图基本算法.pptVIP

题目分析：此题题意是判断有向图中是否存在负权回路，怎样构造图呢？对于双向路径(u,v),可以构造成两条边(u,v,t)和(v,u,t)，对于虫洞单向路径(u,v)，可以构造一条边(u,v,-t)，这样运行bellman-ford算法就可以判断出是否存在负权回路。 代码附后 Dijkstra算法 Dijkstra算法解决了有向图G=(V,E)上带权的单源最短路径问题，但要求所有边的权值非负。Djikstra算法中设置了一顶点集合S，从源点s到集合中的顶点的最终最短路径的权值均已确定，算法反复选择具有最短路径估计的顶点u∈V-S,并将u加入S中，对u的所有出边进行松弛。 算法执行过程 int dijkstra(int s,int n) { int i,j; int v[MAX]; int d[MAX]; for(i=1;i=n;i++) d[i]=map[1][i]; v[1]=1; for(i=1;in;i++) { int now,min=INT_MAX; for(j=1;j=n;j++) //选最小的加入集合 { if(!v[j]mind[j]) { min=d[j]; now=j; } } v[now]=1; for(j=1;j=n;j++) //松弛 if(!v[j]d[now]+map[now][j]d[j]) d[j]=d[now]+map[now][j]; } return 0; } 依然是O(n^2)的算法，依然可以用堆优化到O(elogv+vlogv) spfa算法 Shortest?path?faster?algorithm SPFA 其实就是Bellman-Ford的一种队列实现，减少了冗余，即松驰的边至少不会以一个d为∞的点为起点。 算法： 1.队列Q={s} 2.取出队头u,枚举所有的u的临边 .若d(v)d(u)+w(u,v)则改进 ，pre(v)=u，由于d(v)减少了，v可能在以后改进其他的点，所以若v不在Q中，则将v入队。 3.一直迭代2，直到队列Q为空(正常结束)，或有的点的入队次数=n（含有负圈）。 一般用于找负圈(效率高于Bellman-Ford)，稀疏图的最短路 由于点可能多次入队，但队列中同时不会超过n个点。所以用一个长度为n的循环队列来实现这个队。 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（不含负圈，较稀疏）情况，k在2左右。算法复杂度理论上同Bellman-Ford，O(nm)，但实际上却是O(km)。 例题：看晴子大牛的体型 知道他一定又馋又懒，他有n-1个小弟，每天都让他的n-1个小弟去n-1个不同的饭馆给他买回山珍海味，已知饭馆之间是以有向图连接起来的，我们可以保证每两个饭馆之间可以互相可达，问他的小弟帮他买回饭来总共走的最短路程是多少（假设晴子大牛所在顶点为点1，饭馆为2~n）？n=m=1000000 由于数据范围很大，Dijkstra算法和Bellman-Ford超时，我们可以用spfa算法求得由点1到其他点的距离，那么怎么求从其他点到点1的距离呢？ 我们可以把每条有向边反向，这样再用spfa在反向的图中求一次源点到其他的点的距离就求出了从每个点到源点的距离。 代码附后 单源最短路问题小结 Dijkstra算法的效率高，但是也有局限性，就是对于含负权的图无能为力。 Bellman-Ford算法对于所有最短路长存在的图都适用，但是效率常常不尽人意。 SPFA算法可以说是综合了上述两者的优点。它的效率同样很不错，而且对于最短路长存在的图都适用，无论是否存在负权。它的编程复杂度也很低，是性价比极高的算法。 对于绝大多数最短路问题，我们只需套用经典算法就行了。所以往往我们的难点是在模型的建立上。 每对顶点的最短路径floyd-washall算法的基本思想 递推产生矩阵序列f(0), f(1), …, f(n)。 其中f(0)[i,j]=map[i,j] f(k)[i,j]的值表示从vi到vj，中间结点编号不超过k的最短路径长度。 f(n)[i,j]的值就是从vi到vj的最短路径长度。 递推过程----动态规划 如果f(k)[i,j]中间节点编号经过k，则f(k)[i,j]=f(k-1)[i,k]+f(k-1)[k,j]。如果f(k)[i,j]中间节点不