该邻接顶点的距离,并将其加入队列(如果它不在队列中)。 6. 重复上述过程直到队列为空。 ### SPFA算法的C++实现 以下是一个简单的C++实现示例,展示了如何使用SPFA算法来求解单源短路径问题: ```cpp #include <iostream> #include <queue> #include <vector> #include <climits> using namespace std; struct Edge { int to, weight; }; void spfa(int start, vector<vector<Edge>>& graph, vector<int>& dist) { int n = graph.size(); vector<bool> inQueue(n, false); queue<int> q; dist[start] = 0; q.push(start); inQueue[start] = true; while (!q.empty()) { int u = q.front(); q.pop(); inQueue[u] = false; for (auto& edge : graph[u]) { int v = edge.to; int w = edge.weight; if (dist[v] > dist[u] + w) { dist[v] = dist[u] + w; if (!inQueue[v]) { q.push(v); inQueue[v] = true; } } } } } int main() { int n, m; cin >> n >> m; vector<vector<Edge>> graph(n); vector<int> dist(n, INT_MAX); for (int i = 0; i < m; ++i) { int u, v, w; cin >> u >> v >> w; graph[u].push_back({v, w}); } int start; cin >> start; spfa(start, graph, dist); for (int i = 0; i < n; ++i) { cout << "Distance from " << start << " to " << i << " is " << dist[i] << endl; } return 0; } ``` ### SPFA算法的时间复杂度分析 SPFA算法的时间复杂度在平均情况下为O(m),其中m是图中的边数。然而,在坏的情况下,时间复杂度可以达到O(n*m),其中n是顶点数。这是因为每个顶点可能被多次加入队列,每次加入队列后都需要对其所有邻接边进行检查[^1]。 ### SPFA算法的应用场景 - **网络路由**:SPFA可以用于计算网络中的短路径,特别是在存在负权边的情况下。 - **交通规划**:在交通网络中,可能存在某些路段因为施工等原因导致通行时间减少,这时可以使用SPFA来计算短路径。 - **社交网络分析**:在分析社交网络中的关系强度时,SPFA可以帮助找到短的关系链。 ### SPFA算法的优缺点 #### 优点 - **处理负权边**:相比Dijkstra算法SPFA能够处理含有负权边的图。 - **效率较高**:相对于Bellman-Ford算法SPFA通过队列优化减少了不必要的松弛操作,提高了效率。 #### 缺点 - **无法处理负权环**:如果图中存在负权环,SPFA算法可能会陷入无限循环。 - **坏情况下的性能较差**:虽然在平均情况下表现良好,但在坏情况下,SPFA的时间复杂度可能不如Dijkstra算法[^4]。 ### SPFA算法与Dijkstra算法的对比 - **适用范围**:Dijkstra算法只能处理非负权图,而SPFA可以处理含有负权边的图。 - **实现复杂度**:Dijkstra算法通常使用优先队列实现,而SPFA使用普通队列即可。 - **时间复杂度**:Dijkstra算法的时间复杂度为O((n + m) log n),其中n是顶点数,m是边数;而SPFA的平均时间复杂度为O(m),但在坏情况下为O(n*m)[^3]。 ### SPFA算法的变种 - **DFS版本的SPFA**:在某些特定情况下,如检测负权环时,可以使用深度优先搜索(DFS)版本的SPFA来提高效率[^2]。 通过以上介绍,可以看出SPFA算法在处理单源短路径问题时具有一定的优势,尤其是在存在负权边的情况下。然而,需要注意其局限性,特别是在处理负权环时的表现。 ---
评论 1
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