spfa讲义+前向星优化.docVIP

SPFA算法 　　求单源最短路的SPFA算法的全称是：Shortest Path Faster Algorithm。 　　SPFA算法是西南交通大学段凡丁于1994年发表的. 　　从名字我们就可以看出，这种算法在效率上一定有过人之处。 　　很多时候，给定的图存在负权边，这时类似Dijkstra等算法便没有了用武之地，而 HYPERLINK "/view/1481053.htm" \t "_blank" Bellman-Ford算法的复杂度又过高，SPFA算法便派上用场了。 　　简洁起见，我们约定有向加权图G不存在负权回路，即 HYPERLINK "/view/349189.htm" \t "_blank" 最短路径一定存在。当然，我们可以在执行该算法前做一次拓扑排序，以判断是否存在负权回路，但这不是我们讨论的重点。 　　我们用数组d记录每个结点的最短路径估计值，而且用邻接表来存储图G。我们采取的方法是动态逼近法：设立一个先进先出的队列用来保存待优化的结点，优化时每次取出队首结点u，并且用u点当前的最短路径估计值对离开u点所指向的结点v进行松弛操作，如果v点的最短路径估计值有所调整，且v点不在当前的队列中，就将v点放入队尾。这样不断从队列中取出结点来进行松弛操作，直至队列空为止。 　　定理: 只要最短路径存在，上述SPFA算法必定能求出最小值。 　　证明：每次将点放入队尾，都是经过松弛操作达到的。（松弛操作的原理是著名的定理：“三角形两边之和大于第三边”，在信息学中我们叫它三角不等式。所谓对i,j进行松弛，就是判定是否d[j]>d[i]+w[i,j]，如果该式成立则将d[j]减小到d[i]+w[i,j]，否则不动。）换言之，每次的优化将会有某个点v的最短路径估计值d[v]变小。所以算法的执行会使d越来越小。由于我们假定图中不存在负权回路，所以每个结点都有最短路径值。因此，算法不会无限执行下去，随着d值的逐渐变小，直到到达最短路径值时，算法结束，这时的最短路径估计值就是对应结点的最短路径值。（证毕） 　　期望的时间复杂度O(ke)， 其中k为所有顶点进队的平均次数，可以证明k一般小于等于2。 　　实现方法：建立一个队列，初始时队列里只有起始点，在建立一个表格记录起始点到所有点的最短路径（该表格的初始值要赋为极大值，该点到他本身的路径赋为0）。然后执行松弛操作，用队列里有的点去刷新起始点到所有点的最短路，如果刷新成功且被刷新点不在队列中则把该点加入到队列最后。重复执行直到队列为空 判断有无负环：如果某个点进入队列的次数超过N次则存在负环（SPFA无法处理带负环的图） 在一幅图中，我们仅仅知道结点A到结点E的最短路径长度是73，有时候意义不大。这附图如果是地图的模型的话，在算出最短路径长度后，我们总要说明“怎么走”才算真正解决了问题。如何在计算过程中记录下来最短路径是怎么走的，并在最后将它输出呢？ Path[]数组，Path[i]表示从S到i的最短路径中，结点i之前的结点的编号。注意，是“之前”，不是“之后”。最短路径算法的核心思想成为“松弛”，原理是三角形不等式，方法是上文已经提及的。我们只需要在借助结点u对结点v进行松弛的同时，标记下Path[v] = u，记录的工作就完成了。? SPFA算法采用图的存储结构是邻接表，方法是动态优化逼近法。算法中设立了一个先进先出的队列Queue用来保存待优化的顶点，优化时从此队列里顺序取出一个点w，并且用w点的当前路径D[W]去优化调整其它各点的路径值D[j]，若有调整，即D[j]的值改小了，就将J点放入Queue队列以待继续进一步优化。反复从Queue队列里取出点来对当前最短路径进行优化，直至队空不需要再优化为止，此时D数组里就保存了从源点到各点的最短路径值 。 下面举一个实例来说明SFFA算法是怎样进行的： 设有一个有向图G＝{V，E}，其中，V＝{V0,V1,V2,V3,V4}，E＝{<V0,V1>,<V0,V4>,<V1,V2>,<V1,V4>,<V2,V3>,<V3,V4>,<V4,V2>}＝{2,10,3,7,4,5,6}，见下图： 算法执行时各步的Queue队的值和D数组的值由下表所示。 表一 实例图SPFA算法执行的步骤及结果 初始 第一步 第二步 第三步 第四步 第五步 queue D queue D queue D queue D queue D queue D V0 0 V1 0 V4 0 V2 0 V3 0 0 ∞ V4 2 V2 2 2 2 2 ∞ ∞ 5 5 5 5 ∞ ∞ ∞ ∞ 9 9 ∞ 10 9 9 9 9 算法执行到第五步后，队Queue空，算法结束。源点V0到V1的最短路径为2，到V2的最短路径为5，到V