SPFA - Luogu 3385 【模板】负环

本文介绍了一种通过DFS实现的SPFA算法来检测图中是否存在负环的方法。该方法通过枚举所有节点作为起点寻找负环,并在找到负环后停止进一步的搜索,避免了时间上的浪费。

【模板】负环

描述

找负环

输入

第一行一个正整数T表示数据组数,对于每组数据:
第一行两个正整数N M,表示图有N个顶点,M条边
接下来M行,每行三个整数a b w,表示a->b有一条权值为w的边(若w<0则为单向,否则双向)

输出

共T行。对于每组数据,存在负环则输出一行"YE5"(不含引号),否则输出一行"N0"(不含引号)。

样例

输入
2
3 4
1 2 2
1 3 4
2 3 1
3 1 -3
3 3
1 2 3
2 3 4
3 1 -8
输出
N0
YE5

提示

N,M,|w|≤200 000;1≤a,b≤N;T≤10 建议复制输出格式中的字符串。
此题普通Bellman-Ford或BFS-SPFA会TLE


此题普通Bellman-Ford或BFS-SPFA真的会TLE!证明: https://www.luogu.org/record/show?rid=3554669

判断负环最常用的就是spfa。当然各位大佬搜索暴力也能过的……
而判负环的spfa也有2种,一种是BFS,而另一种是DFS怎么都是大法师

BFS

BFS的尤其简单
在普通的spfa上加一个数组,记录各个点被更新/入栈的次数,一旦大于了某个数(一般取点数)就判定是有负环的。
BFS_SPFA的期望时间复杂度是\(O(\)边数\(*\)所有顶点进队的平均次数\()\),
既然存在负环,这个期望的时间复杂度就真的是期望了,鬼知道这负环有多长,还要绕多少圈,慢的一比。

DFS

而DFS的要改一改
找负环,就是找一条权值和为负的回路,
而在我们的DFS过程中,根据SPFA,我们找到的负环一定包含当前枚举的这个点。
即相当于我们找了一圈回来,发现现在的权值比原来的要小,那么我们就一定走了一个负环。
那么我们就分别枚举所有的点作为起点找负环,为了不TLE,如果已经找到一个负环就不再继续枚举。
代码蒯上

#include<iostream>
#include<iomanip>
#include<cmath>
#include<queue>
#include<cstdio>
#include<cstdlib>
#include<cstring>
#include<algorithm>
using namespace std;
inline int gotcha()
{
    register int _a=0;bool _b=1;register char _c=getchar();
    while(_c<'0' || _c>'9'){if(_c=='-')_b=0;_c=getchar();}
    while(_c>='0' && _c<='9')_a=_a*10+_c-48,_c=getchar();
    return _b?_a:-_a;
}
const int _ = 200002;
struct edge{int to,ne,len;edge(){to=ne=len=0;}}e[_<<1];
int he[_]={0},ecnt=0;
void add(int fr,int to,int len)
{e[++ecnt].to=to,e[ecnt].len=len,e[ecnt].ne=he[fr],he[fr]=ecnt;}
int n,m,dis[_];
bool ed[_]={0},vict;
void spfa(int d)
{
    register int i,b;
    if(vict)return;
    ed[d]=1;
    for(i=he[d];i;i=e[i].ne)
    {
        b=e[i].to;
        if(dis[d]+e[i].len<dis[b])
        {dis[b]=dis[d]+e[i].len;if(ed[b]){vict=1;return;}spfa(b);}
    }
    ed[d]=0;
    return;
}
int main()
{
    register int i,k,a,b,t=gotcha();
    while(t--)
    {
        n=gotcha(),m=gotcha();
        memset(he,0,4*n+8),memset(ed,0,n+2),memset(dis,63,4*n+8),ecnt=0,vict=0;
        for(i=1;i<=m;i++)
        {
            a=gotcha(),b=gotcha(),k=gotcha();
            add(a,b,k);if(k>=0)add(b,a,k);
        }
        for(i=1;i<=n;i++){spfa(i);if(vict)break;}
        if(vict)puts("YE5");
        else puts("N0");
    }
    return 0;
}

转载于:https://www.cnblogs.com/finder-iot/p/7623908.html

# P5905 【模板】全源最短路(Johnson) ## 题目描述 给定一个包含 $n$ 个结点和 $m$ 条带权边的有向图,求所有点对间的最短路径长度,一条路径的长度定义为这条路径上所有边的权值和。 注意: 1. 边权**可能**为,且图中**可能**存在重边和自; 2. 部分数据卡 $n$ 轮 SPFA 算法。 ## 输入格式 第 $1$ 行:$2$ 个整数 $n,m$,表示给定有向图的结点数量和有向边数量。 接下来 $m$ 行:每行 $3$ 个整数 $u,v,w$,表示有一条权值为 $w$ 的有向边从编号为 $u$ 的结点连向编号为 $v$ 的结点。 ## 输出格式 若图中存在,输出仅一行 $-1$。 若图中不存在: 输出 $n$ 行:令 $dis_{i,j}$ 为从 $i$ 到 $j$ 的最短路,在第 $i$ 行输出 $\sum\limits_{j=1}^n j\times dis_{i,j}$,注意这个结果可能超过 int 存储范围。 如果不存在从 $i$ 到 $j$ 的路径,则 $dis_{i,j}=10^9$;如果 $i=j$,则 $dis_{i,j}=0$。 ## 输入输出样例 #1 ### 输入 #1 ``` 5 7 1 2 4 1 4 10 2 3 7 4 5 3 4 2 -2 3 4 -3 5 3 4 ``` ### 输出 #1 ``` 128 1000000072 999999978 1000000026 1000000014 ``` ## 输入输出样例 #2 ### 输入 #2 ``` 5 5 1 2 4 3 4 9 3 4 -3 4 5 3 5 3 -2 ``` ### 输出 #2 ``` -1 ``` ## 说明/提示 【样例解释】 左图为样例 $1$ 给出的有向图,最短路构成的答案矩阵为: ``` 0 4 11 8 11 1000000000 0 7 4 7 1000000000 -5 0 -3 0 1000000000 -2 5 0 3 1000000000 -1 4 1 0 ``` 右图为样例 $2$ 给出的有向图,红色标注的边构成了,注意给出的图不一定连通。 ![](https://cdn.luogu.com.cn/upload/image_hosting/7lb35u4u.png) 【数据范围】 对于 $100\%$ 的数据,$1\leq n\leq 3\times 10^3,\ \ 1\leq m\leq 6\times 10^3,\ \ 1\leq u,v\leq n,\ \ -3\times 10^5\leq w\leq 3\times 10^5$。 对于 $20\%$ 的数据,$1\leq n\leq 100$,不存在(可用于验证 Floyd 正确性) 对于另外 $20\%$ 的数据,$w\ge 0$(可用于验证 Dijkstra 正确性) upd. 添加一组 Hack 数据:针对 SPFA 的 SLF 优化
07-18
内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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