Dijkstra+堆优化具有稳定的时间复杂度,在一些数据范围要求比较严格(准确来说是图比较苛刻)的时候能够保证稳定的时间复杂度
但是Dijkstra不能够解决负边权的问题,所以在使用的时候一定要仔细读题
如果题目说了边权非负,首选Dijkstra算法, 如果图不是一些特殊的数据,可以尝试SPFA算法,毕竟在稀疏图面前,SPFA有着绝对的优势
Dijkstra和Prim很相似,它们的区别主要是d的含义,前者是到s的临时最短距离,后者是到树的临时最短距离,相同点是,每次找d最小的更新其它点的距离
然后,我们开始介绍用法:
int s,n,m,cnt; int g[maxn],d[maxn]; struct Edge{int u,t,w,next;}e[maxm]; struct HeapNode{int d,u;bool operator <(const HeapNode& x) const{return d>x.d;}}; priority_queue<HeapNode> q;
在Bellman-Ford中相同的字眼我们不介绍,意义一致
HeapNode结构体和优先队列用来实现一个最小堆,堆元素是点,记录了节点号和距离值
void dijkstra(int s) { for(int i=1;i<=n;i++) d[i]=INF; d[s]=0; HeapNode p; p.d=0;p.u=s;q.push(p); while(!q.empty()) { HeapNode x=q.top(); q.pop(); int u=x.u; if(x.d!=d[u]) continue; for(int tmp=g[u];tmp;tmp=e[tmp].next) if(d[e[tmp].t]>d[u]+e[tmp].w) { d[e[tmp].t]=d[u]+e[tmp].w; p.d=d[e[tmp].t];p.u=e[tmp].t;q.push(p); } } }
如果你能够写明白邻接矩阵的Dijkstra算法,这里具有完全一致的意义,只不过用最小堆来找距离当前点集距离最小的点,把一遍遍历变成了Log级别的
然后这里的Dijkstra算法如果用邻接矩阵的话,就是被打回原形了,所以一定要用邻接表或者邻接数组来存储
下面给出完整实现:
1 #include<cstdio> 2 #include<queue> 3 #include<cstring> 4 using namespace std; 5 const int INF=0x7fffffff; 6 const int maxn=100005; 7 const int maxm=200005; 8 int s,n,m,cnt; 9 int g[maxn],d[maxn]; 10 struct Edge{int u,t,w,next;}e[maxm]; 11 struct HeapNode{int d,u;bool operator <(const HeapNode& x) const{return d>x.d;}}; 12 priority_queue<HeapNode> q; 13 void addedge(int x,int y,int z) 14 { 15 cnt++;e[cnt].u=x;e[cnt].t=y;e[cnt].w=z; 16 e[cnt].next=g[x];g[x]=cnt; 17 } 18 void dijkstra(int s) 19 { 20 for(int i=1;i<=n;i++) d[i]=INF; 21 d[s]=0; 22 HeapNode p; 23 p.d=0;p.u=s;q.push(p); 24 while(!q.empty()) 25 { 26 HeapNode x=q.top(); q.pop(); 27 int u=x.u; 28 if(x.d!=d[u]) continue; 29 for(int tmp=g[u];tmp;tmp=e[tmp].next) 30 if(d[e[tmp].t]>d[u]+e[tmp].w) 31 { 32 d[e[tmp].t]=d[u]+e[tmp].w; 33 p.d=d[e[tmp].t];p.u=e[tmp].t;q.push(p); 34 } 35 } 36 } 37 int main() 38 { 39 scanf("%d%d%d",&n,&m,&s); 40 int x,y,z; 41 for(int i=1;i<=m;i++) {scanf("%d%d%d",&x,&y,&z);addedge(x,y,z);} 42 dijkstra(s); 43 for(int i=1;i<=n;i++) {printf("%d ",d[i]);} 44 return 0; 45 }