卡码网：94. 城市间货物运输 I
题目描述
某国为促进城市间经济交流，决定对货物运输提供补贴。共有 n 个编号为 1 到 n 的城市，通过道路网络连接，网络中的道路仅允许从某个城市单向通行到另一个城市，不能反向通行。网络中的道路都有各自的运输成本和政府补贴，道路的权值计算方式为：运输成本 - 政府补贴。权值为正表示扣除了政府补贴后运输货物仍需支付的费用；权值为负则表示政府的补贴超过了支出的运输成本，实际表现为运输过程中还能赚取一定的收益。请找出从城市 1 到城市 n 的所有可能路径中，综合政府补贴后的最低运输成本。如果最低运输成本是一个负数，它表示在遵循最优路径的情况下，运输过程中反而能够实现盈利。城市 1 到城市 n 之间可能会出现没有路径的情况，同时保证道路网络中不存在任何负权回路。负权回路是指一系列道路的总权值为负，这样的回路使得通过反复经过回路中的道路，理论上可以无限地减少总成本或无限地增加总收益。输入描述第一行包含两个正整数，第一个正整数 n 表示该国一共有 n 个城市，第二个整数 m 表示这些城市中共有 m 条道路。接下来为 m 行，每行包括三个整数，s、t 和 v，表示 s 号城市运输货物到达 t 号城市，道路权值为 v（单向图）。输出描述如果能够从城市 1 到连通到城市 n， 请输出一个整数，表示运输成本。如果该整数是负数，则表示实现了盈利。如果从城市 1 没有路径可达城市 n，请输出 "unconnected" 。输入示例：6 7
5 6 - 2
1 2 1
5 3 1
2 5 2
2 4 - 3
4 6 4
1 3 5
本题依然是单源最短路问题，求 从 节点1 到节点n 的最小费用。 但本题不同之处在于 边的权值是有负数了。从 节点1 到节点n 的最小费用也可以是负数，费用如果是负数 则表示 运输的过程中 政府补贴大于运输成本。在求单源最短路的方法中，使用dijkstra 的话，则要求图中边的权值都为正数。我们在 dijkstra朴素版 中专门有讲解：为什么有边为负数 使用dijkstra就不行了。本题是经典的带负权值的单源最短路问题，此时就轮到Bellman_ford登场了，接下来我们来详细介绍Bellman_ford 算法 如何解决这类问题。该算法是由 R. Bellman 和L. Ford 在20 世纪50 年代末期发明的算法，故称为Bellman_ford算法。Bellman_ford算法的核心思想是 对所有边进行松弛n- 1 次操作（n为节点数量），从而求得目标最短路。
看到这里，估计大家都比较晕了，为什么是 n- 1 次，那“松弛”这两个字究竟是个啥意思？我们先来说什么是 “松弛”。《算法四》里面把这个操作叫做 “放松”， 英文版里叫做 “relax the edge”所以大家翻译过来，就是 “放松” 或者 “松弛” 。但《算法四》没有具体去讲这个 “放松” 究竟是个啥？ 网上很多题解也没有讲题解里的 “松弛这条边，松弛所有边”等等 里面的 “松弛” 究竟是什么意思？这里我给大家举一个例子，每条边有起点、终点和边的权值。例如一条边，节点A 到 节点B 权值为value，如图：minDist[ B] 表示 到达B节点 最小权值，minDist[ B] 有哪些状态可以推出来？状态一： minDist[ A] + value 可以推出 minDist[ B] 状态二： minDist[ B] 本身就有权值 （可能是其他边链接的节点B 例如节点C，以至于 minDist[ B] 记录了其他边到minDist[ B] 的权值）minDist[ B] 应为如何取舍。本题我们要求最小权值，那么 这两个状态我们就取最小的if ( minDist[ B] > minDist[ A] + value) minDist[ B] = minDist[ A] + value也就是说，如果 通过 A 到 B 这条边可以获得更短的到达B节点的路径，即如果 minDist[ B] > minDist[ A] + value，那么我们就更新 minDist[ B] = minDist[ A] + value ，这个过程就叫做 “松弛” 。以上讲了这么多，其实都是围绕以下这句代码展开：if ( minDist[ B] > minDist[ A] + value) minDist[ B] = minDist[ A] + value这句代码就是 Bellman_ford算法的核心操作。以上代码也可以这么写：minDist[ B] = min ( minDist[ A] + value, minDist[ B] ) 如果大家看过代码随想录的动态规划章节，会发现 无论是背包问题还是子序列问题，这段代码（递推公式）出现频率非常高的。其实 Bellman_ford算法 也是采用了动态规划的思想，即：将一个问题分解成多个决策阶段，通过状态之间的递归关系最后计算出全局最优解。（如果理解不了动态规划的思想也无所谓，理解我上面讲的松弛操作就好）那么为什么是 n - 1 次 松弛呢？这里要给大家模拟一遍 Bellman_ford 的算法才行，接下来我们来看看对所有边松弛 n - 1 次的操作是什么样的。我们依然使用minDist数组来表达 起点到各个节点的最短距离，例如minDist[ 3 ] = 5 表示起点到达节点3 的最小距离为5
初始化过程。起点为节点1 ， 起点到起点的距离为0 ，所以 minDist[ 1 ] 初始化为0 其他节点对应的minDist初始化为max ，因为我们要求最小距离，那么还没有计算过的节点 默认是一个最大数，这样才能更新最小距离。对所有边 进行第一次松弛： （什么是松弛，在上面我已经详细讲过）以示例给出的所有边为例：5 6 - 2
1 2 1
5 3 1
2 5 2
2 4 - 3
4 6 4
1 3 5 接下来我们来松弛一遍所有的边。边：节点5 - > 节点6 ，权值为- 2 ，minDist[ 5 ] 还是默认数值max ，所以不能基于 节点5 去更新节点6 ，如图：（在复习一下，minDist[ 5 ] 表示起点到节点5 的最短距离）边：节点1 - > 节点2 ，权值为1 ，minDist[ 2 ] > minDist[ 1 ] + 1 ，更新 minDist[ 2 ] = minDist[ 1 ] + 1 = 0 + 1 = 1 ，如图：边：节点5 - > 节点3 ，权值为1 ，minDist[ 5 ] 还是默认数值max ，所以不能基于节点5 去更新节点3 如图：边：节点2 - > 节点5 ，权值为2 ，minDist[ 5 ] > minDist[ 2 ] + 2 （经过上面的计算minDist[ 2 ] 已经不是默认值，而是 1 ），更新 minDist[ 5 ] = minDist[ 2 ] + 2 = 1 + 2 = 3 ，如图：边：节点2 - > 节点4 ，权值为- 3 ，minDist[ 4 ] > minDist[ 2 ] + ( - 3 ) ，更新 minDist[ 4 ] = minDist[ 2 ] + ( - 3 ) = 1 + ( - 3 ) = - 2 ，如图：边：节点4 - > 节点6 ，权值为4 ，minDist[ 6 ] > minDist[ 4 ] + 4 ，更新 minDist[ 6 ] = minDist[ 4 ] + 4 = - 2 + 4 = 2 边：节点1 - > 节点3 ，权值为5 ，minDist[ 3 ] > minDist[ 1 ] + 5 ，更新 minDist[ 3 ] = minDist[ 1 ] + 5 = 0 + 5 = 5 ，如图：以上是对所有边进行一次松弛之后的结果。那么需要对所有边松弛几次才能得到 起点（节点1 ） 到终点（节点6 ）的最短距离呢？对所有边松弛一次，相当于计算 起点到达 与起点一条边相连的节点 的最短距离。上面的距离中，我们得到里 起点达到 与起点一条边相邻的节点2 和 节点3 的最短距离，分别是 minDist[ 2 ] 和 minDist[ 3 ] 这里有录友疑惑了 minDist[ 3 ] = 5 ，分明不是 起点到达 节点3 的最短距离，节点1 - > 节点2 - > 节点5 - > 节点3 这条路线 距离才是4 。注意我上面讲的是 对所有边松弛一次，相当于计算 起点到达 与起点一条边相连的节点 的最短距离，这里 说的是 一条边相连的节点。与起点（节点1 ）一条边相邻的节点，到达节点2 最短距离是 1 ，到达节点3 最短距离是5 。而 节点1 - > 节点2 - > 节点5 - > 节点3 这条路线 是 与起点 三条边相连的路线了。
所以对所有边松弛一次 能得到 与起点 一条边相连的节点最短距离。那对所有边松弛两次 可以得到与起点 两条边相连的节点的最短距离。那对所有边松弛三次 可以得到与起点 三条边相连的节点的最短距离，这个时候，我们就能得到到达节点3 真正的最短距离，也就是 节点1 - > 节点2 - > 节点5 - > 节点3 这条路线。那么再回归刚刚的问题，需要对所有边松弛几次才能得到 起点（节点1 ） 到终点（节点6 ）的最短距离呢？节点数量为n，那么起点到终点，最多是 n- 1 条边相连。那么无论图是什么样的，边是什么样的顺序，我们对所有边松弛 n- 1 次 就一定能得到 起点到达 终点的最短距离。其实也同时计算出了，起点 到达 所有节点的最短距离，因为所有节点与起点连接的边数最多也就是 n- 1 条边。截止到这里，Bellman_ford 的核心算法思路，大家就了解的差不多了。共有两个关键点。“松弛”究竟是个啥？
为什么要对所有边松弛 n - 1 次 （n为节点个数） ？
那么Bellman_ford的解题解题过程其实就是对所有边松弛 n- 1 次，然后得出得到终点的最短路径。
理解上面讲解的内容，代码就更容易写了，本题代码如下：（详细注释）# include <iostream> # include <vector> # include <list> # include <climits> using namespace std; int main ( ) { int n, m, p1, p2, val; cin >> n >> m; vector< vector< int >> grid; for ( int i = 0 ; i < m; i++ ) { cin >> p1 >> p2 >> val; grid. push_back ( { p1, p2, val} ) ; } int start = 1 ; int end = n; vector< int > minDist ( n + 1 , INT_MAX) ; minDist[ start] = 0 ; for ( int i = 1 ; i < n; i++ ) { for ( vector< int > & side : grid) { int from = side[ 0 ] ; int to = side[ 1 ] ; int price = side[ 2 ] ; if ( minDist[ from] != INT_MAX && minDist[ to] > minDist[ from] + price) { minDist[ to] = minDist[ from] + price; } } } if ( minDist[ end] == INT_MAX) cout << "unconnected" << endl; else cout << minDist[ end] << endl; }
时间复杂度： O( N * E) , N为节点数量，E为图中边的数量
空间复杂度： O( N) ，即 minDist 数组所开辟的空间关于空间复杂度，可能有录友疑惑，代码中数组grid不也开辟空间了吗？ 为什么只算minDist数组的空间呢？grid数组是用来存图的，这是题目描述中必须要使用的空间，而不是我们算法所使用的空间。我们在讲空间复杂度的时候，一般都是说，我们这个算法所用的空间复杂度。
有录友可能会想，那我 松弛 n 次，松弛 n + 1 次，松弛 2 * n 次会怎么样？其实没啥影响，结果不会变的，因为 题目中说了 “同时保证道路网络中不存在任何负权回路” 也就是图中没有 负权回路（在有向图中出现有向环 且环的总权值为负数）。那么我们只要松弛 n - 1 次 就一定能得到结果，没必要在松弛更多次了。这里有疑惑的录友，可以加上打印 minDist数组 的日志，尝试一下，看看松弛 n 次会怎么样。你会发现 松弛 大于 n - 1 次，minDist数组 就不会变化了。这里我给出打印日志的代码：
# include <iostream> # include <vector> # include <list> # include <climits> using namespace std; int main ( ) { int n, m, p1, p2, val; cin >> n >> m; vector< vector< int >> grid; for ( int i = 0 ; i < m; i++ ) { cin >> p1 >> p2 >> val; grid. push_back ( { p1, p2, val} ) ; } int start = 1 ; int end = n; vector< int > minDist ( n + 1 , INT_MAX) ; minDist[ start] = 0 ; for ( int i = 1 ; i < n; i++ ) { for ( vector< int > & side : grid) { int from = side[ 0 ] ; int to = side[ 1 ] ; int price = side[ 2 ] ; if ( minDist[ from] != INT_MAX && minDist[ to] > minDist[ from] + price) { minDist[ to] = minDist[ from] + price; } } cout << "对所有边松弛 " << i << "次" << endl; for ( int k = 1 ; k <= n; k++ ) { cout << minDist[ k] << " " ; } cout << endl; } if ( minDist[ end] == INT_MAX) cout << "unconnected" << endl; else cout << minDist[ end] << endl; }
通过打日志，大家发现，怎么对所有边进行第二次松弛以后结果就 不再变化了，那根本就不用松弛 n - 1 ？这是本题的样例的特殊性， 松弛 n- 1 次 是保证对任何图 都能最后求得到终点的最小距离。如果还想不明白 我再举一个例子，用以下测试用例再跑一下。6 5
5 6 1
4 5 1
3 4 1
2 3 1
1 2 1 打印结果：对所有边松弛 1 次
0 1 2147483647 2147483647 2147483647 2147483647
对所有边松弛 2 次
0 1 2 2147483647 2147483647 2147483647
对所有边松弛 3 次
0 1 2 3 2147483647 2147483647
对所有边松弛 4 次
0 1 2 3 4 2147483647
对所有边松弛 5 次
0 1 2 3 4 5
你会发现到 n- 1 次 才打印出最后的最短路结果。关于上面的讲解，大家一定要多写代码去实验，验证自己的想法。至于 负权回路 ，我在下一篇会专门讲解这种情况，大家有个印象就好。
Bellman_ford 是可以计算 负权值 的 单源 最短路 算法。其算法核心思路是对 所有边进行 n- 1 次 松弛。 起点与起点n- 1 边相连的最短距离。弄清楚 什么是 松弛？ 为什么要 n- 1 次？ 对理解Bellman_ford 非常重要。def main ( ) : n, m = [ int ( v) for v in input ( ) . split( ' ' ) ] grid = [ ] for _ in range ( m) : v = [ int ( v) for v in input ( ) . split( ' ' ) ] grid. append( v) start = 1 end = n minDist = [ float ( 'Inf' ) for _ in range ( n+ 1 ) ] minDist[ start] = 0 for i in range ( 1 , n) : for edge in grid: s, t, price = edge if minDist[ s] != float ( 'Inf' ) and minDist[ s] + price > minDist[ t] : minDist[ t] = minDist[ s] + priceif minDist[ n] == float ( 'Inf' ) : print ( 'unconnected' ) else : print ( minDist)
def main1 ( ) : n, m = 6 , 7 grid = [ [ 5 , 6 , - 2 ] , [ 1 , 2 , 1 ] , [ 5 , 3 , 1 ] , [ 2 , 5 , 2 ] , [ 2 , 4 , - 3 ] , [ 4 , 6 , 4 ] , [ 1 , 3 , 5 ] ] start = 1 end = n minDist = [ float ( 'Inf' ) for _ in range ( n + 1 ) ] minDist[ start] = 0 for i in range ( 1 , n) : for edge in grid: s, t, price = edge if minDist[ s] != float ( 'Inf' ) and minDist[ s] + price < minDist[ t] : minDist[ t] = minDist[ s] + priceprint ( f"对所有边松弛 { i} 次" ) for k in range ( 1 , n + 1 ) : print ( minDist[ k] , end= ' ' ) print ( '\n' ) if minDist[ n] == float ( 'Inf' ) : print ( 'unconnected' ) else : print ( minDist) """n, m = 6, 5
grid = [[5, 6, 1],[4, 5, 1],[3, 4, 1],[2, 3, 1],[1, 2, 1]]对所有边松弛1次
0 1 inf inf inf inf
对所有边松弛2次
0 1 2 inf inf inf
对所有边松弛3次
0 1 2 3 inf inf
对所有边松弛4次
0 1 2 3 4 inf
对所有边松弛5次
0 1 2 3 4 5
[inf, 0, 1, 2, 3, 4, 5]n, m = 6, 7
grid = [[5, 6, -2],[1, 2, 1],[5, 3, 1],[2, 5, 2],[2, 4, -3],[4, 6, 4],[1, 3, 5]]
对所有边松弛1次
0 1 5 -2 3 2
对所有边松弛2次
0 1 4 -2 3 1
对所有边松弛3次
0 1 4 -2 3 1
对所有边松弛4次
0 1 4 -2 3 1
对所有边松弛5次
0 1 4 -2 3 1
[inf, 0, 1, 4, -2, 3, 1]
"""
视频流（使用WebRTC）)
