wordpress主题国人/百度关键词优化词精灵

xmind

上述中，朴素Dijkstra算法适用于稠密图
其他用堆优化版

而SPFA算法一般都比Bellman-Ford算法要快

Floyd没得选

稠密图和稀疏图的定义：

其中m是边数，n是点数
当m的数据量与n方一样或者更多，那么就是稠密图，如果m跟n数据量一样，或者说更少，那么就是稀疏图

最短路问题，只会考察如何抽象出问题并实现代码，并不会考察算法的原理，重点在于抽象以及代码的实现

单源最短路

简介

只有一个起点，到其他某个点的最短路

所有边权都是正

朴素的Dijkstra算法

思想

一些解释：
s数组存放目前已经确定的最短距离的点
第一步中：dis数组是某个点到原点的距离，初始化一号点（一号点就是源点，因为图论中结点的编号都是从1开始的）的dis数值为0，其他全为一个很大的数
第二步中：for 遍历i从0到n
对于每次循环
将不在s中的距离dis最近的点给到t
把t加到s
用t来更新其他所有点的距离，如上图，如果满足dis[x]>dis[t]+w(t到x的权值)，那么更新dis[x]的值为dis[t]+w的值

因为该算法适用于稠密图，所以用邻接矩阵来存储图

例子+题解

（手动过滤自环和重边）

数据分析：n m分别是点数和边数
g数组存放某两个点的权值，例如g[a][b]=1,表示a与b之间的权值是1
dist数组用来存放某个点到原点也就是一号点的距离
st数组就是用来表示某个点的最短路已经被找到

dijkstra算法：
首先初始化dist为无穷大，用十六进制0x3f初始化即可
之后初始化dist[1]为0，因为一号点是源点

之后for循环，循环n次
首先初始化t为-1
之后，对于每个节点编号从1到n
if(某个点没有确定最短路，并且(t未被赋值，或者，j是没有确定最短路的最近的点即dist[t]>dist[j]) )，这时将j赋值给t
同时更新st[t]为true
然后对每个节点编号进行循环，用t更新其他结点的最短路
dist[j]=min(dist[j],dist[t]+g[t][j])
最后，如果dist某个点的距离仍然是0x3f（因为利用memset初始化是初始其值的四分之一即可，但是0，-1是初始化自己），那么返回-1，表示路径不存在
最后返回dist[n],这里根据具体的题目要求进行返回即可，因为题目让返回n号点

之所以取min，是因为该题存在自环和重边，如下：但是因为要求最短路，所以当某两个点有多个权值的时候，取权值最小的当做其权值，较大的权值就不看了

堆优化版的Dijkstra算法

（无需手动过滤自环和重边，算法自己过滤）
题目与上面的题一样

对于add算法：
idx表示当前e数组中的可用位置，将目标点的编号存入e[]数组中，并且用一个w数组来维护权值，同时头插法：ne[idx]=h[a],h[a]=idx++
（因为e数组就是用来存节点信息的，又因为e数组所存信息的结点都是一个节点的出边节点组成的链表，所以信息就是节点的编号，所以目标结点的编号都放在e[]数组里，发出结点的编号都在h数组，所以函数里都是h[a]）
（要明确，这里所说的图中的结点只有结点编号以及某两个点的权值，没有具体的意义数字，比如一号点表示着某些意义，这是不存在的，如果有意义数组，那么极有可能没给编号，那么可以将意义数字当成编号处理）

首先是一个优先队列，其中第二第三个参数是用来改变默认排序，改成从大到小排列
用一个pari来维护一个结点编号以及该点到源点的距离

while循环条件队列不空
然后取出队头元素给到t（没有确定最短路径的点，且距离源点最近）
之后将队头元素出队
然后拿到t的编号以及到源点的距离
if(st[ver]是真)，那么说明这是重边，countinue即可
之后，用t来更新其他结点的最短路径:
for循环中，遍历t结点的所有一级出边，对于每个子链结点，拿到其存在e数组中的编号之后给j
之后更新
之后出队j的pair：{dist[j],j}

存在负数权

Bellman-Ford算法

思想

上面的方框是算法过程，下面的圆是经过该算法之后出现的现象，即对于每个a，b：dist[b]<=dist[a]+w，俗称三角不等式

其中 第一个for循环的次数是有实际意义的，循环k次，表示最短路径最多经过不超过k条边到达目标点

例子+题解

（无需手动过滤自环和重边，算法自己过滤）

输出案例：3

数据分析：
backup数组是用来备份dist数组的
结构体用来存放某两个点以及两个点之间的距离
并用该结构体类型创建边数组

对于bellman-ford算法
首先初始化dist数组
之后因为题目要求最多不超过k条边，所以循环k次
在k次循环的每次循环时，首先备份dist到backup数组
然后对于m条边，有m次循环，因为结构体来存放边，每个边是一个结构体元素，所以有几个边，就循环几次
之后利用结构体数组拿到每个边的数据，利用备份的a来更新dist[b]
最后如果n点（具体哪个点看题目要求）的dist>0x3f3f3f/2（记住就好），那么就表示没有最短路径
最后返回dist[n]

对于为什么要备份，如下：

因为有k条边的限制，所以，不能向之前那样，一个接着一个更新，这样的话，就会无视k条边的限制，直接找到没有限制的最短路径

利用备份的数据进行更新，每次都是最初版本的数据，都是正无穷，所以，不会发生数据更新，就会被限制到

spfa算法

思想

适用于没有负权回路

spfa算法是对Dijkstra算法的优化，优化的是上面打勾的那一步的处理

之前Dijkstra算法对于更新dist[b]的思路是，不管三七二十一遍历寻找t去更新dist[b]
这里spfa对dist[a]或者说t，对其进行判断是否被更新，如果被更新了才能去更新别的点，同时队列里只存放已经被更新的结点，拿着队列中已经被更新的点去更新其他点，才能有效

例子+题解

（无需手动过滤自环和重边，算法自己过滤）


spfa算法与Dijkstra算法差不多，唯一不同的是函数是Dijkstra函数改成spfa函数

数据分析，nm仍然是n个点，m条边
之后h数组w数组e数组ne数组idx都是用来构建邻接表
dist表示某个点到原点的距离
而这里不同于Dijkstra算法，st数组表示某号结点是否在队列中，例如st[2]，表示二号点已经在队列中

spfa算法：
首先初始化dist，并初始化dist[1]=0

然后定义一个队列，元素为int
该队列用来存放那些已经被更新的结点，哪些编号的点已经被更新
一号已经更新，入队

之后while（队列不空）{
取出队头元素编号，用t接住；
之后队头出队
将t编号的状态改为false，因为t已经出队了
之后遍历t的所有子链，即所有一级出边节点，通过e数组拿到编号，
之后看能否用t进行更新，如果可以，则更新，同时判断j点是否在队列，不在的话，就入队，并将st数组改为true
}

最后有返回值，根据具体情况来定，如下图：

spfa判断负环

思想

我们在更新dist数组时，维护一个cnt数组，表示从某个点到源点的最短路上一共有多少条边，
每次更新dist时，说明有更新，更新的是从源点到t之后再加上从t到x，那么就是cnt[t]+1

一旦发现cnt[x]>=n，因为正常情况下应该是小于n的，那么一定存在一个负环，使得多出了一些边，所以cnt[x]>=n表示存在负环

例子+题解

（无需手动过滤自环和重边，算法自己过滤）

如下是利用spfa算法判断负环的整体算法，他是在spfa算法上做了一些修改，如下标注

数据方面，多一个维护数组：cnt[N]

之后在spfa函数中，首先while循环里那个虚框可以忽视（画错了）
在while循环里：
在dist更新代码下面，更新一下cnt[j]=cnt[t]+1;
同时判断如果（cnt[j]>=n）,那么返回true，表示有负环
如果最后没有返回true，那么在最后返回false

“spfa函数里”到“while循环上面”的代码整体修改为下图：（因为题目要求求所有的负环，而不是以1为源点的负环，所以将所有点都放入队列）

多源汇最短路

简介

多个起点

弗洛伊德算法

思想

弗洛伊德算法是用邻接矩阵来存，g[i][j]表示从i点到j点的权值，或者没有权值：有边就是1，没边就是0

例子+题解

（手动过滤自环和重边）



数据分析：INF宏定义为1e9，表示无穷大
floyd函数，三重循环：
从k从1到n
i从1到n
j从1到n
并更新邻接矩阵

main函数里，第一个二重循环是在处理自环，将自环初始化为0，其余初始化为INF
之后的while循环里，是在初始重边，有重边时取最小的
之后调用floyd函数
第二个while函数是在处理输出，这里注意，if（d>INF / 2）那么表示没有最短路

小tips

数据量在某个时间复杂度的计算下，小于一千万，表示一秒之内可以出解