spfa
https://blog.csdn.net/muxidreamtohit/article/details/7894298
适用范围：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。 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。算法思想：我们用数组d记录每个结点的最短路径估计值，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，直至队列空为止期望的时间复杂度O(ke)， 其中k为所有顶点进队的平均次数，可以证明k一般小于等于2。实现方法：建立一个队列，初始时队列里只有起始点，再建立一个表格记录起始点到所有点的最短路径（该表格的初始值要赋为极大值，该点到他本身的路径赋为0）。然后执行松弛操作，用队列里有的点作为起始点去刷新到所有点的最短路，如果刷新成功且被刷新点不在队列中则把该点加入到队列最后。重复执行直到队列为空。判断有无负环：如果某个点进入队列的次数超过N次则存在负环（SPFA无法处理带负环的图）
最终a到g的最短路径为１４
SPFA(Shortest Path faster Algorithm) [图的存储方式为邻接表]
是Bellman-Ford算法的一种队列实现，减少了不必要的冗余计算。
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。
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 在形式上和BFS非常类似，不同的是BFS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。
判断有无负环：如果某个点进入队列的次数超过V次则存在负环（SPFA无法处理带负环的图）。
SPFA算法有两个优化算法 SLF 和 LLL：
SLF：Small Label First 策略，设要加入的节点是j，队首元素为i，若dist(j)<dist(i)，则将j插入队首，
否则插入队尾。
LLL：Large Label Last 策略，设队首元素为i，队列中所有dist值的平均值为x，若dist(i)>x则将i插入
到队尾，查找下一元素，直到找到某一i使得dist(i)<=x，则将i出对进行松弛操作。
引用网上资料，SLF 可使速度提高 15 ~ 20%；SLF + LLL 可提高约 50%。
在实际的应用中SPFA的算法时间效率不是很稳定，为了避免最坏情况的出现，通常使用效率更加稳定的dijkstra算法。
求单源最短路的SPFA算法的全称是：Shortest Path Faster Algorithm。
SPFA算法是西南交通大学段凡丁于1994年发表的。
从名字我们就可以看出，这种算法在效率上一定有过人之处。
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。有人称spfa算法是最短路的万能算法。
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。
我们用数组dis记录每个结点的最短路径估计值，可以用邻接矩阵或邻接表来存储图G，推荐使用邻接表。
spfa的算法思想（动态逼近法）：
设立一个先进先出的队列q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。
松弛操作的原理是著名的定理：“三角形两边之和大于第三边”，在信息学中我们叫它三角不等式。所谓对结点i,j进行松弛，就是判定是否dis[j]>dis[i]+w[i,j]，如果该式成立则将dis[j]减小到dis[i]+w[i,j]，否则不动。
下面举一个实例来说明SFFA算法是怎样进行的：
和广搜bfs的区别：
SPFA 在形式上和广度(宽度)优先搜索非常类似，不同的是bfs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(重新入队)，于是再次用来改进其它的点，这样反复迭代下去。
void spfa(s); //求单源点s到其它各顶点的最短距离
for i=1 to n do { dis[i]=∞; vis[i]=false; } //初始化每点到s的距离，不在队列
dis[s]=0; //将dis[源点]设为0
vis[s]=true; //源点s入队列
head=0; tail=1; q[tail]=s; //源点s入队, 头尾指针赋初值
while head<tail do {
head+1; //队首出队
v=q[head]; //队首结点v
vis[v]=false; //释放对v的标记，可以重新入队
for 每条边(v,i) //对于与队首v相连的每一条边
if (dis[i]>dis[v]+a[v][i]) //如果不满足三角形性质
dis[i] = dis[v] + a[v][i] //松弛dis[i]
if (vis[i]=false) {tail+1; q[tail]=i; vis[i]=true;} //不在队列，则加入队列
} 最短路径本身怎么输出？在一个图中，我们仅仅知道结点A到结点E的最短路径长度，有时候意义不大。这个图如果是地图的模型的话，在算出最短路径长度后，我们总要说明“怎么走”才算真正解决了问题。如何在计算过程中记录下来最短路径是怎么走的，并在最后将它输出呢？
我们定义一个path[]数组，path[i]表示源点s到i的最短路程中，结点i之前的结点的编号(父结点)，我们在借助结点u对结点v松弛的同时，标记下path[v]=u，记录的工作就完成了。
如何输出呢？我们记录的是每个点前面的点是什么，输出却要从最前面到后面输出，这很好办，递归就可以了：
c++ code: void printpath(int k){ if (path[k]!=0) printpath(path[k]); cout << k << ' '; } pascal code: procedure printpath(k:longint); begin if path[k]<>0 then printpath(path[k]); write(k,' '); end;
spfa算法模板(邻接矩阵)： c++ code: void spfa(int s){ for(int i=0; i<=n; i++) dis[i]=99999999; //初始化每点i到s的距离 dis[s]=0; vis[s]=1; q[1]=s; 队列初始化,s为起点 int i, v, head=0, tail=1; while (head<tail){ 队列非空 head++; v=q[head]; 取队首元素 vis[v]=0; 释放队首结点，因为这节点可能下次用来松弛其它节点，重新入队 for(i=0; i<=n; i++) 对所有顶点 if (a[v][i]>0 && dis[i]>dis[v]+a[v][i]){ dis[i] = dis[v]+a[v][i]; 修改最短路 if (vis[i]==0){ 如果扩展结点i不在队列中，入队 tail++; q[tail]=i; vis[i]=1; } } } } pascal code: procedure spfa(s:longint); var i,j,v,head,tail:longint; begin for i:=0 to n do dis[i]:=99999999; dis[s]:=0; vis[s]:=true; q[1]:=s; head:=0;tail:= 1; while head<tail do begin inc(head); v:=q[head]; vis[v]:=false; for i:=0 to n do if dis[i]>dis[v]+a[v,i] then begin dis[i]:= dis[v]+a[v,i]; if not vis[i] then begin inc(tail); q[tail]:=i; vis[i]:=true; end; end; end; end;
pascal code(邻接矩阵)：
var i,n,m,s,t,x,y,z:longint; s:起点;t:终点
a,b:array[0..201,0..201] of longint; b[x,c]存与x相连的第c个边的另一个结点y
q:array[0..10001] of integer; 队列
vis:array[0..201] of boolean; 是否入队的标记
dis:array[0..201] of longint; 到起点的最短路
procedure spfa(s:longint);
var i,j,v,head,tail:longint;
begin
fillchar(q,sizeof(q),0);
fillchar(vis,sizeof(vis),false);
for i:=0 to n do dis[i]:=99999999;
dis[s]:=0; vis[s]:=true; q[1]:=s; 队列的初始状态,s为起点
head:=0;tail:= 1;
while head<tail do 队列不空
begin
inc(head);
v:=q[head]; 取队首元素
vis[v] := false; 释放结点，一定要释放掉，因为这节点有可能下次用来松弛其它节点
for i:=1 to b[v,0] do
if dis[b[v,i]]>dis[v]+a[v,b[v,i]] then
begin
dis[b[v,i]]:=dis[v]+a[v,b[v,i]]; 修改最短路
if not vis[b[v,i]] then 扩展结点入队
begin
inc(tail);
q[tail]:=b[v,i];
vis[b[v,i]]:=true;
end;
end;
end;
end;
begin
read(n, m); //n结点数;m边数
fillchar(a,sizeof(a),0);
for i:=1 to m do
begin
readln(x,y,z); x,y一条边的两个结点;z这条边的权值
if (a[x,y]<>0)and(z>a[x,y]) then continue;如果两顶点间有多条边，保留最小的一条
inc(b[x,0]);b[x,b[x,0]]:=y;a[x,y]:=z; b[x,0]以x为一个结点的边的条数
inc(b[y,0]);b[y,b[y,0]]:=x;a[y,x]:=z;
end;
readln(s,t); 读入起点与终点
spfa(s);
if dis[t]<>99999999 then writeln(dis[t]) else writeln(-1);
end.
C++ code(邻接矩阵)：
#include <iOStream>
using namespace std;
int q[10001], dis[201], a[201][201], b[201][201];
bool vis[201];
int n, m, s, t;
void spfa(int s){
for(int i=0; i<=n; i++) dis[i]=99999999;
dis[s]=0; vis[s]=1; q[1]=s; 队列的初始状态,s为起点
int i, v, head=0, tail=1;
while (head<tail){ 队列不空
head++;
v=q[head]; 取队首元素
vis[v]=0; 释放结点，一定要释放掉，因为这节点有可能下次用来松弛其它节点
for(i=1; i<=b[v][0]; i++)
if (dis[b[v][i]] > dis[v]+a[v][b[v][i]]){
dis[b[v][i]] = dis[v]+a[v][b[v][i]]; 修改最短路
if (vis[b[v][i]]==0){ 扩展结点入队
tail++;
q[tail]=b[v][i];
vis[b[v][i]]=1;
}
}
}
}
int main(){
int x, y, z;
cin >> n >> m; //n结点数;m边数
for(int i=0; i<m; i++){
cin >> x >> y >> z; x,y一条边的两个结点;z这条边的权值
if (a[x][y]!=0 && z>a[x][y]) continue;如果两顶点间有多条边，保留最小的一条
b[x][0]++; b[x][b[x][0]]=y; a[x][y]=z; b[x,0]以x为一个结点的边的条数
b[y][0]++; b[y][b[y][0]]=x; a[y][x]=z;
}
cin >> s >> t; 读入起点与终点
spfa(s);
if (dis[t]!=99999999) cout << dis[t] << endl;
else cout << -1 << endl;
return 0;
}spfa优化——深度优先搜索dfs
在上面的spfa标准算法中，每次更新（松弛）一个结点u时，如果该结点不在队列中，那么直接入队。
但是有负环时，上述算法的时间复杂度退化为O(nm)。能不能改进呢？
那我们试着使用深搜，核心思想为每次从更新一个结点u时，从该结点开始递归进行下一次迭代。
使用dfs优化spfa算法：
pascal code：
procedure spfa(s:longint);
var i:longint;
begin
for i:=1 to b[s,0] do //b[s,0]是从顶点s发出的边的条数
if dis[b[s,i]]>dis[s]+a[s,b[s,i]] then //b[s,i]是从s发出的第i条边的另一个顶点
begin
dis[b[s,i]]:=dis[s]+a[s,b[s,i]];
spfa(b[s,i]);
end;
end;
C++ code：
void spfa(int s){
for(int i=1; i<=b[s][0]; i++) //b[s,0]是从顶点s发出的边的条数
if (dis[b[s][i]>dis[s]+a[s][b[s][i]]){ //b[s,i]是从s发出的第i条边的另一个顶点
dis[b[s][i]=dis[s]+a[s][b[s][i]];
spfa(b[s][i]);
}
}
相比队列，深度优先搜索有着先天优势：在环上走一圈，回到已遍历过的结点即有负环。绝大多数情况下的时间复杂度为O(m)级别。
那我们试着使用深搜，核心思想为每次从更新一个结点u时，从该结点开始递归进行下一次迭代。
对于WorldRings(ACM-ICPC Centrual European 2005)这道题，676个点，100000条边，查找负环dfs仅仅需219ms。
一个简洁的数据结构和算法在一定程度上解决了大问题。
判断存在负环的条件：重新经过某个在当前搜索栈中的结点。
【程序1】畅通工程 laoj1138 spfa算法(dfs)： pascal code： var i,n,m,s,t,x,y,z:longint; a,b:array[0..201,0..201] of longint; q:array[0..10001] of integer; vis:array[0..201] of boolean; dis:array[0..201] of longint; procedure spfa(s:longint); var i:longint; begin for i:=1 to b[s,0] do if dis[b[s,i]]>dis[s]+a[s,b[s,i]] then begin dis[b[s,i]]:=dis[s]+a[s,b[s,i]]; spfa(b[s,i]); end; end; begin read(n, m); fillchar(a,sizeof(a),0); for i:=1 to m do begin readln(x,y,z); if (a[x,y]<>0)and(z>a[x,y]) then continue; inc(b[x,0]);b[x,b[x,0]]:=y;a[x,y]:=z; inc(b[y,0]);b[y,b[y,0]]:=x;a[y,x]:=z; end; readln(s,t); for i:=0 to n do dis[i]:=99999999; dis[s]:=0; spfa(s); if dis[t]<>99999999 then writeln(dis[t]) else writeln(-1); end. C++ code： #include <iostream> using namespace std; int q[10001], dis[201], a[201][201], b[201][201]; bool vis[201]; int n, m, s, t; void spfa(int s){ for(int i=1; i<=b[s][0]; i++) if (dis[b[s][i]] > dis[s]+a[s][b[s][i]]){ dis[b[s][i]] = dis[s]+a[s][b[s][i]]; spfa(b[s][i]); } } int main(){ int x, y, z; cin >> n >> m; for(int i=0; i<m; i++){ cin >> x >> y >> z; if (a[x][y]!=0 && z>a[x][y]) continue; b[x][0]++; b[x][b[x][0]]=y; a[x][y]=z; b[y][0]++; b[y][b[y][0]]=x; a[y][x]=z; } cin >> s >> t; for(int i=0; i<=n; i++) dis[i]=99999999; dis[s]=0; spfa(s); if (dis[t]!=99999999) cout << dis[t] << endl; else cout << -1 << endl; return 0; }
spfa优化——前向星优化
星形（star）表示法的思想与邻接表表示法的思想有一定的相似之处。对每个结点，它也是记录从该结点出发的所有弧，但它不是采用单向链表而是采用一个单一的数组表示。也就是说，在该数组中首先存放从结点1出发的所有弧，然后接着存放从节点2出发的所有孤，依此类推，最后存放从结点n出发的所有孤。对每条弧，要依次存放其起点、终点、权的数值等有关信息。这实际上相当于对所有弧给出了一个顺序和编号，只是从同一结点出发的弧的顺序可以任意排列。此外，为了能够快速检索从每个节点出发的所有弧，我们一般还用一个数组记录每个结点出发的弧的起始地址（即弧的编号）。在这种表示法中，可以快速检索从每个结点出发的所有弧，这种星形表示法称为前向星形（forward star）表示法。
例如，在下图中，仍然假设弧（1,2），（l,3），（2,4），（3,2），（4,3），（4,5），（5,3）和（5,4）上的权分别为8，9，6，4，0，7，6和3。此时该网络图可以用前向星形表示法表示如下：
前向星存储图： #include <iostream> using namespace std; int first[10005]; struct edge{ int point,next,len; } e[10005]; void add(int i, int u, int v, int w){ e[i].point = v; e[i].next = first[u]; e[i].len = w; first[u] = i; } int n,m; int main(){ int u,v,w; cin >> n >> m; for (int i = 1; i <= m; i++){ cin >> u >> v >> w; add(i,u,v,w); } //这段是读入和加入 for (int i = 0; i <= n; i++){ cout << "from " << i << endl; for (int j = first[i]; j; j = e[j].next) //这就是遍历边了 cout << "to " << e[j].point << " length= " << e[j].len << endl; } }https://blog.csdn.net/xunalove/article/details/70045815
相关阅读
A*算法和dijkstra算法都是启发式搜索，dijkstra算法可以看成是广度优先搜索，而A*可以认为是深度优先搜索。 dijkstra就是保证当前节
RSA是目前最有影响力和最常用的公钥加密算法，它能够抵抗到目前为止已知的绝大多数密码攻击，已被ISO推荐为公钥数据加密标准。 RSA算
https://www.lintcode.com/这个网站上面有一些关于算法的题，可以进行日常的练习。
问题描述Huffman树在编码中有着广泛的应用。在这里，我们只关心Huffman树的构造过程。给出一列数{pi}={p0, p1, …, pn-1}，用这列
模拟退火算法(SA)简单介绍，附用python3求解最大值案例
简介 模拟退火算法（Simulate Anneal，SA）是一种通用概率演算法，用来在一个大的搜寻空间内找寻命题的最优解。其思想借鉴于固体的退火