最短路径算法总结(Dijkstra、Bellman-ford、SPFA和Floyd)

在最短路径算法中,常用的有Dijkstra、Bellman-ford、spfa、Floyd这四大算法

  1. Dijkstra:迪克斯特拉算法
  2. Bellman-ford:贝尔曼-福特算法
  3. SPFA:Shortest Path Faster Algorithm算法
  4. Floyd:弗洛伊德算法

四大算法介绍

简介

Dijkstra:是一种用于求解单源最短路径的贪心算法。它从起始节点开始,逐步扩展到其他节点,每次选择当前距离起始节点最近的节点进行扩展。通过不断更新节点的最短距离,最终得到起始节点到其他所有节点的最短路径

Belman-ford:是一种用于求解单源最短路径的动态规划算法。它通过对图中所有边进行松弛操作,逐步更新节点的最短距离。贝尔曼-福特算法可以处理带有负权边的图,并且能够检测出图中是否存在负权回路

SPFA:是一种用于解决单源最短路径问题的算法,它也是对Bellman-Ford算法的一种优化。SPFA算法的基本思想是利用队列来存储待处理的顶点,通过不断地松弛操作来更新顶点的最短路径值

Floyd:又称插点法,是一种用于求解任意两点间最短路径的动态规划算法。它通过不断更新节点之间的最短距离,逐步求解出所有节点之间的最短路径。弗洛伊德算法适用于有向图或无向图,可以处理带有负权边的图

时间复杂度

算法时间复杂度
一般DijkstraO(n^2)
堆优化版DijkstraO(mlogn)
Belman-fordO(nm)
spfa一般O(m),最坏O(nm)
FloydO(n^3)

适用场景

算法适用场景最短路问题
一般Dijkstra所有边权都是正数单源最短路
堆优化版Dijkstra
Belman-ford存在负权边且限制经过边数
spfa存在负权边
Floyd不能有负权回路多源汇最短路

四大算法思路

1.1、一般Dijkstra

初始条件:

  1. 节点1到其余节点的初始距离为正无穷大
  2. 节点1到节点1距离为0

最外层循环(n):

  1. 从未标记的节点中选择距离出发点最近的节点并标记该点
  2. 计算刚标记点的所有出边,若(节点1到该点距离+出边权重) < 已存的出边目标节点的距离,就更新节点距离

代码模版:

const int N = 10010;//根据题目具体定义数字大小
typedef int INF = 0x3f3f3f3f;//表示正无穷大int dist[N];//表示节点1到节点n的距离解集
bool st[N];//表示节点n是否被标记
int g[N][N];//表示边//初始化
int dist[1]=0,dist[2]=INF,......,dist[n]=INF;int Dijkstra(){//初始条件memset(dist, 0x3f, sizeof dist);dist[1] = 0;  //遍历n次循环,即标记n个点并扩展了n个点的所有出边for(int i=1 ; i <= n ; i++){1、从未标记的节点中选择距离出发点最近的节点并标记该点int t = -1;for(int j=1 ; j <=n ; j++){if(!st[i] && (t==-1 || dist[t]>dist[j]){t = j;}}st[t] = true;2、计算刚标记点的所有出边for(int j=1;j <= n ; j++){dist[j] = min(dist[j],dist[t]+g[t][j]);}}if (dist[n] == 0x3f3f3f3f) {return -1;}return dist[n];}

总结:一般Dijkstra算法,在第二层循环中有冗余,即 j 有多次非必要遍历。当n在100000时,时间复杂度为n^2的话可能会导致超时,因此当图为稀疏图时,可以采用堆优化版的Dijkstra算法

1.2、堆优化版Dijkstra

初始条件:

  1. 节点1到其余节点的初始距离为正无穷大
  2. 节点1到节点1距离为0

循环:

  1. 从队列中未标记的节点取出距离出发点最近的节点并标记该点
  2. 计算刚标记点的所有出边,若更新了节点距离,并将后续节点压入队列

代码模版:

//定义pair类型,其值分别代表节点1到该节点距离,节点号
typedef pair<int,int> PII;
const int N=1e6+10;
int dist[N];//解集
bool st[N];//表示该节点是否被标记//使用邻接表来存储边
int h[N],e[N],ne[N],w[N],idx=0;
//e[]存储目标节点,w[]存储权重,h[]的索引代表起始节点int Dijkstra(){//初始条件memset(dist,0x3f,sizeof(dist));dist[1]=0;priority_queue<PII,vector<PII>,greater<PII>> heap;heap.push({0,1});//压入初始状态    //循环while(heap.size){//标记节点auto t = heap.top;heap.pop();int ver=t.second,distance=t.first;if(st[ver]){continue;}st[ver] = true;//扩展节点for(int i=h[ver] ; i != -1 ; i = ne[i]){int j = e[i]if(dist[j] > dist[ver] + w[i]){dist[j] = dist[ver] + w[i];heap.push({dist[j],j});}}}    if(dist[n] == 0x3f3f3f3f){return -1;}return dist[n];}

思考:优先队列heap采用的是greater小顶堆,所以距离最小的会放在第一位,因此取出队头时就保证了取出的点是队列中距离最小的。Bellman-ford和SPFA算法一样可以用于判断负环是否存在。

2、Bellman-ford

初始条件:

  1. 节点1到其余节点的初始距离为正无穷大
  2. 节点1到节点1距离为0

最外层循环(n):

  1. 遍历所有边并进行松弛操作

代码模版:

const int N=510,M=10010;//点数和边数,根据题目自由设置
//边的结构体
struct Edge{int a,b,w;
}Edges[M];
//dist[]解集,backup[]下次循环前解集结果
int dist[N],backup[N];//n:输入的点数
//m:输入的边数
//k:输入的只能经过几条边
int n,m,k;void Bellman-ford(){//初始条件memset(dist,0x3f,sizeof(dist));dist[1]=0;for(int i=1 ; i <= k ; i++){//备份memcpy(backup,dist,sizeof(dist));//遍历所有边并进行松弛操作for(int j=0 ; j < m ; j++){auto e = Edges[j];dist[e.b] = min(dist[e.b],backup[e.a]+e.w);}}}

总结:

1、因为SPFA算法的效率高于Bellman-ford算法,因此Bellman-ford算法一般用于有边数限制并存在负权的情况。

2、最外层的n次循环有一个实际意义为从节点1到节点x经过的边不超过n条边。

3、bankup的意义为防止串联,串联即在循环中dist经过一次循环并不止更新一条边,而是更新点以及它的所有出边。串联会导致调用错误的数据,导致结果不正确,

3、SPFA

3.1求最短路

初始条件:

  1. 节点1到其余节点的初始距离为正无穷大
  2. 节点1到节点1距离为0

循环:

  1. 从队列取出的队头并取消标记
  2. 对该节点进行出边循环(松弛操作)

求最短路代码模版:

const int N=1e5+10;
int dist[N];//解集
bool st[N];//表示该节点是否在队列中//使用邻接表来存储边
int h[N],e[N],ne[N],w[N],idx=0;
//e[]存储目标节点,w[]存储权重,h[]的索引代表起始节点int spfa(){//初始条件memset(dist,0x3f,sizeof(dist));dist[1]=0;queue<int> q;q.push(1);st[1]=true;while(q.size){//取出队头int t = q.front();q.pop();st[t].false;for(int i = h[t] ; i != -1 ; i = ne[i]){int j = e[i];if(dist[j] > dist[t]+w[i]){dist[j]=dist[t]+w[i];if(!st[j]){//如果目标不在队列则加入q.push(j);st[j]=true;}}}}return dist[n];
}

3.2判断负环

初始条件:

  1. 所有点都压入队列中

循环:

  1. 从队列取出的队头并取消标记
  2. 对该节点进行出边循环(松弛操作)

判断负环代码模版:

const int N = 2010, M = 10010;int dist[N];//解集
int cnt[N];//边数
bool st[N];//该节点是否在队列中//使用邻接表来存储边
int h[N],e[N],ne[N],w[N],idx=0;
//e[]存储目标节点,w[]存储权重,h[]的索引代表起始节点bool spfa(){//将所有节点都压入队列(负环不确定在哪个位置)queue<int> q;for (int i = 1; i <=n ; ++i) {st[i] = true;q.push(i);}while(q.size()){//取出并弹出队头,int t = q.front();q.pop();st[t]=false;//对该节点进行出边循环for (int i = h[t]; i != -1 ; i=ne[i]) {int j = e[i];if (dist[j] > dist[t]+w[i]){dist[j]=dist[t]+w[i];cnt[j] = cnt[t] + 1;//如果边数大于n,说明有n+1个点,但只有n个点,此时确定有负环返回true;if (cnt[j] >= n){return true;}if(!st[j]){q.push(j);st[j]=true;}}}}return false;
}

4、Fyold

初始条件:

  1. 所有节点到它本身的距离为0
  2. 所有节点到其他节点为无穷大

循环:

  • 三层循环,从外到内分别是k,i,j。k代表迭代次数。
const int N=210,INF=1e9;
int n,m,Q;//输入的点数、边数、求解数
//dist[][]一开始作为边矩阵的输入,在调用Floyd后dist[x][y]为x到y的最短距离
int dist[N][N];void Floyd(){//初始条件for (int i = 1; i <= n; ++i) {for (int j = 1; j <= n; ++j) {if(i == j){//防止自环dist[i][j] = 0;}else{//其余节点为真无穷大dist[i][j] = INF;}}}for (int k = 1; k <= n; ++k) {for(int i = 1; i <= n; i++){for(int j = 1; j <= n;j++){dist[i][j] = min(dist[i][j],dist[i][k]+dist[k][j]);}}}
}

总结:三个循环嵌套,i,j的循环是任意两个点,而 k 则是两个点之间所经过的第三个点,我们就是在循环之中不断比较从i到j的距离与从 i 到 k 距离加上从 k 到 j 距离的大小,如果经过这个点,路径变短了,我们就接受这个点,认为可以经过这个点;否则就不经过这个点,就是从 i 到 j 最短

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/702619.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

一键获取电商平台商品信息,快速提高电商业务效率

阿里巴巴店铺所有商品API接口技术全解析 一、引言 在阿里巴巴这个全球领先的电商平台上&#xff0c;店铺所有商品API接口&#xff08;item_search_shop&#xff09;为开发者提供了一个便捷的途径&#xff0c;能够获取店铺的所有商品信息。通过这一接口&#xff0c;无论是数据…

Web UI自动化测试原理

&#x1f525; 交流讨论&#xff1a;欢迎加入我们一起学习&#xff01; &#x1f525; 资源分享&#xff1a;耗时200小时精选的「软件测试」资料包 &#x1f525; 教程推荐&#xff1a;火遍全网的《软件测试》教程 &#x1f4e2;欢迎点赞 &#x1f44d; 收藏 ⭐留言 &#x1…

【深度学习笔记】3_7 softmax回归的简介实现

注&#xff1a;本文为《动手学深度学习》开源内容&#xff0c;仅为个人学习记录&#xff0c;无抄袭搬运意图 3.7 softmax回归的简洁实现 我们在3.3节&#xff08;线性回归的简洁实现&#xff09;中已经了解了使用Pytorch实现模型的便利。下面&#xff0c;让我们再次使用Pytorc…

每日五道java面试题之spring篇(六)

目录&#xff1a; 第一题 ApplicationContext通常的实现是什么&#xff1f;第二题 什么是Spring的依赖注入&#xff1f;第三题 依赖注入的基本原则第四题 依赖注入有什么优势&#xff1f;第五题 有哪些不同类型的依赖注入实现方式&#xff1f; 第一题 ApplicationContext通常的…

d3dcompiler_47.dll是什么,电脑出现d3dcompiler_47.dll丢失如何解决

当打开软件时提示“d3dcompiler_47.dll丢失”时&#xff0c;用户通常会看到类似于以下的错误消息&#xff1a; “无法启动此程序&#xff0c;因为计算机中丢失了d3dcompiler_47.dll。尝试重新安装该程序以解决此问题。” “找不到d3dcompiler_47.dll文件&#xff0c;因此应用…

分布式一致性软件-zookeeper

在我们进行软件开发过程中&#xff0c;为了实现某个功能可能借助多个软件&#xff0c;如存储数据的数据库软件&#xff1a;MySQL&#xff0c;Redis&#xff1b;消息中间件&#xff1a;rocketMq&#xff0c;kafka等。那么在分布式系统中&#xff0c;如果想实现数据一致性&#x…

[git] 根据master更新本地分支

git 当前分支 t1 拉取远程master分支, 并更新将master分支合并到当前分支t1 git fetch origin master git merge origin/master t1第一行命令 git fetch origin master 会从远程仓库中获取最新的 master 分支代码&#xff0c;将其保存到本地的 origin/master 分支。 第二行命…

数据库原理及应用(MySQL版在线实训版)

学习视频&#xff1a;学生学习页面 (xueyinonline.com) 头歌实验&#xff1a;虚拟教研室-数据库原理及应用 (educoder.net) 习题答案&#xff1a;数据库原理及应用&#xff08;MySQL版在线实训版&#xff09;-习题答案 陈业斌 - 道客巴巴 (doc88.com)

[C++]虚函数用法

讲虚函数之前先讲讲面向对象的三大特性&#xff1a;封装、继承、多态。 1、封装 封装是指将数据&#xff08;属性&#xff09;和操作数据的方法&#xff08;函数&#xff09;封装在一个单元中&#xff0c;这个单元就是类。封装的主要目的是隐藏类的内部实现细节&#xff0c;只…

Java内部类的使用与应用

内部类的使用与应用 1. 内部类用法 普通内部类&#xff1a; 实例化内部类对象需要先实例化外部类对象&#xff0c;然后再通过OuterClassName.new InnerClassName()方式实例化内部类。内部类对象在创建后会与外部类对象秘密链接&#xff0c;因此无法独立于外部类创建内部类对象…

JWT学习笔记

了解 JWT Token 释义及使用 | Authing 文档 JSON Web Token Introduction - jwt.io JSON Web Token (JWT&#xff0c;RFC 7519 (opens new window))&#xff0c;是为了在网络应用环境间传递声明而执行的一种基于 JSON 的开放标准&#xff08;(RFC 7519)。该 token 被设计为紧凑…

微服务-微服务Spring Security OAuth 2实战

1. Spring Authorization Server 是什么 Spring Authorization Server 是一个框架&#xff0c;它提供了 OAuth 2.1 和 OpenID Connect 1.0 规范以及其他相关规范的实现。它建立在 Spring Security 之上&#xff0c;为构建 OpenID Connect 1.0 身份提供者和 OAuth2 授权服务器产…

高等数学(极限)

目录 一、数列 二、极限 2.1 讲解 2.2 例题 一、数列 按照一定次数排列的一列数&#xff1a; 其中 叫做通项。 对于数列&#xff0c;如果当n无限增大时&#xff0c;其通项无限接近于一个常数A&#xff0c;则称该数列以A为极限或称数列收敛于A&#xff0c;否则称数列为发散…

C语言所有标准头文件汇总及功能说明

文章目录 #include <assert.h>#include <ctype.h>#include <errno.h>#include <float.h>#include <fenv.h>#include <inttypes.h>#include <limits.h>#include <locale.h>#include <math.h>#include <process.h>#…

OpenCV(2)

1.OpenCV的模块 其中core、highgui、imgproc是最基础的模块&#xff0c;该课程主要是围绕这几个模块展开的&#xff0c;分别介绍如下&#xff1a; core模块实现了最核心的数据结构及其基本运算&#xff0c;如绘图函数、数组操作相关函数等。highgui模块实现了视频与图像的读取…

【JVM】计数器引用和可达性分析

&#x1f4dd;个人主页&#xff1a;五敷有你 &#x1f525;系列专栏&#xff1a;JVM ⛺️稳中求进&#xff0c;晒太阳 C/C的内存管理 在C/C这类没有自动垃圾回收机制的语言中&#xff0c;一个对象如果不再使用&#xff0c;需要手动释放&#xff0c;否则就会出现内存泄漏…

一文get,最容易碰上的接口自动化测试问题汇总

本篇文章分享几个接口自动化用例编写过程遇到的问题总结&#xff0c;希望能对初次探索接口自动化测试的小伙伴们解决问题上提供一小部分思路。 sql语句内容出现错误 空格&#xff1a;由于有些字段判断是变量&#xff0c;需要将sql拼接起来&#xff0c;但是在拼接字符串时没有…

对象池模板

概述 对象池的引入也是嵌入式开发的常用方法&#xff0c;也是内存预分配的一种&#xff0c;主要是用来隐藏全局对象的跟踪&#xff0c;通常预内存分配是通过数组来实现。 CMake配置 cmake_minimum_required(VERSION 3.5.1)project(objpool)add_executable(objpool objpool.cp…

C语言《数据结构与算法》安排教学计划课设

背景&#xff1a; 10、安排教学计划 (1) 问题描述。 学校每学期开设的课程是有先后顺序的&#xff0c;如计算机专业&#xff1a;开设《数据结构》课程之前&#xff0c;必须先开设《C语言程序设计》和《离散数学》课程&#xff0c;这种课程开设的先后顺序称为先行、后继课程关…

在使用nginx的时候快速测试配置文件,并重新启动

小技巧 Nginx修改配置文件后需要重新启动&#xff0c;常规操作是启动在任务管理器中关闭程序然后再次双击nginx.exe启动&#xff0c;但是使用命令行就可以快速的完成操作。 将cmd路径切换到nginx的安装路径 修改完成配置文件后 使用 nginx -t校验nginx 的配置文件是否出错 …