zoukankan      html  css  js  c++  java
  • SPFA 算法(剪辑)(学习!)

    SPFA算法

        单源最短路径的算法最常用的是Dijkstra,些算法从时间复杂度来说为O(n^2),但是面对含有负权植的图来说就无能为力了,此时 Dellman-ford算法就有用了,这咱算法是采用的是动态规化的思想,但是1994年西南交通大学段凡丁发表了SPFA(Shortest Path Faster Algorithm)听这个名字就懂了,这种算法在时间上一定很快了。它是对Dellman-ford的优化,所以建议今后直接学SPFA。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Bellman-Ford算法的复杂度又过高,SPFA算法便派上用场了。

    思路:
       简洁起见,我们约定有向加权图G不存在负权回路,即最短路径一定存在。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。
    和上文一样,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3 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。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)
    刚才我们只是笼统地说SPFA算法在效率上有过人之处,那么到底它的复杂度是怎样的?
      定理4 在平均情况下,SPFA算法的期望时间复杂度为O(E)。
    证明:上述算法每次取出队首结点u,并访问u的所有临结点的复杂度为O(d),其中d为点u的出度。运用均摊分析的思想,对于|V|个点|E|条边的图,点的平均出度为,所以每处理一个点的复杂度为O( )。假设结点入队的次数h,显然h随图的不同而不同。但它仅与边的权值分布有关。我们设 h=kV,则算法SPFA的时间复杂度为。在平均的情况下,可以将k看成一个比较小的常数,所以SPFA算法在一般情况下的时间复杂度为O(E)。(证毕)

    聪明的读者一定发现了,SPFA和经过简单优化的Bellman-Ford无论在思想上还是在复杂度上都有相似之处。确实如此。两者的思想都属于标号修正 的范畴。算法是迭代式的,最短路径的估计值都是临时的。算法思想是不断地逼近最优解,只在最后一步才确定想要的结果。但是他们实现的方式上存在差异。正因 为如此,它们的时间复杂度其实有较大差异的。在Bellman-Ford算法中,要是某个点的最短路径估计值更新了,那么我们必须对所有边指向的终点再做一次松弛操作;在SPFA算法中,某个点的最短路径估计值更新,只有以该点为起点的边指向的终点需要再做一次松弛操作。在极端情况下,后者的效率将是前者的n倍,一般情况下,后者的效率也比前者高出不少。基于两者在思想上的相似,可以这样说,SPFA算法其实是Bellman-Ford算法的一个进一步优化的版本。

    算法流程

    算法大致流程是用一个队列来进行维护。初始时将源加入队列。每次从队列中取出一个元素,并对所有与他相邻的点进行松弛,若某个相邻的点松弛成功,则将其入队。直到队列为空时算法结束。

    这个算法,简单的说就是队列优化的bellman-ford,利用了每个点不会更新次数太多的特点发明的此算法

    SPFA——Shortest Path Faster Algorithm,它可以在O(kE)的时间复杂度内求出源点到其他所有点的最短路径,可以处理负边。SPFA的实现甚至比Dijkstra或者Bellman_Ford还要简单:

    设Dist代表S到I点的当前最短距离,Fa代表S到I的当前最短路径中I点之前的一个点的编号。开始时Dist全部为+∞,只有Dist[S]=0,Fa全部为0。

    维护一个队列,里面存放所有需要进行迭代的点。初始时队列中只有一个点S。用一个布尔数组记录每个点是否处在队列中。

    每次迭代,取出队头的点v,依次枚举从v出发的边v->u,设边的长度为len,判断Dist[v]+len是否小于 Dist[u],若小于则改进Dist[u],将Fa[u]记为v,并且由于S到u的最短距离变小了,有可能u可以改进其它的点,所以若u不在队列中,就将它放入队尾。这样一直迭代下去直到队列变空,也就是S到所有的最短距离都确定下来,结束算法。若一个点入队次数超过n,则有负权环

    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情况,k在2左右。 

    代码:

    存图的方式我是利用链式向前星的方式存图的,下面是代码:

    #include
    #include
    #include
    #define Maxn 100
    #define Maxm 10000
    #define Max 10000

    int used[Maxn],outqueue[Maxn],head[Maxn],queue[Maxn],low[Maxn],n,m;

    struct Edge
    {
           int to,w,next;
    }edge[Maxm];

    bool SPFA(int start)
    {
         int i =0, iq = 0;
         used[start] = 1;
         queue[iq++] = start;
         low[start] = 0;
         while (i != iq)
         {
               int top = queue[i];
               used[top] = 0;
               outqueue[top]++;//用来判断是否有环路
               if (outqueue[top] > n) return false;
               for (int k = head[top]; k != -1; k = edge[k].next)//宽搜每条边
               {
                   if (low[edge[k].to] > low[top] + edge[k].w)//对点进行松驰
                      low[edge[k].to] = low[top] + edge[k].w;
                   if (!used[edge[k].to])
                   {
                      used[edge[k].to] = 1;
                      queue[iq++] = edge[k].to;
                   }
               }
               i++;
          }
          return true;
    }
    int main()
    {
        while (scanf ("%d%d", &n ,&m) != EOF)
        {
              memset (used, 0 ,sizeof(used));
              memset (head, -1 ,sizeof(head));
              memset (outqueue, 0 ,sizeof(outqueue));
              memset (low, Max, sizeof(low));
              int k = 0;
              while (m--)
              {
                    int a,b,w;
                    scanf ("%d%d%d", &a, &b, &w);
                    edge[k].to = b;
                    edge[k].w = w;
                    edge[k].next = head[a];
                    head[a] = k++;
              }
              if (SPFA(1))
                 printf ("%d ", low[n]);
              else
                 printf ("不存在最短 ");
        }
    }

    刚才那个代码是最短路里面效率最高的,为了提高效率,队列那个是自己写的,而不是调用stl里面的,但是看起来比较难,很难读懂,下面是用stl里面的queue写的。

     

         完整代码:

    // SPFA算法
    
    #include <stdio.h>
    #include <string.h>
    #include <stdlib.h>
    #include <queue>
    #include <algorithm>
    
    #define Maxn 100
    #define Maxm 10000
    #define Max 10000
    
    using namespace std;
    
    int used[Maxn],outqueue[Maxn];
    int head[Maxn],low[Maxn];
    int n,m;
    
    struct Edge
    {
           int to, w, next ;
    }edge[Maxm];
    
    bool SPFA (int start)
    {
         queue<int>a ;
         used[start] = 1;
         low[start] = 0;
         a.push(start);
         while (!a.empty())
         {
               int top = a.front();
               a.pop();
               outqueue[top]++;
               if (outqueue[top] > n) return false;
               for (int k = head[top]; k!= -1; k = edge[k].next)
               {
                   if (low[edge[k].to] > low[top] + edge[k].w)
                      low[edge[k].to] = low[top] + edge[k].w;
                   if (!used[edge[k].to])
                   {
                       used[edge[k].to] = 1;
                       a.push(edge[k].to);
                   }
               }
         }
         return true;
    }
    int main()
    {
        while (scanf ("%d %d", &n ,&m) != EOF)
        {
              memset (used, 0 ,sizeof(used));
              memset (head, -1 ,sizeof(head));
              memset (outqueue, 0 ,sizeof(outqueue));
              memset (low, Max, sizeof(low));
              int k = 0;
              while (m--)
              {
                    int a,b,w;
                    scanf ("%d %d %d", &a, &b, &w);
                    edge[k].to = b;
                    edge[k].w = w;
                    edge[k].next = head[a];
                    head[a] = k++;
              }
              if (SPFA(1))
                 printf ("%d
    ", low[n]);
              else
                 printf ("不存在最短
    ");
        }
        return 0;
    }
    
  • 相关阅读:
    linux下的shell 快捷键
    Python3.x和Python2.x的区别
    [Python2.x] 利用commands模块执行Linux shell命令
    redis缓存策略
    高并发解决方案
    java8 lambda表达式应用
    java读写分离的实现
    数据库读写分离
    大数据量处理方案:分布式数据库
    google的CacheBuilder缓存
  • 原文地址:https://www.cnblogs.com/yspworld/p/3926551.html
Copyright © 2011-2022 走看看