很久没得写这些了，以前写的也找不到了，于是我打算利用晚上的时间从头写。一方面是让自己能更透彻的思考问题，顺便练手，另外一方面也是和大家有个交流机会。最近一段时间我先会写一些经典算法的理解或者题目解题，比如ACM、一些公司面试题目、平时在工作中容易使用到的，也有机会来进行一些问题的讨论。
如果是题解，我会注明题目的出处，有兴趣可以尝试解题并提交代码。题目解题我会优先选用Python编写，部分不支持Python的Online Judge我选用C++。
限于自己的水平，有错误的地方还请指正
言归正传，先从一个简单的题目入手：
特征距离
<题目来源：百度2017秋招，http://exercise.acmcoder.com/... >
问题描述：
在一个无向图G=(V,E)中，定义顶点s到顶点t的特征距离是构成从顶点s->t的最短路径(shortest path)的边集中E'= {e1,e2...en}中最长的边的大小。目标是要找到这个所有最短路径中最大的特征距离。
问题比较明确了，最直接的解决问题思路是直接求出s->t的所有最短路径，再遍历所有的最短路径找出最长的边即可。
首先考虑选择单源点最短路径算法：
(1)Dijkstra
(2)SPFA
该图是一个不含有负权变的无向图，上面两种算法都可以采用，这里选择SPFA，这个算法的算法核心就是对队列中的顶点进行松弛操作：
dist[u] = min{dist[u], dist[v] + edge(u, v).wight}
其实质是如果到达u的最短路径可以由到达顶点v的最短路径加上连接u,v边的权得到，并且比原来的路径更短，那么我们就可以用这条新的路径长度来更新到达u的最短路径，这样的操作称之为松弛操作。然后我们在整个图中不断尝试寻找这样的顶点进行松弛操作，直到不能再发现可以松弛的顶点。
那么考虑能不能在SPFA松弛得到dist[v]的过程中记录到达顶点v的最长的边max_edge[v]呢？那么这样在一次SFPA后，在求得最短路径的同时也得到了题目所求的最长的边。
分析上面的松弛操作后，发现并不容易实现，原因是，对顶点u的任何一次松弛操作都不能确定edge(u,v)是否最终在到达u的最短路径中。由于每次需要获取最大的边，需要不断保留最大的那条边。一旦某个边不再是构成最短路径上的边的时候，那么这个结果就错误了。在松弛过程中去存储全部路径不是一个明智的选择。
我们在SPFA结束后，根据dist[]可以求出所有的最短路径
如果dist[u] == dist[v] + edge(u, v)，那么v必然是从源点到u的最短路径上的一个点。问题就似乎变得比较简单，我们可以从源点开始，来一个DFS，只需要是满足上面这个表达式的边，我们就对其进行扩展，再深搜这个边连接的顶点。当顶点搜索到我们的终点时，就获得一条从s->t的最路径，当DFS结束后可以获得所有路径。那么只需要找出其他最大的就是答案，如果不可达，直接输出No answer
问题至此已经得到解决，使用python提交，1513ms，感觉速度慢了一些
分析了下，可能是最后在DFS所有的最短路径的时候消耗了比较多的时间
由于我们并不关心具体的最短路径，也不关心这样的最短路径有多少条，而是只关心其中的最长的那条边，而这条边必然是所有边中的一条，遂想到枚举所有的边，然后测试该边是否在最短路径中，仍然需要使用dist[u] == dist[v] + edge(u, v)这个条件，但是，如果确定edge(u, v)就在到t的最短路径中呢？
考虑连结这条边的两个顶点u,v，如果dist[s->u] + edge(u, v).wight + dist[v->t]=dist[s->t]的话，显然edge(u,v)这边边在s->t的最短路径中
其中dist[s->u]就是dist[u]，edge(u, v)已知，dist[s->t]就是dist[t]，由于我们所求出的dist都是以s作为源点的，而dist[v->t]需要以v为源点，并且每次枚举不同的顶点v'都需要计算不同的dist[v'->t]，显然行不通，但是我们也发现一个特点是，我们每次都是计算终点为t的最短路径，如果我们把终点t作为源点，把所有边反向做一次SPFA,就只需要计算一次，就可以得到所有的dist[v'->t]，本题是个无向图，处理起来更方便
后面提交，发现效率并没有显著提升，又改为SPFA+heap的方式，仍然没有提高，怀疑是我采用的python的输入方式所导致，中午休息的时候顺手拍了一个CPP的版的，并没有使用heap，然后只需要12ms，可见差距还是比较大。
下面是最后采用SPFA+heap优化的代码，DFS和枚举边的方式都有写：
import heapq
const_idx_vertex = 0
const_idx_wight = 1
def dfs(u, t, vertexes, dist, path, edge_l, res):
if u == t:
#print path
r = 0
for l in edge_l:
r = max(r, l)
res.append(r)
return
for vertex in vertexes[u]:
v = vertex[const_idx_vertex]
w = vertex[const_idx_wight]
if dist[u] + w == dist[v]:
path.append(v)
edge_l.append(w)
dfs(v, t, vertexes, dist, path, edge_l, res)
path.pop()
edge_l.pop()
def spfa(dist, src, n, vertexes):
que = []
in_que = [False for i in range(n + 1)]
que.append(src)
in_que[src] = True
dist[src] = 0
heap = []
heapq.heappush(heap, (0, src))
while len(heap) > 0:
info = heapq.heappop(heap)
u = info[1]
in_que[u] = False
for vertex in vertexes[u]:
v = vertex[const_idx_vertex]
w = vertex[const_idx_wight]
if dist[v] > dist[u] + w or dist[v] < 0:
dist[v] = dist[u] + w
if not in_que[v]:
heapq.heappush(heap, (dist[v], v))
in_que[v] = True
def get_max_edge(dist, dist_rev, vertexes, t, n):
ans = -1
for u in range(1, n + 1):
for vertex in vertexes[u]:
v = vertex[const_idx_vertex]
w = vertex[const_idx_wight]
if dist[u] != -1 and dist_rev[v] != -1 and dist[u] + w + dist_rev[v] == dist[t]:
ans = max(ans, w)
return ans if ans > 0 else "No answer"
def main():
t_cases = int(raw_input())
for t_case in range(t_cases):
temp = raw_input().split(' ')
n = int(temp[0])
m = int(temp[1])
s = int(temp[2])
t = int(temp[3])
vertexes = [[] for i in range(n + 1)]
for i in range(m):
temp = raw_input().split(' ')
u = int(temp[0])
v = int(temp[1])
w = int(temp[2])
vertexes[u].append([v, w])
vertexes[v].append([u, w])
dist = [-1 for i in range(n + 1)]
'''
# Before improved the code
res = []
path = [s]
edge_l = []
ans = -1
spfa(dist, s, n, vertexes)
if dist[t] > 0:
dfs(s, t, vertexes, dist, path, edge_l, res)
for re in res:
ans = max(re, ans)
if ans < 0:
ans = 'No answer'
print 'Case #{}: {}'.format(t_case + 1, ans)
'''
dist_rev = [-1 for i in range(n + 1)]
spfa(dist, s, n, vertexes)
spfa(dist_rev, t, n, vertexes)
print 'Case #{}: {}'.format(t_case + 1, get_max_edge(dist, dist_rev, vertexes, t, n))
if __name__ == '__main__':
main()