最短路径问题
大家好，这里是新来的工人~
是一个没学过太多算法编程内容的rookie
所以文章的问题也不难，欢迎小白们一起来看
语言用的是C++，当然，算法部分比较重要
希望第一篇文章能写好，
让同为小白的读者读懂吧~
话不多说，那就开始本期的内容吧
目录
01 问题介绍
02 深度优先遍历
03 Floyd算法
04 Dijkstra算法
05 Bellman-Ford算法
06 SPFA算法
07 算法总结
01
问题介绍
简单地说，就是给定一组点，给定每个点间的距离，求出点之间的最短路径。举个例子，乘坐地铁时往往有很多线路，连接着不同的城市。每个城市间距离不一样，我们要试图找到这些城市间的最短路线。
路径问题大概有以下几种：
-
确定起点的最短路径问题：已知起始点，求起点到其他任意点最短路径的问题。即单源最短路径问题。
-
确定终点的最短路径问题：与确定起点的问题相反，该问题是已知终点，求最短路径的问题。在无向图（即点之间的路径没有方向的区别）中该问题与确定起点的问题完全等同，在有向图（路径间有确定的方向）中该问题等同于把所有路径方向反转的确定起点的问题。
-
确定起点终点的最短路径问题：已知起点和终点，求任意两点之间的最短路径。即多源最短路径问题。
我们先说明如何输入一个图，并以此为例：
我们通过这样的形式输入数据：
5 8
1 2 2
1 5 10
2 3 3
2 5 7
3 1 4
3 4 4
4 5 5
5 3 3
其中，第一行表示共有5个点（可以理解为城市），8条边（理解为路）。
注意，这里一行的三个数据分别表示i点，j点，和从i到j的单向距离！单向！单向！
我们直接输出最短路程。（也可以加上标记输出路径）
在具体解决问题之前，我们先要把这些数据存储起来，方便调用。
这里我们直接用一个二维数组来模拟这个图（它的名字叫邻接矩阵）：
|
1 |
2 |
3 |
4 |
5 |
|
|
1 |
0 |
2 |
∞ |
∞ |
10 |
|
2 |
∞ |
0 |
3 |
∞ |
7 |
|
3 |
4 |
∞ |
0 |
4 |
∞ |
|
4 |
∞ |
∞ |
∞ |
0 |
5 |
|
5 |
∞ |
∞ |
3 |
∞ |
0 |
∞表示到达不了。
在图中，第i列第j行表示的是i到j的距离。其中，将到自己的距离定义为0，用无穷定义没有路径连通。存储到数组中，可以通过二维数组表示。
下面我们就开始分别讲解几种解决最短路径问题的经典算法。
02
深度优先遍历（DFS）
我们知道，深度优先搜索常用于走迷宫，是一种遍历全图的暴力方法。同理，我们利用深度优先遍历，也是通过暴力遍历全图的方法来找到最短路径。
因为我们可以在输入数据是对城市进行编号，所以我们将问题的描述改为求从1号城市到5号城市的最短路径长度 。（即初始城市到最后的城市）
我们通过DFS递归函数，从起始1号城市起，不断地判断是否可以通过一个城市到达最后的5号城市（在回溯中判断），然后记录最小路程，不断更新。
关于深度优先搜索的知识在此就不细讲了，有兴趣的朋友可以自行搜索。
这里直接附上C++的代码，讲解见注释。
//DFS解最短路径问题
#include <iostream>using namespace std; const int INF=99999999;//正无穷int minn=INF;int n,dist[105][105],book[105]; void dfs(int cur,int dis){ int j; //一点点优化：如果本次查找的路径到此已经超过前面查找的最短路径总长，就不需要再继续了 if(dis>minn) return; if(cur==n)//到达要查的城市 { minn=min(dis,minn); return; } for(j=1;j<=n;j++)//从1号城市到n号城市依次尝试看是否能通过j到达n { if(dist[cur][j]!=INF&&book[j]==0)//判断当前城市cur到城市j是否有路，并判断城市j是否已经走过 { book[j]=1;//标记已经走过 dfs(j,dis+dist[cur][j]);//从城市j再出发，继续寻找 book[j]=0; } } return;}int main(){ int i,j,m,a,b,c; cin>>n>>m; //初始化二维矩阵 for(i=1;i<=n;i++) for(j=1;j<=n;j++) if(i==j) dist[i][j]=0; //到自己的距离为0 else dist[i][j]=INF; //距离为无限，默认到不了 //读入城市之间的距离 for(i=1;i<=m;i++) { cin>>a>>b>>c; dist[a][b]=c; } //从1号城市出发,接下来就交给函数dfs了~ book[1]=1; dfs(1,0); cout<<minn; return 0;}
可能有人会问，深度优先搜索的兄弟广度优先搜索算法呢？事实上，基于广度优先遍历依照节点到初始点的节点数遍历全图的特点，它能解决没有权值（也就是默认每条路程一样长）的图的最小路径问题，但对有权值的图，BFS很难解决（即使加上minn指标，我们也无法处理“回头”的路径）。我们就不在此讲解了。
贴上运行结果：
03
Floyd算法
Floyd它可以方便地求出任意两点间的距离，求的是多源最短路径。最大的优点就是容易理解和编写，算法的核心代码只有5行：
//核心代码 for(k=1;k<=n;k++) for(i=1;i<=n;i++) for(j=1;j<=n;j++) if(dist[i][k]+dist[k][j]<dist[i][j]) dist[i][j]=dist[i][k]+dist[k][j];
但看了代码后童鞋们会发现，Floyd算法的时间复杂度比较高(n^3)，不适合计算大量数据。
我们可以把Floyd算法理解为“如果两点间的路径长度，大于这两点通通过第三点连接的路径长度，那么就修正这两点的最短路径”。
下面我们来具体讲解一下算法的思路：
在代码中，i，j表示的是我们当前循环中所求的起点、终点。k则是我们引入的“中转点”。为什么要引入中转点呢？因为当我们寻找i、j之间的最短路径时，要么是i、j间的距离，要么就是经过其他点中转：i→k→。。。→j。
为了方便讲解，我们给出一个概念“松弛”：如果dist【i】【j】>dist【i】【k】+dist【k】【j】（e表示两点间的距离），我们把dist【i】【j】更新为dist【i】【k】+dist【k】【j】，达到“经过中转点k后距离缩短，并记录”的目的。
在第1轮循环中，我们以1为中转点，把任意两条边的距离松弛一遍，更新数组数据。
在第2轮循环中，我们以2为中转点，再松弛一遍。这时，对第1轮松弛更新过的数据，如果继续更新，相当于中转到1，2后取得当前最短路径。
。。。。。。
最后得到的数组就是任意两点间的最短路径。
这个时候再看一遍这句话：“如果两点间的路径长度，大于这两点通通过第三点连接的路长度，那么就修正这两点的最短路径。”是不是就能够理解了？
下面放码。
//Floyd算法解最短路径问题 #include <iostream>using namespace std;
const int INF=99999;
int main(){ //读入数据的过程和dfs没什么区别，就不讲解了 int i,j,n,m,k,a,b,c; int dist[105][105]; cin>>n>>m; for(i=1;i<=n;i++) for(j=1;j<=n;j++) if(i==j) dist[i][j]=0; else dist[i][j]=INF; for(i=1;i<=m;i++) { cin>>a>>b>>c; dist[a][b]=c; }
//核心代码 for(k=1;k<=n;k++) for(i=1;i<=n;i++) for(j=1;j<=n;j++) if(dist[i][k]+dist[k][j]<dist[i][j]) dist[i][j]=dist[i][k]+dist[k][j]; for (i=1;i<=n;i++){ for(j=1;j<=n;j++){ cout<<dist[i][j]<<"\t"; } cout<<endl; }
return 0;}
04
Dijkstra算法
Dijkstra 算法主要解决的是单源最短路径问题。它的时间复杂度一般是o(n^2) ，因此相对于Floyd算法速度上有极大的优势，可以处理更多的数据。
算法的核心依旧是上文讲到的“松弛”。只不过松弛的方式略有不同：它通过不断选择距离起点最近的顶点作为新的起点，再利用这些新的起点来松弛其他较远的点，最终计算出所有点到起点最短路径。
这样听起来有点绕，我们基于代码，通过例子来讲解。
我们把点i到起点1的距离定义为dis【i】（现在知道我上面为什么用dist了吧！），用一个book来标记该点是否已经为最短状况，初始化为0（否）
核心代码分为两部分：第一部分判断最小，第二部分进行松弛。
以原题为例：
第一次循环，我们先进入第一部分判断较短距离。第一次到起点1只有2号，5号点有最短距离，分别为2，10。
下一步，我们找到2，5号中到起点1距离较短的点u（这里是2号）。
进入第二部分松弛。对点v，如果v到起点1的距离大于u（即2）到1的距离加上2到v的距离，更新v到原点的距离dis【v】。
开始循环。
在下一次循环中，相当于把点2当作新的起点代替点1，进行上述操作。
可以看出，Dijkstra是一种基于贪心策略的算法，也是一种以DFS为思路的算法。
#贪心算法是指，在对问题求解时，总是做出在当前看来是最好的选择。也就是说，不从整体最优上加以考虑，贪心算法所做出的是在某种意义上的局部最优解。#
为什么下一条次较短路径要这样选择？（贪心准则的正确性）
因为我们算的是到起点的距离，所以所有路径必然要经过与起点最近的2（或不经过任何别的中转点），而相对于2点，5号点距离更远，还有通过2点松弛之后缩短路径的可能性，所以我们直接选择2为新的起点进行下一步松弛。那么，第k次循环就表示松弛了k次，即经过 了k-1个中转点（或k-1条边）才到达起点1，留在dis（）数组中的距离就是经过中转点个数<=k-1（可能无需经过这么多个点就达到）的最短路径。
Dijkstra算法主要特点是以起始点为中心向外层层扩展，从一个顶点到其余各顶点的最短路径算法，直到扩展到最远点（指经过的中转点最多，）为止。（这里就是类似BFS的地方）
选择最短路径顶点的时候依照的是实现定义好的贪心准则，所以该算法也是贪心算法的一种。
还有说法是Dijkstra也属于动态规划。这里我就不发表言论了，因为本小白还不懂(┬＿┬)。
下面给出代码。
//Dijkstra算法解最短路径问题 #include<iostream>using namespace std;
const int INF=99999;
int main(){ int dist[105][105] ; int dis[105] ; int book[105] ; int i,j,n,m,a,b,c,u,v,Min;
cin>>n>>m;
//开始了！！！ for(i = 1;i <= n;i++) //每轮循环计算的是中转点为n-1时的最小点。 for(j = 1;j <= n;j++) if(i == j) dist[i][j] = 0; else dist[i][j] = INF;
for(i = 1;i <= m;i++) { cin>>a>>b>>c; dist[a][b] = c; } for(i = 1;i <= n;i++) dis[i] = dist[1][i];
for(i = 1;i<=n;i++) //初始化标记book book[i] = 0; book[1] = 1;
for(i = 1;i <= n-1;i++) //筛出当前没有访问的并且与上一点直接相连的距离最小的点。 { Min = INF; for(j = 1;j <= n;j++) { if(book[j] == 0&& dis[j] < Min) { Min = dis[j]; u = j; } }
book[u] = 1; for(v = 1;v <= n;v++) //松弛 { if(dist[u][v] < INF) { if(dis[v] > dis[u] + dist[u][v]) dis[v] = dis[u] + dist[u][v]; } } } for(i = 1;i <= n;i++) cout<<dis[i]<<"\t";
return 0;}
05
Bellman－Ford算法
与Floyd算法一样，Dijkstra也有自己的问题，那就是无法处理“路径长度”为负的情况。（当然，城市间的距离不可能为负，但在一些特殊的问题中，路径的长度也可以为负）
为什么呢？以第一次循环为例，我们在第一次判断选择了点2为“新起点”，而没有考虑别的点经过点5达到起点1松弛的可能性。假设，点3到点2的距离为1，点3到点5的距离为-100，那点3经过点5松弛的路径实际上更短，而在Dijkstra中，却被我们忽视了。
所以，我们介绍Bellman－Ford算法来解决这种问题。（而且代码的编写也很简单，我很喜欢~~）
//Bellman－Ford算法核心部分 for(k = 1;k <= n;k++) for(i = 1;i <= m;i++) if(dis[v[i]]>dis[u[i]]+w[i]) dis[v[i]] = dis[u[i]] + w[i]; for(i = 1;i <= m;i++) if(dis[v[i]]>dis[u[i]]+w[i])
我们来讲解一下。
可以从代码中看到Bellman-ford与Dijkstra有相似的地方，都是通过松弛操作来达到最短路径。不同的是，Dijkstra是通过从近到远的顺序来按点的顺序松弛，Bellman-ford则是按输入时对每一条边的顺序来松弛。
代码中的数组u（），v（），w（）分别存储一行输入的三个数据（i点，j点，i到j的单向距离），这意味着在前文提到的邻接矩阵被我们弃用了，dist（）数组不会在这里出现了。
最外轮的k循环表示每次通过k个中转点（这里与Dijkstra相同，同样我们可以理解为经过的边的条数），i循环表示枚举m条边。
看过前面对Dijkstra的讲解，这里应该不难理解了：对每一条编号为i的边，我们比较边i的起点v[i]到起点1的距离dis[v[i]]与边i的另一点u[i]到起点1的距离+ v[i]，u[i]的间距dis[u[i]] + w[i]，更新dis（j）。（好绕。。。）那么，第k次循环就表示松弛了k次，即经过 了k-1个中转点（或k-1条边）才到达起点1，留在dis（）数组中的距离就是经过中转点个数<=k-1（可能无需经过这么多个点就达到）的最短路径。（细心的朋友可以发现这句话在前文中出现过）
下面回到负值路径的问题上。因为我们是通过边为顺序松弛的，在这个过程中没有放弃对任何一条边（在Dijkstra中，我们放弃了部分数据，比如点5到点3的路径），所以不会有忽视的情况，自然也就能处理负值边了~
我们甚至还能判断负权回路（指一个回路的路径总和为负）。
等等，我们是不是还没提过为什么松弛n-1次后一定能得到最短路径？
-
1. 当没有负权回路时，对于超过n-1条边而到达起点1的路径，一定存在正值回路，肯定可以去掉；
-
2. 当有负权回路时，我们可以无限次地在回路里循环，让路径无限小，也就没有“最短路径了”。
因此，n-1次的松弛必然得到最短路径。
我们就基于2来判断负权回路。在循环n-1次后再对每一条边松弛一次，如果有还能继续松弛的边，则存在负权回路。（）
我们来看看完整版代码：
//Bellman－Ford算法解最短路径问题 #include<iostream>using namespace std;
const int INF=99999;
int main(){ int dis[105] , i , k , n , m , u[105] , v[105] , w[105]; bool flag=false; cin>>n>>m;
for(i = 1;i <= m;i++) cin>>u[i]>>v[i]>>w[i];
for(i = 1;i <= n;i++) dis[i] = INF; dis[1] = 0;
//Bellman－Ford算法核心部分 for(k = 1;k <= n;k++) for(i = 1;i <= m;i++) if(dis[v[i]]>dis[u[i]]+w[i]) dis[v[i]] = dis[u[i]] + w[i]; for(i = 1;i <= m;i++) if(dis[v[i]]>dis[u[i]]+w[i]) flag=true;
if (!flag) for(i = 1;i <= n;i++) cout<<dis[i]<<"\t"; else cout<<"存在负权回路！！";
}
06
SPFA算法
呼，终于来到最后一个了。。。
之前我们在谈到Bellman-ford能处理负值路径是提到，Bellman-ford没有放弃对任何一条边的松弛。这虽然不错，但也会是我们优化的一个方向。（具体的说，大神们优化的方向）
我们可以加入一个判断，判断某一条边是否被别的点帮助松弛过，因为只有被松弛过的点才能松弛别的点（被起点松弛也是松弛）。当一个点无法被松弛时，在本次经过k-1条边，它还无法接触到起点1（或者在更早的时候就已经被判断过了），也就没有帮助他人的能力。这是一个递推的过程，需要想明白。如果存在有一个点压根就没能力支援，也就是它本身已经没有存在的价值了，那么我们下次就不用再考虑它了。
注意，在这里我们依然我们始终保留了对负权路径、回路的判断。
我们可以利用队列来存放可以继续帮助松弛的点，舍弃没有利用价值的点。这和BFS是一个道理，一边要保证有k-1轮大循环来控制，一方面又要舍弃旧点增加新点，队列就可以有这个作用。所以当代码写出来是你会惊讶地发现，它和BFS的形式是那么地相似。
也不知道讲明白没，就先放代码吧。
//SPFA解最短路径问题 #include <iostream>using namespace std;
int main(){ int n,m,i,j,k; int dis[105]={0},book[105]={0}; //book数组用来记录哪些顶点已经在队列中 int que[1000]={0},head=1,tail=1;//定义一个队列，并初始化队列 int dist[105][105]; int INF = 99999999; int a,b,c; cin>>n>>m; //初始化 for(i=1;i<=n;i++) dis[i]=INF; dis[1]=0; for(i=1;i<=n;i++) book[i] = 0; //初始化为0，刚开始都不在队列中 //初始化二维矩阵 for(i=1;i<=n;i++) for(j=1;j<=n;j++) if(i==j) dist[i][j]=0; //到自己的距离为0 else dist[i][j]=INF; //距离为无限，默认到不了 //读入城市之间的距离 for(i=1;i<=m;i++) { cin>>a>>b>>c; dist[a][b]=c; } //1号顶点入队 que[tail]=1; tail++; book[1]=1;//标记1号顶点已经入队 while(head<tail){//队列不为空的时候循环 for (i=1;i<=n;i++) if (dist[que[head]][i]!=INF && i!=que[head]) { k=i; // k表示每一条边的对应顶点 if(dis[k]>dist[que[head]][k]+dis[que[head]] ) //判断是否松弛成功 { dis[k]=dist[que[head]][k]+dis[que[head]]; //这的book数组用来判断顶点v[k]是否在队列中 /*如果不使用一个数组来标记的话，判断一个顶点是否在队列中每次 都 需要从队列的head到tail扫一遍，很浪费时间*/ if(book[k]==0)//0表示不在队列中，将顶点v[k]加入队列中 //下面两句为入队操作 { que[tail] = k; tail++; //同时标记顶点v[k]已经入队 book[k] =1; } } } //出队 book[que[head]] = 0; head++; } for(i=1;i<=n;i++) cout<<dis[i]<<"\t"; return 0; }
#网上很多资料提到SPFA都会提到邻接表，这里我为了偷懒就随便讲下啦~~代码中我用的是邻接矩阵存储的，请放心食用。
大致是因为，当图的边数较少时（相对于顶点而言，边数M<顶点数N^2）（我们称为稀疏图，对应稠密图），用这样的方法来存储可以极大地降低时间复杂度。
大致是利用了链表的原理实现的。有兴趣可以自己搜索。#
07
算法总结
这里直接盗用一张网络上的表来总结：
|
Floyd |
Dijkstra |
Bellman-ford |
SPFA |
|
|
空间复杂度 |
O（N²） |
O（M） |
O（M） |
O（M） |
|
时间复杂度 |
O（N³） |
O（（m+n）logN） |
O（MN） |
最坏也是O（NM） |
|
适用情况 |
稠密图和顶点关系密切 |
稠密图和顶点关系密切 |
稀疏图和边关系密切 |
稀疏图和边关系密切 |
|
负权 |
可以 |
不能 |
可以 |
可以 |
|
有负权边时 |
可以处理 不能判断 |
不能处理 不能判断 |
可以处理 可以判断 |
可以处理 可以判断 |
是不是感觉清晰些了？
那么，本期的内容到这里就全部结束了。
这里是新来的工人小舟，
正走在努力学习编程的路上。
让我们下次再见！
#
-The End-
文/怎么学都学不会C++的新手舟
版/怎么赶都赶不完作业的小白舟
码/新来到程序猿声的工人舟
审/这片工地的包工头短短的路走走停停
#
标签：松弛,dist,int,路径,最短,算法,dis 来源： https://blog.51cto.com/u_14328065/2884402
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。