标签：dist int 短路 Dijkstra 算法 maxn E2 E1 dis
部分内容参考了李煜东的《算法竞赛进阶指南》，在此声明。
-
单源最短路径
单源最短路径问题，是说，给定一张有向图（无向图）\(G=(V,E)\) ,\(V\) 是点集，\(E\) 是边集，\(|V|=n\)，\(|E|=m\)，节点是 \([1,n]\) 之间的连续整数，\((x,y,z)\) 描述一条从 \(x\) 到 \(y\) 边长为 \(z\) 的有向（无向）边，设 1 号点为起点，求长度为 \(n\) 的数组 \(dist\)，其中 \(dist_i\) 表示从1到 \(i\) 的最短路径的长度。
-
Dijkstra 算法
Dijkstra 算法可以求解不含有负边权单源最短路问题，其本质是贪心。
下面来介绍它的算法实现流程。Dijkstra 算法将图中所有点分为2大类，下面不妨设为集合 \(E1\) 与集合 \(E2\)。其中 \(E1\) 表示的是已经确定最短路径的点，\(E2\) 表示的是还未确定最短路径的点。
Dijkstra 的算法流程如下：- 初始化 \(dist_1=0\)，因为1号点是起点。
- 找出一个点 \(x \in E2\) 且 \(dist_x\) 最小，并将 \(x\) 加入集合 \(E1\)。
- 枚举 \(x\) 的所有出边 \((x,y,z)\) 更新 \(dist_y\) 的值，具体的，若
dist[y] > dist[x] + z则dist[y] = dist[x] + z。 - 重复执行2,3操作直至所有点均被加入 \(E1\) 集合。
这里可能会有人产生疑惑，为什么我们一旦找出 \(x\) 就可以把它加入 \(E1\) 呢，这里就体现出了 Dijkstra 算法的核心与本质，贪心就用在这里。\(x\) 是 \(E2\) 中的点，也就是说 \(dist_x\) 还不确定，看起来好像不能将 \(x\) 加入 \(E1\) 集合，但仔细思考发现，能更新 \(dist_x\) 的点一定不在 \(E1\) 里，因为一旦某个点被加入了 \(E1\) ，那么在这之前，这个点一定会先更新它所能更新的点，所以能更新 \(dist_x\) 的点一定在 \(E2\) 中。其次，\(dist_x\) 是 \(E2\) 中最小的，又因为边权非负，所以 \(E2\) 中的点也无法更新 \(dist_x\) ，综上，\(dist_x\) 无法被任何一个点更新，所以 \(dist_x\) 不会更小，\(x\) 就可以顺利地加入集合 \(E1\) 了。
下面我们分析一下这个算法的复杂度。
根据上面的算法流程可知，在每一轮的循环中，必会有一个点被加入 \(E1\) 中（操作1），而循环终止条件是所有点均被加入集合 \(E1\)，所以，我们最多循环 \(n\) 次。而每一次操作2的复杂度是 \(O(n)\)，所以总复杂度就是 \(O(n^2)\)。\(O(n^2)\) 部分的代码，对应这道模板题：
点击查看代码
#include <bits/stdc++.h> using namespace std; const int maxn = 510,inf = 0x7f7f7f7f; int n,m; int g[maxn][maxn],dis[maxn]; bool vis[maxn]; int dijkstra(){ memset(dis,inf,sizeof(dis)); dis[1] = 0; for(int i = 1;i <= n;i++){ int mn = 0; for(int j = 1;j <= n;j++) if(!vis[j] && (!mn || dis[j] < dis[mn])) mn = j; vis[mn] = 1; for(int j = 1;j <= n;j++) if(!vis[j] && g[mn][j] != inf) dis[j] = min(dis[j],dis[mn] + g[mn][j]); } return dis[n] == inf ? -1 : dis[n]; } int main(){ scanf("%d%d",&n,&m); memset(g,inf,sizeof(g)); int u,v,w; while(m--){ scanf("%d%d%d",&u,&v,&w); g[u][v] = min(g[u][v],w); } printf("%d",dijkstra()); return 0; } 作者：旭日临窗 链接：https://www.acwing.com/activity/content/code/content/3495042/ 来源：AcWing 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。但是在有些题中，点数和边数非常大，通常 \(n \le 10^5 , m \le 10^5\)。我们 \(O(n^2)\) 的代码无法通过，所以下面我们考虑优化。
我们观察 \(O(n^2)\) 的代码，发现复杂度瓶颈在于内层循环，也就是操作2，所以我们重点考虑怎么优化操作2，也就是怎么快速找出 \(E2\) 中最小的 \(dist_x\)。在一个集合中找最小值，你想到了什么数据结构？没错，就是优先队列，或者说小堆根。具体的，每次当执行到操作3，并且 \(dist_y\) 可以被更新的时候，就将 \((y , dist_y)\) 这个二元组，加入优先队列，注意，优先队列默认是大堆根，所以我们可以用
pair <int,int>来储存二元组，并且利用pair的内置比较函数，可以很方便的重载优先队列，将大堆根变成小堆根。这样操作2就变成了在优先队列的队头取出 \(x\) 和 \(dist_x\) 。复杂度可以降至 \(O(m \log n)\)。\(O(m \log n)\) 的代码，对应这道题
点击查看代码
#pragma GCC optimize(2) #include <bits/stdc++.h> #define PII pair <int,int> using namespace std; const int maxn = 2e5 + 10,inf = 0x7f7f7f7f; int n,m,cnt; int head[maxn],dis[maxn]; bool vis[maxn]; struct edge{int to,nxt,w;}e[maxn]; void add(int u,int v,int w){e[cnt] = edge{v,head[u],w};head[u] = cnt++;} priority_queue <PII,vector <PII>,greater <PII> > q; int dijkstra(){ memset(dis,0x7f,sizeof(dis)); dis[1] = 0; q.push({0,1}); while(!q.empty()){ int u = q.top().second;q.pop(); if(vis[u]) continue; vis[u] = 1; for(int i = head[u];~i;i = e[i].nxt){ int v = e[i].to; if(dis[u] + e[i].w < dis[v]){ dis[v] = dis[u] + e[i].w; q.push({dis[v],v}); } } } return dis[n] == inf ? -1 : dis[n]; } int main(){ memset(head,-1,sizeof(head)); scanf("%d%d",&n,&m); int u,v,w; while(m--){ scanf("%d%d%d",&u,&v,&w); add(u,v,w); } printf("%d",dijkstra()); return 0; } 作者：旭日临窗 链接：https://www.acwing.com/activity/content/code/content/3503934/ 来源：AcWing 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
标签：dist,int,短路,Dijkstra,算法,maxn,E2,E1,dis 来源： https://www.cnblogs.com/xrlc-home/p/16653909.html
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。