图论（二）：图的四种最短路径算法

本文总结了图的几种最短路径算法的实现：深度或广度优先搜索算法，弗洛伊德算法，迪杰斯特拉算法，Bellman-Ford算法

1），深度或广度优先搜索算法（解决单源最短路径）
从起始结点开始访问所有的深度遍历路径或广度优先路径，则到达终点结点的路径有多条，取其中路径权值最短的一条则为最短路径。

下面是核心代码：

void dfs(int cur, int dst){      /***operation***/        /***operation***/      if(minPath < dst) return;//当前走过路径大于之前最短路径，没必要再走下去      if(cur == n){//临界条件          if(minPath > dst) minPath = dst;          return;      }      else{          int i;          for(i = 1; i <= n; i++){              if(edge[cur][i] != inf && edge[cur][i] != 0 && mark[i] == 0){                  mark[i] = 1;                  dfs(i, dst+edge[cur][i]);                  mark[i] = 0;  //需要在深度遍历返回时将访问标志置0                        }          }          return;      }  }  

例1：下面是城市的地图，注意是单向图，求城市1到城市5的最短距离。(引用的是上次总结的图论（一）中1）的例2)

/***先输入n个结点，m条边，之后输入有向图的m条边，边的前两元素表示起始结点，第三个值表权值，输出1号城市到n号城市的最短距离***/  /***算法的思路是访问所有的深度遍历路径，需要在深度遍历返回时将访问标志置0***/  #include <iostream>  #include <iomanip>  #define nmax 110  #define inf 999999999  using namespace std;  int n, m, minPath, edge[nmax][nmax], mark[nmax];//结点数，边数，最小路径，邻接矩阵，结点访问标记  void dfs(int cur, int dst){      /***operation***/        /***operation***/      if(minPath < dst) return;//当前走过路径大于之前最短路径，没必要再走下去      if(cur == n){//临界条件          if(minPath > dst) minPath = dst;          return;      }      else{          int i;          for(i = 1; i <= n; i++){              if(edge[cur][i] != inf && edge[cur][i] != 0 && mark[i] == 0){                  mark[i] = 1;                  dfs(i, dst+edge[cur][i]);                  mark[i] = 0;                          }          }          return;      }  }    int main(){      while(cin >> n >> m && n != 0){          //初始化邻接矩阵          int i, j;          for(i = 1; i <= n; i++){              for(j = 1; j <= n; j++){                  edge[i][j] = inf;              }              edge[i][i] = 0;          }          int a, b;          while(m--){              cin >> a >> b;              cin >> edge[a][b];          }          //以dnf(1)为起点开始递归遍历          memset(mark, 0, sizeof(mark));          minPath = inf;          mark[1] = 1;          dfs(1, 0);          cout << minPath << endl;      }      return 0;  }  

程序运行结果如下：

2），弗洛伊德算法（解决多源最短路径）：时间复杂度O(n^3),空间复杂度O(n^2)
基本思想：最开始只允许经过1号顶点进行中转，接下来只允许经过1号和2号顶点进行中转......允许经过1~n号所有顶点进行中转，来不断动态更新任意两点之间的最短路程。即求从i号顶点到j号顶点只经过前k号点的最短路程。

分析如下：1，首先构建邻接矩阵Floyd[n+1][n+1]，假如现在只允许经过1号结点，求任意两点间的最短路程，很显然Floyd[i][j] = min{Floyd[i][j], Floyd[i][1]+Floyd[1][j]}，代码如下：

for(i = 1; i <= n; i++){for(j = 1; j <= n; j++){if(Floyd[i][j] > Floyd[i][1] + Floyd[1][j])Floyd[i][j] = Floyd[i][1] + Floyd[1][j];}}

2，接下来继续求在只允许经过1和2号两个顶点的情况下任意两点之间的最短距离，在已经实现了从i号顶点到j号顶点只经过前1号点的最短路程的前提下，现在再插入第2号结点，来看看能不能更新更短路径，故只需在步骤1求得的Floyd[n+1][n+1]基础上，进行Floyd[i][j] = min{Floyd[i][j], Floyd[i][2]+Floyd[2][j]}；......
3，很显然，需要n次这样的更新，表示依次插入了1号，2号......n号结点，最后求得的Floyd[n+1][n+1]是从i号顶点到j号顶点只经过前n号点的最短路程。故核心代码如下：

#define inf 99999999for(k = 1; k <= n; k++){for(i = 1; i <= n; i++){for(j = 1; j <= n; j++){if(Floyd[i][k] < inf && Floyd[k][j] < inf && Floyd[i][j] > Floyd[i][k] + Floyd[k][j])Floyd[i][j] = Floyd[i][k] + Floyd[k][j];}}}

例1：寻找最短的从商店到赛场的路线。其中商店在1号结点处，赛场在n号结点处，1~n结点中有m条线路双向连接。

/***先输入n，m，再输入m个三元组，n为路口数，m表示有几条路其中1为商店，n为赛场，三元组分别表起点，终点，该路径长，输出1到n的最短路径***/#include <iostream>using namespace std;#define inf 99999999#define nmax 110int edge[nmax][nmax], n, m;int main(){while(cin >> n >> m && n!= 0){//构建邻接矩阵int i, j;for(i = 1; i <= n; i++){for(j = 1; j <= n; j++){edge[i][j] = inf;}edge[i][i] = 0;}while(m--){cin >> i >> j;cin >> edge[i][j];edge[j][i] = edge[i][j];}//使用弗洛伊德算法int k;for(k = 1; k <= n; k++){for(i = 1; i <= n; i++){for(j = 1; j <= n; j++){if(edge[i][k] < inf && edge[k][j] < inf && edge[i][j] > edge[i][k] + edge[k][j])edge[i][j] = edge[i][k] + edge[k][j];}}}cout << edge[1][n] << endl;}return 0;}

程序运行结果如下：

3），迪杰斯特拉算法（解决单源最短路径）
基本思想：每次找到离源点（如1号结点）最近的一个顶点，然后以该顶点为中心进行扩展，最终得到源点到其余所有点的最短路径。
基本步骤：1，设置标记数组book[]：将所有的顶点分为两部分,已知最短路径的顶点集合P和未知最短路径的顶点集合Q，很显然最开始集合P只有源点一个顶点。book[i]为1表示在集合P中；
2，设置最短路径数组dst[]并不断更新：初始状态下，令dst[i] = edge[s][i](s为源点，edge为邻接矩阵)，很显然此时dst[s]=0，book[s]=1。此时，在集合Q中可选择一个离源点s最近的顶点u加入到P中。并依据以u为新的中心点，对每一条边进行松弛操作(松弛是指由结点s-->j的途中可以经过点u，并令dst[j]=min{dst[j], dst[u]+edge[u][j]})，并令book[u]=1;
3，在集合Q中再次选择一个离源点s最近的顶点v加入到P中。并依据v为新的中心点，对每一条边进行松弛操作(即dst[j]=min{dst[j], dst[v]+edge[v][j]}),并令book[v]=1;
4，重复3，直至集合Q为空。
以下是图示：

核心代码如下所示：

#define inf 99999999/***构建邻接矩阵edge[][],且1为源点***/for(i = 1; i <= n; i++) dst[i] = edge[1][s]；for(i = 1; i <= n; i++) book[i] = 0;book[1] = 1;for(i = 1; i <= n-1; i++){//找到离源点最近的顶点u，称它为新中心点min = inf;for(j = 1; j <= n; j++){if(book[j] == 0 && dst[j] < min){min = dst[j];u = j;}}book[u] = 1;//更新最短路径数组for(k = 1; k <= n; k++){if(edge[u][k] < inf && book[k] == 0){if(dst[k] > dst[u] + edge[u][k])dst[k] = dst[u] + edge[u][k];}}}

例1：给你n个点，m条无向边，每条边都有长度d和花费p，给你起点s，终点t，要求输出起点到终点的最短距离及其花费，如果最短距离有多条路线，则输出花费最少的。
输入：输入n,m，点的编号是1~n,然后是m行，每行4个数 a,b,d,p，表示a和b之间有一条边，且其长度为d，花费为p。最后一行是两个数s,t;起点s，终点 t。n和m为 0 时输入结束。(1<n<=1000, 0<m<100000, s != t)
输出：输出一行，有两个数， 最短距离及其花费。
分析：由于每条边有长度d和花费p，最好构建边结构体存放，此外可以使用邻接链表，使用邻接链表时需要将上面的核心代码修改几个地方：

1，初始化dst[]时使用结点1的邻接链表；
2，更新最短路径数组时，k的范围由1~n变为1~edge[u].size()。先采用邻接矩阵解决此题，再使用邻接表解决此题，两种方法的思路都一样：初始化邻接矩阵或邻接链表，并
初始化最短路径数组dst ----> n-1轮边的松弛中，先找到离新源点最近的中心点u，之后根据中心点u为转折点来更新路径数组。

使用邻接矩阵求解：

/***对于无向图，输入n,m，点的编号是1~n,然后是m行，每行4个数 a,b,d,p，表示a和b之间有一条边，且其长度为d，花费为p。最后一行是两个数s,t;起点s，终点 t。***//***n和m为 0 时输入结束。(1<n<=1000, 0<m<100000, s != t)     输出：输出一行，有两个数， 最短距离及其花费。***/#include <iostream>#include <iomanip>using namespace std;#define nmax 1001#define inf 99999999struct Edge{int len;int cost;};Edge edge[nmax][nmax];int dst[nmax], spend[nmax], book[nmax], n, m, stNode, enNode;int main(){while(cin >> n >> m && n != 0 && m != 0){int a, b, i, j;//构建邻接矩阵和最短路径数组for(i = 1; i <= n; i++){for(j = 1; j <= n; j++){edge[i][j].cost = 0;edge[i][j].len = inf;}edge[i][i].len = 0;}while(m--){cin >> a >> b;cin >> edge[a][b].len >> edge[a][b].cost;edge[b][a].len = edge[a][b].len;edge[b][a].cost = edge[a][b].cost;}cin >> stNode >> enNode;for(i = 1; i <= n; i++){dst[i] = edge[stNode][i].len;spend[i] = edge[stNode][i].cost;}memset(book, 0, sizeof(book));book[stNode] = 1;//开始迪杰斯特拉算法，进行剩余n-1次松弛int k;for(k = 1; k <= n-1; k++){//找离源点最近的顶点uint minNode, min = inf;for(i = 1; i <= n; i++){if(book[i] == 0 && min > dst[i] /* || min == dst[i]&& edge[stNode][min].cost > edge[stNode][i].cost*/){min = dst[i];minNode = i;}}//cout << setw(2) << minNode;book[minNode] = 1;//易错点1，错写成book[i]=1//以中心点u为转折点来更新路径数组和花费数组for(i = 1; i <= n; i++){if(book[i] == 0 && dst[i] > dst[minNode] + edge[minNode][i].len || dst[i] == dst[minNode] + edge[minNode][i].len && spend[i] > spend[minNode] + edge[minNode][i].cost){dst[i] = dst[minNode] + edge[minNode][i].len;//易错点2，错写成dst[i]+spend[i] = spend[minNode] + edge[minNode][i].cost;}}}cout << dst[enNode] << setw(3) << spend[enNode] << endl;}return 0;}

程序运行结果如下：

使用邻接链表求解：

/***对于无向图，输入n,m，点的编号是1~n,然后是m行，每行4个数 a,b,d,p，表示a和b之间有一条边，且其长度为d，花费为p。最后一行是两个数s,t;起点s，终点 t。***//***n和m为 0 时输入结束。(1<n<=1000, 0<m<100000, s != t)     输出：输出一行，有两个数， 最短距离及其花费。***/#include <iostream>#include <iomanip>#include <vector>using namespace std;#define nmax 1001#define inf 99999999struct Edge{int len;int cost;int next;};vector<Edge> edge[nmax];int dst[nmax], spend[nmax], book[nmax], n, m, stNode, enNode;int main(){while(cin >> n >> m && n != 0 && m != 0){int a, b, i, j;//构建邻接表和最短路径数组for(i = 1; i <= n; i++) edge[i].clear();while(m--){Edge tmp;cin >> a >> b;tmp.next = b;cin >> tmp.len >> tmp.cost;edge[a].push_back(tmp);tmp.next = a;edge[b].push_back(tmp);}cin >> stNode >> enNode;for(i = 1; i <= n; i++) dst[i] = inf; //注意2，别忘记写此句来初始化dst[]for(i = 0; i < edge[stNode].size(); i++){//注意1，从下标0开始存元素，误写成i <= edge[stNode].size()dst[edge[stNode][i].next] = edge[stNode][i].len;//cout << dst[2] << endl;spend[edge[stNode][i].next] = edge[stNode][i].cost;}memset(book, 0, sizeof(book));book[stNode] = 1;//开始迪杰斯特拉算法，进行剩余n-1次松弛int k;for(k = 1; k <= n-1; k++){//找离源点最近的顶点uint minnode, min = inf;for(i = 1; i <= n; i++){if(book[i] == 0 && min > dst[i] /* || min == dst[i]&& edge[stnode][min].cost > edge[stnode][i].cost*/){min = dst[i];minnode = i;}}//cout << setw(2) << minnode;book[minnode] = 1;//易错点1，错写成book[i]=1//以中心点u为转折点来更新路径数组和花费数组for(i = 0; i < edge[minnode].size(); i++){int t = edge[minnode][i].next;//别忘了加此句，表示与结点minnode相邻的点if(book[t] == 0 && dst[t] > dst[minnode] + edge[minnode][i].len || dst[t] == dst[minnode] + edge[minnode][i].len && spend[t] > spend[minnode] + edge[minnode][i].cost){dst[t] = dst[minnode] + edge[minnode][i].len;spend[t] = spend[minnode] + edge[minnode][i].cost;}}}cout << dst[enNode] << setw(3) << spend[enNode] << endl;}return 0;}

程序运行结果如下：

使用邻接表时，注意更新dst[]，book[]时要使用邻接表元素对应下标中的next成员，而涉及到权值加减时时需要使用邻接表中的对应下标来取得权值；而使用邻接矩阵就没这么多顾虑了，因为这时候邻接矩阵对应下标和dst[]要更新元素的下标正好一致，都是从1开始编号。

4），Bellman-Ford算法(解决负权边，解决单源最短路径，前几种方法不能求含负权边的图)：：时间复杂度O(nm),空间复杂度O(m)
主要思想：对所有的边进行n-1轮松弛操作，因为在一个含有n个顶点的图中，任意两点之间的最短路径最多包含n-1边。换句话说，第1轮在对所有的边进行松弛后，得到的是从1号顶点只能经过一条边到达其余各定点的最短路径长度。第2轮在对所有的边进行松弛后，得到的是从1号顶点只能经过两条边到达其余各定点的最短路径长度，......
以下是图示：

此外，Bellman_Ford还可以检测一个图是否含有负权回路：如果在进行n-1轮松弛后仍然存在dst[e[i]] > dst[s[i]]+w[i]。算法核心代码如下：

#define inf 999999999for(i = 1; i <= n; i++) dst[i] = inf;dst[1] = 0;for(k = 1; k <= n-1; k++){for(i = 1; i <= m; i++){if(dst[e[i]] > dst[s[i]] + w[i])dst[e[i]] = dst[s[i]] + w[i];}}//检测负权回路flag = 0;for(i = 1; i <= m; i++){if(dst[e[i]] > dst[s[i]] + w[i])flag = 1;}if(flag) cout << "此图含有负权回路";

例1：对图示中含负权的有向图，输出从结点1到各结点的最短路径，并判断有无负权回路。

/***先输入n，m，分别表结点数和边数，之后输入m个三元组，各表起点，终点，边权，输出1号结点到各结点的最短路径****/#include <iostream>#include <iomanip>using namespace std;#define nmax 1001#define inf 99999999int n, m, s[nmax], e[nmax], w[nmax], dst[nmax];int main(){while(cin >> n >> m && n != 0 && m != 0){int i, j;//初始化三个数组：起点数组s[],终点数组e[],权值数组w[],最短路径数组dst[]for(i = 1; i <= m; i++)cin >> s[i] >> e[i] >> w[i];for(i = 1; i <= n; i++)dst[i] = inf;dst[1] = 0;//使用Bellman_Ford算法for(j = 1; j <= n-1; j++){for(i = 1; i <= m; i++){if(dst[e[i]] > dst[s[i]] + w[i])dst[e[i]] = dst[s[i]] + w[i];}}//测试是否有负权回路并输出int flag = 0;for(i = 1; i <= m; i++)if(dst[e[i]] > dst[s[i]] + w[i])flag = 1;if(flag) cout << "此图含有负权回路\n";else{for(i = 1; i <= n; i++){if(i == 1)cout << dst[i];else cout << setw(3) << dst[i];}cout << endl;}}return 0;}

程序运行结果如下：