第十八章 SPFA算法以及负环问题(利用dijkstra推导出该算法,超级详细!!)

news2025/1/16 9:11:58

第十八章 SPFA算法以及负环问题

  • 一、dijkstra算法的弊端
  • 二、dijkstra算法的优化
    • 1、SPFA算法
      • (1)算法思路:
      • (2)算法模板:
        • 问题:
        • 模板:
        • 逐行分析:
  • 三、SFPA解决负环问题:
    • 1、什么是负环?
    • 2、如何判断负环?
    • 3、细节处理:
    • 4、模板:
      • (1)问题:
      • (2)模板:
      • (3)分析:

一、dijkstra算法的弊端

我们回顾一下之前的dijkstra算法的证明过程。如果大家没看过之前的dijkstra算法的简易证明的话,作者在这里建议先去看一下。
传送门:
第十六章 Dijkstra算法的讲解以及证明(与众不同的通俗证明)
那么假设你已经看过这篇文章,我们发现,我们将每次松弛操作后的最小距离定义为已经确定的最短路。那么我们的前提就是:
在这里插入图片描述
该公式中的W是正数。那么我们利用一下极限思想,假设存在一个W是负无穷。那么右端的值就是负无穷。此时我们就还能够更新我们的最短路。

因此当我们的图中存在负权边的时候,我们的dijkstra算法是不一定成立的。

那么我们如何基于这种情况对于dijkstra算法进行优化呢?

我们下列的优化是基于之前的优先队列优化过的dijkstra算法,所以如果屏幕前的同学不懂优先队列优化的dijkstra算法的话,建议再去看一下前面的一篇文章:

第十七章 优先队列优化Dijkstra算法

二、dijkstra算法的优化

1、SPFA算法

(1)算法思路:

作者不会在这里直接甩出一个算法让大家硬背。我们看看我们能不能自己推导出SPFA算法呢?

由于负权边的存在,我们不能再保证每次松弛过后的最小值是最短路,解决这个事情很简单。既然你不一定是最短路,那我就接着松弛你喽。只要你无法再松弛了,那必定是最短路了。

既然我们无法保证最小的那个是最短路了,那我们还有必要去选出最小值吗?

答案是没必要的,因为选出最小值不仅无法做到确定最值,还白白增加了时间复杂度。所以我们不再需要优先队列存储,只需要最简单的队列即可。

所以我们的第一个改变就是:不再选出最小值。

接着,那我们怎么知道所有点都无法再继续松弛了呢?此时,我们发现,我们之前在实现优化的dijkstra算法的时候,我们只让松弛过后的点进队列。所以,如果不再入队了,那么就说明这个点无法松弛了,也就是说找到了最短路。因此,当队列为空的时候,就说明已经所有点的最短路都找到了。

这里需要注意两个细节:

出队之后的点还能入队吗?

在我们优化dijkstra的算法中,我们出队的是最小点,此时这个点的最短路确定了,所以不再入队。但是,现在来看,我们的点即使出队了,但依旧无法确定是最小路径,因为你不知道这个点能够利用当前的路再去松弛,因此,出队的点依旧能够再次进队。

接着我们看下面这个例子,再去解决下一个细节。

在这里插入图片描述

我们让第一个点入队,然后让这个点去松弛剩下的点,那么松弛成功的应该是1的邻接点:2,3,5。(证明请看dijkstra算法的文章)
同时也说明,我们此时依旧只需要去松弛邻接点。
此时队列中的元素如下:
在这里插入图片描述

那么接着我们让2出队,去继续松弛。
假设我们2的邻接点都松弛成功了。
在这里插入图片描述
那么此时的队列中,我们惊奇的发现,5进队了两次。好,问题来了,

一个点有没有必要在队列中出现N次?

我们依旧采取前面两篇文章的风格,不主观判断,我们客观分析,那么客观分析的依据就是公式:
在这里插入图片描述
我们先来分析一下:
我们松弛过后,改变的数据是对应点的dis数组,第一个改变后,dis[5]=C1 改变了,当我们再次松弛成功后,dis[5]=C2又发生了改变。
那么当我们第一个d[5]出队列的时候,用的dis[5]是哪个值?答案肯定是C2。因为dis[5]对应的就是一块空间。只不过当2出队前,是C1。2出队后,是C2。也就是说,我们第一个5出队的时候,用的是C2这个数据。
我们第一个5出队的时候,利用这个公式d[U]<=C2+w去松弛了一遍。然后,轮到我们第二个5出队的时候,又利用d[U]<=C2+w去松弛一遍。即两次我们重复了。

因此,某个点无需多个同时存在于队列中。

最后,我们总结一下我们的优化思路:

不断的松弛邻接点,松弛成功的点入队,直到队列为空,说明最短路已经全部找到,其中有两个细节:一是出队的点可以再次入队,二是某个点只需要在队列中同时存在一个。

那么这就是SPFA的算法逻辑!!

恭喜你,自己优化出了一个新的算法!

如果屏幕前的你出生够早,这个算法必定是由你命名的(^ _ ^)。

(2)算法模板:

问题:

在这里插入图片描述

模板:

#include<iostream>
#include<cstring>
#include<queue>
using namespace std;
const int N=1e5+10;
int h[N],e[N],ne[N],w[N],idx;
int dis[N];
bool st[N];
int n,m;
void add(int x,int y,int z)
{
    e[idx]=y,ne[idx]=h[x],w[idx]=z,h[x]=idx++;
}
bool SPFA()
{
    memset(dis,0x3f,sizeof dis);
    queue<int>q;
    q.push(1),dis[1]=0;
    st[1]=true;
    while(!q.empty())
    {
        int t=q.front();
        q.pop();
        st[t]=false;
        for(int i=h[t];i!=-1;i=ne[i])
        {
            if(dis[e[i]]>dis[t]+w[i])
            {
                dis[e[i]]=dis[t]+w[i];
                if(!st[e[i]])q.push(e[i]);
                st[e[i]]=true;
            }
        }
    }
    if(dis[n]>0x3f3f3f3f/2)return false;
    else return true;   
}

int main()
{
    memset(h,-1,sizeof h);
    cin>>n>>m;
    for(int i=0;i<m;i++)
    {
        int a,b,c;
        scanf("%d%d%d",&a,&b,&c);
        add(a,b,c);
    }
    if(SPFA())cout<<dis[n]<<endl;
    else puts("impossible");
}

逐行分析:

在这里插入图片描述

SPFA的平均时间复杂度是O(Km),m为边数,K为每个点的平均入队次数。这是相当高效的!
该效率甚至超过了堆优化版的dijkstra算法。但是,这个算法能够取代dijkstra吗?

答案是不能的。

在最坏情况下,即每个点入队n次。**那么此时的时间复杂度是O(mn)**这个时间复杂度就是相当高了,而堆优化的dijkstra是O(mlogn)。

三、SFPA解决负环问题:

1、什么是负环?

在这里插入图片描述
上述这个环每走一圈,最短路 - 2 。因此,我们可以围着这个圈旋转无数次,那么我们的最短路就到负无穷了。因此,这种情况是没有最短路的。

2、如何判断负环?

存在最短路的话,一定是没有与源点相通的负环的,那么我们此时从源点引出的最短路经过的边长最多为n-1。

为什么?

在这里插入图片描述
假设这是一个图,那么这个环是每走一圈都会回到C点,而每走一圈,路程+4。那么从最上面的点,到最后一个点的最短路一定是不走这个环的。所以我们的最短路是一条线。
在这里插入图片描述
而一条线上,n个点之间的边是n-1。所以图中所有最短路的边数最多是n-1。如果存在负环,那么它为了减少路程必定会进环,因此此时的边数必定是大于等于n的。

而这就是我们判断负环的依据:最短路径上经过的边大于等于n

因此,我们只需要在SPFA的算法中,加上一个数组,来存储最短路的边数即可。

3、细节处理:

在这里插入图片描述

这个图中的确存在负环,但是我们的S点出发的最短路不经过这个负环。那么我们的算法在这种情况下就失效了。因此。我们让所有点都进队,此时负环中的点必定也会进队

因此必定会找到这个负环。我们把dis数组全部初始化为正无穷。那么当遇到一个负权边的时候,必定能够松弛成功,因为w是负的,dis又都是正无穷。也就是说我们的dis数组初始值是多少不重要,因为不管你初始化为多少,我给你减去一个数,你必定减小,必定松弛成功。接着它就会围绕这个环不断地转,当走过的边数是n的时候,就是负环了。

4、模板:

(1)问题:

在这里插入图片描述

(2)模板:

#include<iostream>
#include<cstring>
#include<queue>
using namespace std;
const int N=1e5+10;
int h[N],e[2*N],ne[2*N],w[2*N],idx;
bool st[N];
int dis[N],cnt[N];
int n,m;
void add(int x,int y, int d)
{
    e[idx]=y,ne[idx]=h[x],w[idx]=d,h[x]=idx++;
}

bool spfa()
{
    memset(dis,0x3f,sizeof dis);
    queue<int>q;
    for (int i = 1; i <= n; i ++ )
    {
        st[i] = true;
        q.push(i);
    }
    while(!q.empty())
    {
        auto top=q.front();
        q.pop();
        st[top]=false;
        for(int i=h[top];i!=-1;i=ne[i])
        {
            if(dis[e[i]]>dis[top]+w[i])
            {
                dis[e[i]]=dis[top]+w[i];
                cnt[e[i]]=cnt[top]+1;
                if(cnt[e[i]]>=n)return true;
                
                if(!st[e[i]])
                {
                    q.push(e[i]);
                    st[e[i]]=true;
                }
            }
        }
    }
    return false;
}
int main()
{
    memset(h,-1,sizeof h);
    cin>>n>>m;
    while(m--)
    {
        int a,b,c;
        scanf("%d%d%d",&a,&b,&c);
        add(a,b,c);
    }
    if(spfa())puts("Yes");
    else puts("No");

}

(3)分析:

在这里插入图片描述
由于我们一开始入队一个,就是找一个点的最短路,入队n个点那么就是找n个点的最短路,所以此时的最坏时间复杂度是:O(mn2)。这个方式是相当低效的。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/74326.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

uni-clould常用笔记

一&#xff0c;云函数 定义&#xff1a; // hellocf云函数index.js入口文件代码 use strict; exports.main async (event, context) > {//event为客户端上传的参数let c event.a event.breturn {sum: c} // 通过return返回结果给客户端 }调用&#xff1a; // 客户端调…

【Linux】su 和 sudo 命令

su 命令 su 命令作用&#xff1a;在已登录的会话中切换到另外一个用户。 1、su root 切换超级用户root角色&#xff0c;但不切换用户环境。需要输入root角色的密码。 2、su - root 切换root角色&#xff0c;并切换用户环境。 sudo 命令 sudo 命令作用&#xff1a;暂时切…

【树莓派不吃灰】命令篇⑩ 记录Linux常用命令

目录1. 命令格式1.1 mount2. 文件处理命令2.1 ls2.2 mkdir2.3 cd2.4 pwd2.5 rmdir2.6 cp2.7 mv2.8 rm2.9 touch2.10 cat、tac2.11 more、less、head、tail2.12 ln3. 权限管理命令3.1 chmod3.2 chown3.3 chgrp3.4 umask4. 文件搜索命令4.1 find4.2 locate4.3 which4.4 whereis4.…

进阶 - Git的标签管理

本篇文章&#xff0c;是基于我自用Windows&#xff08;Win10&#xff09;系统当做示例演示 本地仓库在&#xff1a;E:\test_git_rep 远程仓库是&#xff1a;gitgithub.com:lili40342/test_git_rep.git 描述测试环境的目的&#xff0c;是更好的解释测试过程&#xff0c;以免对你…

elasticsearch-8.5.2快速入门和kibana-8.5.2的使用

一、 安装 官方安装Elasticsearch&#xff0c;和ES可视化工具kibana。安装下载过程略。 二、 启动Elasticsearch。 windows系统&#xff0c;直接进入到如图目录&#xff0c;然后启动elasticsearch.bat&#xff0c;这个就是ES服务。 启动后&#xff0c;我们可以访问https://…

#438 沸腾客厅:从数字藏品到Web3.0,不止于事件营销

点击文末“阅读原文”即可收听本期节目数字藏品是什么&#xff1f;数字藏品是指使用区块链技术&#xff0c;对应特定的作品、艺术品生成的唯一数字凭证&#xff0c;在保护其数字版权的基础上&#xff0c;实现真实可信的数字化发行、购买、收藏和使用。2022年是天津文化中心成立…

「Redis」10 三大缓存问题、分布式锁

笔记整理自【尚硅谷】Redis 6 入门到精通 超详细 教程 Redis——三大缓存问题、分布式锁 1. 三大缓存 缓存穿透 问题描述 key 对应的数据在数据源并不存在&#xff0c;每次针对此 key 的请求从缓存获取不到&#xff0c;请求都会压到数据源&#xff0c;从而可能压垮数据源。 …

Java入门教程(27)——重写和final关键字

文章目录1.重写(override)2.final关键字实例1&#xff1a;修饰变量实例2.修饰方法实例3.修饰类1.重写(override) 什么是重写呢&#xff0c;顾名思义&#xff0c;子类重写父类的方法&#xff0c;可以用自身行为替换父类行为。方法重写需要符合的条件&#xff1a; 方法名、形参列…

【Linux】静动态库的制作和使用

前言 好久不见&#xff0c;甚是想念~ 本篇文章具体以操作为主&#xff0c;介绍在Linux下如何打包动静态库&#xff0c;并且如何使用这些库&#xff0c;同时&#xff0c;简单的阐述一下原理。让我们开始吧~ 上一篇Linux文章传送地址~ 【Linux】基础IO的理解与操作 - fd_柒海啦的…

复合材料专场 | ABAQUS车载四型复合材料气瓶固化过程的数值模拟分析攻略

复合材料气瓶固化的热场本质上可以认为包含两个阶段&#xff0c;复合材料气瓶表面和周围通过与空气的热对流换热&#xff0c;复合材料与内部塑料芯模以及金属接头的传热。在第一个阶段整体温度较低&#xff0c;热量从表面向复合材料层内部流入&#xff0c;此时固化速率很低&…

Python使用Opencv图像处理方法完成手势识别(三)tkinter制作GUI界面

前面对手势识别已经差不多完成。 这一章来制作一个手势识别GUI界面和说一下精确度不够问题所在。 首先是精确度不够的问题&#xff1a; 让手势更规范&#xff0c;手掌张开点。首先应该调节Hsv阈值&#xff0c;因为手掌和环境颜色与我的可能有差异。调整面积&#xff0c;周长阈…

ADI Blackfin DSP处理器-BF533的开发详解7:SPI接口的驱动和应用(含源代码)

硬件准备 ADSP-EDU-BF533&#xff1a;BF533开发板 AD-HP530ICE&#xff1a;ADI DSP仿真器 软件准备 Visual DSP软件 硬件链接 接口功能介绍 SPI 接口是 4 线串口&#xff0c;可以连接 SPIFLASH&#xff0c;SPI 接口的 AD&#xff0c;DA 等等。ADSP-BF533 的 SPI 接口支持主…

【Python合集系列】爬虫有什么用,网友纷纷给出自己的答案,王老师,我..我想学那个..爬虫。可以嘛?“(代码免费分享)

导语 Hello&#xff0c;大家好呀&#xff01;我是木木子吖&#xff5e; 一个集美貌幽默风趣善良可爱并努力码代码的程序媛一枚。 听说关注我的人会一夜暴富发大财哦~ &#xff08;哇哇哇 这真的爱&#x1f60d;&#x1f60d;&#xff09; 生活中总有些东西值得爬一爬 爬虫…

Java 内存模型之 JMM

—— 计算机存储结构 计算机存储结构&#xff0c;从本地磁盘到主存到 CPU 缓存&#xff0c;也就是硬盘到内存&#xff0c;到CPU&#xff0c;一般对应的程序的操作就是从数据库到内存然后到CPU进行计算CPU拥有多级缓存&#xff0c;&#xff08;CPU和物理主内存的速度不一致&…

群集搭建【LNMP+负载均衡+高可用+跳板机】

目录 项目需求 LNMP部署 web1部署 mysql部署 php部署 nfs部署 LNMP测试 负载均衡与高可用 web2部署 lb1部署 lb2部署 验证群集 跳板机功能 测试跳板机 项目需求 实验目标&#xff1a;根据拓扑图搭建环境&#xff0c;安装论坛&#xff0c;创建证书通过https访问&#xff0c;实现…

一文搞懂 Nginx

文章目录一、前言二、NGINX 指令与上下文2.1 指令2.2 上下文三、NGINX 静态文件处理3.1 静态文件配置3.2 静态文件类型处理四、NGINX 动态路由4.1 Location 匹配4.1.1 前缀匹配4.1.2 精准匹配4.1.3 正则匹配4.1.4 优先前缀匹配4.2 Location 匹配优先级4.2.1 匹配优先级对比4.2.…

学好selenium工具,能实现你想得到的所有事情

文章目录一、介绍背景二、开发与实现2.1、部署开发环境2.2、开始码代码<demo只为提供思路>2.3、思路分析2.4、难点解析三、总结一、介绍背景 情况是这样的&#xff1a;某段时间之前&#xff0c;开发想找我用ui自动化帮他们实现一个功能&#xff1a;在系统某些时候生成报告…

[附源码]计算机毕业设计大学生心理健康测评系统Springboot程序

项目运行 环境配置&#xff1a; Jdk1.8 Tomcat7.0 Mysql HBuilderX&#xff08;Webstorm也行&#xff09; Eclispe&#xff08;IntelliJ IDEA,Eclispe,MyEclispe,Sts都支持&#xff09;。 项目技术&#xff1a; SSM mybatis Maven Vue 等等组成&#xff0c;B/S模式 M…

零基础CSS入门教程(17)——内边距

本章目录1.任务目标2.默认情况3.有内边距4.小结1.任务目标 上一篇介绍了外边距&#xff0c;也就是元素跟相邻元素的距离。 本篇来介绍内边距&#xff0c;顾名思义&#xff0c;内边距是指的元素内部的内容&#xff0c;与元素的边的距离 2.默认情况 <!DOCTYPE html> <…

Velero 系列文章(一):基础

概述 Velero 是一个开源工具&#xff0c;可以安全地备份和还原&#xff0c;执行灾难恢复以及迁移 Kubernetes 集群资源和持久卷。 灾难恢复 Velero 可以在基础架构丢失&#xff0c;数据损坏和/或服务中断的情况下&#xff0c;减少恢复时间。 数据迁移 Velero 通过轻松地将 …