在此之前一直在看图算法,但是看的多了不免会有些混淆,今天我就算是进行一次自我总结吧。
单源最短路径算法1:Dijkstra 算法
这个算法是处理单元最短路径问题的,他的本质是一种贪心算法。
实现:
将图G中所有的顶点V分成两个顶点集合S和T。以v为源点已经确定了最短路径的终点并入S集合中,S初始时只含顶点v,T则是尚未确定到源点v最短路径的顶点集合。然后每次从T集合中选择S集合点中到T路径最短的那个点,并加入到集合S中,并把这个点从集合T删除。直到T集合为空为止。
具体步骤
1、选一顶点v为源点,并视从源点v出发的所有边为到各顶点的最短路径(确定数据结构:因为求的是最短路径,所以①就要用一个记录从源点v到其它各顶点的路径长度数组dist[],开始时,dist是源点v到顶点i的直接边长度,即dist中记录的是邻接阵的第v行。②设一个用来记录从源点到其它顶点的路径数组path[],path中存放路径上第i个顶点的前驱顶点)。
2、在上述的最短路径dist[]中选一条最短的,并将其终点(即<v,k>)k加入到集合s中。
3、调整T中各顶点到源点v的最短路径。 因为当顶点k加入到集合s中后,源点v到T中剩余的其它顶点j就又增加了经过顶点k到达j的路径,这条路径可能要比源点v到j原来的最短的还要短。调整方法是比较dist[k]+g[k,j]与dist[j],取其中的较小者。
4、再选出一个到源点v路径长度最小的顶点k,从T中删去后加入S中,再回去到第三步,如此重复,直到集合S中的包含图G的所有顶点。
代码的实现:
int cost[MAX_V][MAX_V] ;//cost[u][v]表示边e=(u,v)的权值 int d[MAX_V] ;//顶点S出发的最短距离 bool used[MAX_V] ;//已经使用过的点 int V ;//顶点数 void dijkstra(int s) { fill(d,d+V,INF); fill(used,used+V,false); d[s]=0; while(true) { int v=-1; for(int u=0;u<V;u++) { if(!used[u]&&(v==-1||d[u]<d[v])) v=u; } if(v==-1) break; used[v]=true; for(int u=0;u<V;u++) { d[u]=min(d[u],d[v]+cost[v][u]); } } }
下面是利用优先队列实现的
struct edge{ int to,cost; }; typedef pair<int,int> P; int V; vector<edge>G[MAX_N]; int d[MAX_N]; void dijkstra(int s) { priority_queue<P,vector<P>,greater<P> > que; fill(d,d+v,INF); d[s]=0; que.push(P(0,s)); while(!que.empty()) { P p=que.top();que.pop(); int v=p.second; if(d[v]<p.first) continue; for(int i=0;i<G[v].size();i++) { edge e=G[v][i]; if(d[e.to]>d[v]+e.cost) { d[e.to]=d[v]+e.cost; que.push(P(d[e.to],e.to)); } } } }
单源最短路径算法2 Bellman-Ford:
由于dijkstra算法不能处理带有负数权值变得问题,所以还要学会一种能够处理负数权值边问题
这个算法算是一种动态规划算法。
struct edge{ int from,to,cost; }; edge es[MAX_N]; int d[MAX_N]; int V,E; void short_path(int s) { for(int i=0;i<V;i++) d[i]=INF; d[s]=0; while(true) { bool update=false; for(int i=0;i<E;i++) { edge e=es[i]; if(d[e.from]!=INF&&d[e.to]>e.cost+d[e.from]) { d[e.to]=e.cost+d[e.from]; update=true; } } if(!update) break; } }