mirror of
https://github.com/youngyangyang04/leetcode-master.git
synced 2025-07-06 15:09:40 +08:00
Merge pull request #2856 from holic-x/master
docs：补充【0096-城市间货物运输III】JAVA版本的SPFA思路
This commit is contained in:
程序员Carl
@ -702,6 +702,125 @@ public class Main {
|
||||
|
||||
```
|
||||
|
||||
```java
|
||||
class Edge {
|
||||
public int u; // 边的端点1
|
||||
public int v; // 边的端点2
|
||||
public int val; // 边的权值
|
||||
|
||||
public Edge() {
|
||||
}
|
||||
|
||||
public Edge(int u, int v) {
|
||||
this.u = u;
|
||||
this.v = v;
|
||||
this.val = 0;
|
||||
}
|
||||
|
||||
public Edge(int u, int v, int val) {
|
||||
this.u = u;
|
||||
this.v = v;
|
||||
this.val = val;
|
||||
}
|
||||
}
|
||||
|
||||
/**
|
||||
* SPFA算法（版本3）：处理含【负权回路】的有向图的最短路径问题
|
||||
* bellman_ford（版本3） 的队列优化算法版本
|
||||
* 限定起点、终点、至多途径k个节点
|
||||
*/
|
||||
public class SPFAForSSSP {
|
||||
|
||||
/**
|
||||
* SPFA算法
|
||||
*
|
||||
* @param n 节点个数[1,n]
|
||||
* @param graph 邻接表
|
||||
* @param startIdx 开始节点（源点）
|
||||
*/
|
||||
public static int[] spfa(int n, List<List<Edge>> graph, int startIdx, int k) {
|
||||
// 定义最大范围
|
||||
int maxVal = Integer.MAX_VALUE;
|
||||
// minDist[i] 源点到节点i的最短距离
|
||||
int[] minDist = new int[n + 1]; // 有效节点编号范围：[1,n]
|
||||
Arrays.fill(minDist, maxVal); // 初始化为maxVal
|
||||
minDist[startIdx] = 0; // 设置源点到源点的最短路径为0
|
||||
|
||||
// 定义queue记录每一次松弛更新的节点
|
||||
Queue<Integer> queue = new LinkedList<>();
|
||||
queue.offer(startIdx); // 初始化：源点开始（queue和minDist的更新是同步的）
|
||||
|
||||
|
||||
// SPFA算法核心：只对上一次松弛的时候更新过的节点关联的边进行松弛操作
|
||||
while (k + 1 > 0 && !queue.isEmpty()) { // 限定松弛 k+1 次
|
||||
int curSize = queue.size(); // 记录当前队列节点个数（上一次松弛更新的节点个数，用作分层统计）
|
||||
while (curSize-- > 0) { //分层控制，限定本次松弛只针对上一次松弛更新的节点，不对新增的节点做处理
|
||||
// 记录当前minDist状态，作为本次松弛的基础
|
||||
int[] minDist_copy = Arrays.copyOfRange(minDist, 0, minDist.length);
|
||||
|
||||
// 取出节点
|
||||
int cur = queue.poll();
|
||||
// 获取cur节点关联的边，进行松弛操作
|
||||
List<Edge> relateEdges = graph.get(cur);
|
||||
for (Edge edge : relateEdges) {
|
||||
int u = edge.u; // 与`cur`对照
|
||||
int v = edge.v;
|
||||
int weight = edge.val;
|
||||
if (minDist_copy[u] + weight < minDist[v]) {
|
||||
minDist[v] = minDist_copy[u] + weight; // 更新
|
||||
// 队列同步更新（此处有一个针对队列的优化:就是如果已经存在于队列的元素不需要重复添加）
|
||||
if (!queue.contains(v)) {
|
||||
queue.offer(v); // 与minDist[i]同步更新，将本次更新的节点加入队列，用做下一个松弛的参考基础
|
||||
}
|
||||
}
|
||||
}
|
||||
}
|
||||
// 当次松弛结束，次数-1
|
||||
k--;
|
||||
}
|
||||
|
||||
// 返回minDist
|
||||
return minDist;
|
||||
}
|
||||
|
||||
public static void main(String[] args) {
|
||||
// 输入控制
|
||||
Scanner sc = new Scanner(System.in);
|
||||
System.out.println("1.输入N个节点、M条边（u v weight）");
|
||||
int n = sc.nextInt();
|
||||
int m = sc.nextInt();
|
||||
|
||||
System.out.println("2.输入M条边");
|
||||
List<List<Edge>> graph = new ArrayList<>(); // 构建邻接表
|
||||
for (int i = 0; i <= n; i++) {
|
||||
graph.add(new ArrayList<>());
|
||||
}
|
||||
while (m-- > 0) {
|
||||
int u = sc.nextInt();
|
||||
int v = sc.nextInt();
|
||||
int weight = sc.nextInt();
|
||||
graph.get(u).add(new Edge(u, v, weight));
|
||||
}
|
||||
|
||||
System.out.println("3.输入src dst k（起点、终点、至多途径k个点）");
|
||||
int src = sc.nextInt();
|
||||
int dst = sc.nextInt();
|
||||
int k = sc.nextInt();
|
||||
|
||||
// 调用算法
|
||||
int[] minDist = SPFAForSSSP.spfa(n, graph, src, k);
|
||||
// 校验起点->终点
|
||||
if (minDist[dst] == Integer.MAX_VALUE) {
|
||||
System.out.println("unreachable");
|
||||
} else {
|
||||
System.out.println("最短路径：" + minDist[n]);
|
||||
}
|
||||
}
|
||||
}
|
||||
```
|
||||
|
||||
|
||||
|
||||
### Python
|
||||
```python
|
||||
def main():
|
||||
|
||||
@ -424,6 +424,71 @@ floyd算法的时间复杂度相对较高，适合 稠密图且源点较多的
|
||||
|
||||
### Java
|
||||
|
||||
- 基于三维数组的Floyd算法
|
||||
|
||||
```java
|
||||
public class FloydBase {
|
||||
|
||||
// public static int MAX_VAL = Integer.MAX_VALUE;
|
||||
public static int MAX_VAL = 10005; // 边的最大距离是10^4(不选用Integer.MAX_VALUE是为了避免相加导致数值溢出)
|
||||
|
||||
public static void main(String[] args) {
|
||||
// 输入控制
|
||||
Scanner sc = new Scanner(System.in);
|
||||
System.out.println("1.输入N M");
|
||||
int n = sc.nextInt();
|
||||
int m = sc.nextInt();
|
||||
|
||||
System.out.println("2.输入M条边");
|
||||
|
||||
// ① dp定义（grid[i][j][k] 节点i到节点j 可能经过节点K（k∈[1,n]））的最短路径
|
||||
int[][][] grid = new int[n + 1][n + 1][n + 1];
|
||||
for (int i = 1; i <= n; i++) {
|
||||
for (int j = 1; j <= n; j++) {
|
||||
for (int k = 0; k <= n; k++) {
|
||||
grid[i][j][k] = grid[j][i][k] = MAX_VAL; // 其余设置为最大值
|
||||
}
|
||||
}
|
||||
}
|
||||
|
||||
// ② dp 推导：grid[i][j][k] = min{grid[i][k][k-1] + grid[k][j][k-1], grid[i][j][k-1]}
|
||||
while (m-- > 0) {
|
||||
int u = sc.nextInt();
|
||||
int v = sc.nextInt();
|
||||
int weight = sc.nextInt();
|
||||
grid[u][v][0] = grid[v][u][0] = weight; // 初始化（处理k=0的情况） ③ dp初始化
|
||||
}
|
||||
|
||||
// ④ dp推导：floyd 推导
|
||||
for (int k = 1; k <= n; k++) {
|
||||
for (int i = 1; i <= n; i++) {
|
||||
for (int j = 1; j <= n; j++) {
|
||||
grid[i][j][k] = Math.min(grid[i][k][k - 1] + grid[k][j][k - 1], grid[i][j][k - 1]);
|
||||
}
|
||||
}
|
||||
}
|
||||
|
||||
System.out.println("3.输入[起点-终点]计划个数");
|
||||
int x = sc.nextInt();
|
||||
|
||||
System.out.println("4.输入每个起点src 终点dst");
|
||||
|
||||
while (x-- > 0) {
|
||||
int src = sc.nextInt();
|
||||
int dst = sc.nextInt();
|
||||
// 根据floyd推导结果输出计划路径的最小距离
|
||||
if (grid[src][dst][n] == MAX_VAL) {
|
||||
System.out.println("-1");
|
||||
} else {
|
||||
System.out.println(grid[src][dst][n]);
|
||||
}
|
||||
}
|
||||
}
|
||||
}
|
||||
```
|
||||
|
||||
|
||||
|
||||
### Python
|
||||
|
||||
基于三维数组的Floyd
|
||||
|
||||
Reference in New Issue
Block a user