SPFA算法的實現(xiàn)原理及其應用詳解
一、前言
SPFA算法,全稱為Shortest Path Faster Algorithm,是求解單源最短路徑問題的一種常用算法,它可以處理有向圖或者無向圖,邊權可以是正數(shù)、負數(shù),但是不能有負環(huán)。
二、SPFA 算法
1、SPFA算法的基本流程
1. 初始化
首先我們需要起點s到其他頂點的距離初始化為一個很大的值(比如9999999,像是 JAVA 中可以設置 Integer.MAX_VALUE 來使),并將起點s的距離初始化為0。同時,我們還需要將起點s入隊。

2. 迭代
每次從隊列中取出一個頂點u,遍歷所有從u出發(fā)的邊,對于邊(u,v)(其中v為從u可以到達的頂點),如果s->u->v的路徑長度小于s->v的路徑長度,那么我們就更新s->v的路徑長度,并將v入隊。

3. 循環(huán)
不斷進行步驟2,直到隊列為空。
4. 判斷
最后,我們可以得到從起點s到各個頂點的最短路徑長度,如果存在無窮小的距離,則說明從起點s無法到達該頂點。
其次,需要注意的是,SPFA算法中存在負環(huán)問題。如果存在負環(huán),則算法會陷入死循環(huán)。因此,我們需要添加一個計數(shù)器,記錄每個點進隊列的次數(shù)。當一個點進隊列的次數(shù)超過圖中節(jié)點個數(shù)時,就可以判定存在負環(huán)。
2、代碼詳解
以下是使用Java實現(xiàn) SPFA算法的代碼,其中Graph類表示有向圖或無向圖,Vertex類表示圖中的一個頂點,Edge類表示圖中的一條邊。
import java.util.*;
class Graph { // 圖
private List<Vertex> vertices; // 頂點集
public Graph() {
vertices = new ArrayList<Vertex>();
}
public void addVertex(Vertex v) { // 添加頂點
vertices.add(v);
} // 添加頂點
public List<Vertex> getVertices() { // 返回頂點
return vertices;
} // 獲取頂點集
}
class Vertex { // 點
private int id; // 點 id
private List<Edge> edges; // 連接到該頂點的邊
private int distance; // 從源頂點到該頂點的最短距離,MAX_VALUE init
private boolean visited; // 在圖的遍歷過程中是否訪問過該頂點,false init
public Vertex(int id) {
this.id = id;
edges = new ArrayList<Edge>();
distance = Integer.MAX_VALUE;
visited = false;
}
public int getId() { // 獲取 id
return id;
}
public void addEdge(Edge e) { // 將連接到該頂點邊添加到列表中
edges.add(e);
} // 添加圖到邊
public List<Edge> getEdges() { // 獲取連接到該頂點的邊集
return edges;
} // 獲取圖中邊
public int getDistance() { // 獲取從源頂點到該頂點的最短距離
return distance;
} // 獲取源頂點到該頂點的最短距離
public void setDistance(int distance) { //設置最短距離
this.distance = distance;
} // 設置源頂點到該頂點的最短距離
public boolean isVisited() { // 獲取在圖的遍歷過程中是否訪問過該點
return visited;
} // 獲取圖遍歷過程中是否訪問過該點
public void setVisited(boolean visited) { // 設置在圖的遍歷過程中是否訪問過該點
this.visited = visited;
} // 設置圖遍歷過程中是否訪問過該點
}
class Edge { // 邊
private Vertex source; // 源頂點
private Vertex destination; // 目標頂點
private int weight; // 邊的權重
public Edge(Vertex source, Vertex destination, int weight) {
this.source = source;
this.destination = destination;
this.weight = weight;
}
public Vertex getSource() { // 返回源頂點
return source;
} // 獲取源點
public Vertex getDestination() { // 返回目標頂點
return destination;
} // 獲取目標頂點
public int getWeight() { // 獲取邊的權重
return weight;
} // 獲取邊的權重
}
// SPFA 算法
public class SPFA {
public static void spfa(Graph graph, Vertex source) {
// 初始化
Queue<Vertex> queue = new LinkedList<Vertex>(); // 初始化一個頂點隊列,使用該隊列來跟中需要處理的頂點
for (Vertex v : graph.getVertices()) { // 初始化最短距離和是否訪問過該點
v.setDistance(Integer.MAX_VALUE);
v.setVisited(false);
}
source.setDistance(0); // 將源頂點到自身的最短距離設為0
queue.add(source); // 將源頂點添加到隊列中
// 迭代
int count = 0; // 用于檢測圖中的負環(huán),count超過圖中頂點的總數(shù),拋出異常
// 查找從一個源頂點到圖中所有其它頂點的最短路徑
while (!queue.isEmpty()) {
Vertex u = queue.poll(); // 存儲SPFA算法正在處理的頂點,poll 方法將下一個頂點從隊列中取出
u.setVisited(false); // 標記該頂點為未訪問,以便在算法中再次對其處理
// 查找部分,循環(huán)遍歷當前頂點 u 的所有邊
for (Edge e : u.getEdges()) {
Vertex v = e.getDestination(); // 返回邊 e 的目標頂點給 v
int distance = u.getDistance() + e.getWeight(); // 計算源頂點到目標頂點的距離
if (distance < v.getDistance()) {
v.setDistance(distance); // 更新最短距離
if (!v.isVisited()) { // 如果該頂點未被訪問過
queue.add(v); // 將該頂點添加到隊列中
v.setVisited(true); // 標記該頂點已被訪問
count++; // 負環(huán) + 1
if (count > graph.getVertices().size()) { // 檢查 SPFA 算法處理的頂點數(shù)是否大于圖中頂點總數(shù)
throw new RuntimeException("Negative cycle detected");
}
}
}
}
}
}
public static void main(String[] args) {
// 構造圖
Graph graph = new Graph();
// 構造頂點
Vertex s = new Vertex(0);
Vertex a = new Vertex(1);
Vertex b = new Vertex(2);
Vertex c = new Vertex(3);
Vertex d = new Vertex(4);
// 點加邊
s.addEdge(new Edge(s, a, 2));
s.addEdge(new Edge(s, c, 1));
a.addEdge(new Edge(a, b, 3));
b.addEdge(new Edge(b, d, 2));
c.addEdge(new Edge(c, d, 1));
// 邊加點
graph.addVertex(s);
graph.addVertex(a);
graph.addVertex(b);
graph.addVertex(c);
graph.addVertex(d);
// 調(diào)用SPFA算法求解最短路徑
spfa(graph, s);
// 輸出結果
for (Vertex v :graph.getVertices()) {
System.out.println("Shortest distance from source to vertex " + v.getId() + " is " + v.getDistance());
}
}
}上面的代碼實現(xiàn)了SPFA算法,并計算了從給定源點到圖中其他所有頂點的最短路徑。主要思路如下:
- 初始化:將所有頂點的距離設置為正無窮,將源點的距離設置為0,將源點加入隊列。
- 迭代:從隊列中取出一個頂點u,遍歷它的所有鄰居v。如果u到源點的距離加上u到v的邊的權重小于v的距離,則更新v的距離,并將v加入隊列中。如果v已經(jīng)在隊列中,則不需要再次添加。
- 如果隊列為空,則算法結束。如果隊列非空,則回到步驟2。
SPFA算法的時間復雜度取決于負權邊的數(shù)量。如果圖中沒有負權邊,算法的時間復雜度是O(E),其中E是邊的數(shù)量。但是如果圖中有負權邊,算法的時間復雜度將達到O(VE),其中V是頂點的數(shù)量,E是邊的數(shù)量。因此,為了避免算法的時間復雜度變得非常高,應盡可能避免在圖中使用負權邊。
三、SPFA 算法已死
這個問題引發(fā)了很多OI選手和出題人的討論,雖然 SPFA 算法在實際應用中具有一定的優(yōu)勢,但它也有一些缺點,導致它被稱為"已死"的算法之一。以下是幾個原因:
- 可能會進入負環(huán):SPFA 算法可以處理負權邊,但是如果有負權環(huán),算法將無法結束,因為每次都會沿著負權環(huán)一遍一遍地更新距離,導致算法陷入死循環(huán)。
- 時間復雜度不穩(wěn)定:在最壞情況下,SPFA 算法的時間復雜度可以達到 O ( V E ) O(VE) O(VE),其中 V V V 和 E E E 分別是圖中的頂點數(shù)和邊數(shù)。而在最好情況下,時間復雜度只有 O ( E ) O(E) O(E)。因此,SPFA 算法的時間復雜度是不穩(wěn)定的。
- 存在更好的算法:對于單源最短路徑問題,已經(jīng)有更好的算法出現(xiàn),如 Dijkstra 算法和 Bellman-Ford 算法。這些算法在時間復雜度和穩(wěn)定性方面都比 SPFA 算法更優(yōu)秀。
雖然 SPFA 算法在某些情況下可以發(fā)揮出優(yōu)勢,但是它的缺點也是無法忽視的,而且已經(jīng)有更好的算法出現(xiàn),不少大佬也或多或少的對 SPFA 算法進行了優(yōu)化,更多優(yōu)化的內(nèi)容以及最短路徑算法可以在論文中找到。因此,SPFA 算法已經(jīng)不是首選算法,也可以說是已經(jīng)“死亡”了。

到此這篇關于SPFA算法的實現(xiàn)原理及其應用詳解的文章就介紹到這了,更多相關SPFA算法內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家!
相關文章
Spring Boot配置攔截器及實現(xiàn)跨域訪問的方法
這篇文章主要介紹了Spring Boot配置攔截器及實現(xiàn)跨域訪問的方法,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧2018-12-12

