【算法分析与设计】图：bellman-ford算法
前半部分内容参考自这篇博客
文章目录
- 介绍
- 算法过程
- JAVA实现
- 例题
介绍
Bellman-Ford 算法是一种用于计算带权有向图中单源最短路径（SSSP：Single-Source Shortest Path）的算法。该算法由 Richard Bellman 和 Lester Ford 分别发表于 1958 年和 1956 年，而实际上 Edward F. Moore 也在 1957 年发布了相同的算法，因此，此算法也常被称为 Bellman-Ford-Moore 算法。
Bellman-Ford 算法和 Dijkstra 算法同为解决单源最短路径的算法。对于带权有向图 G = (V, E)，Dijkstra 算法要求图 G 中边的权值均为非负，而 Bellman-Ford 算法能适应一般的情况（即存在负权边的情况）。一个实现的很好的 Dijkstra 算法比 Bellman-Ford 算法的运行时间要低。
Bellman-Ford 算法采用动态规划（Dynamic Programming）进行设计，实现的时间复杂度为 O(V*E)，其中 V 为顶点数量，E 为边的数量。Dijkstra 算法采用贪心算法（Greedy Algorithm）范式进行设计，普通实现的时间复杂度为 O(V2)，若基于 Fibonacci heap 的最小优先队列实现版本则时间复杂度为 O(E + VlogV)。
算法过程
假设图中的顶点A, B, C, D, E，求顶点A到其他顶点的最短距离。首先初始化A到其他顶点的距离为无穷大，同时初始化一个待处理顶点库为【A】：
距离表：
| A | B | C | D | E |
|---|---|---|---|---|
| 0 | ∞ | ∞ | ∞ | ∞ |
顶点库：【A】
处理顶点库中的顶点A：顶点A与B C相邻，它到另外两个节点的距离分别是-1，4均小于∞，故更新距离表，并将顶点B、C加入到顶点库中：
距离表
| A | B | C | D | E |
|---|---|---|---|---|
| 0 | -1 | 4 | ∞ | ∞ |
顶点库
【B，C】
处理顶点库中的顶点B：顶点B与C，D，E相邻，距离分别为3，2，2。由于A-B-C这条路径比A-C这条路径耗时短，故更新顶点C的距离表，同时更新顶点D和E在距离表中的数据，并将顶点D、E加入到顶点库：
距离表
| A | B | C | D | E |
|---|---|---|---|---|
| 0 | -1 | 2 | 1 | 1 |
顶点库
【C、D、E】
处理顶点库中的顶点C：发现C没有通向其他顶点；
更新顶点库为：【D、E】
处理顶点库的顶点D：顶点D通向顶点C，但是对于C来说，经过D的路径比不经过D的路径要费时，所以不做处理；
更新顶点库为：【E】
处理顶点库的顶点E：E通向顶点D，且可以将顶点D的路径成本降低为-2，故更新距离表，并将具有新路径成本的顶点D加入到顶点库中：
路径表：
| A | B | C | D | E |
|---|---|---|---|---|
| 0 | -1 | 2 | -2 | 1 |
顶点库：
【D】
处理顶点库中的订点D：D通向B和C，但是不能将B和C的路径成本进一步降低了，故路径表不更新，同时顶点库中没有其他顶点了，结束整个过程。
JAVA实现
输入：
int[][] weights：二维数组，表示起点、终点及对应的路径权重，例如：
int[][] weights= {
{2,1,1},
{2,3,1},
{3,4,1}
};
表示下面这个图：
N：表示节点的个数，上面这个图的N为4
K：表示起点
输出：
int[] path：从节点K出发，到其他所有节点的最短路径数组。
例如对于上面的图来说，起点为节点2时，输出的path为：
| 0 | 1 | 2 | 3 | 4 |
|---|---|---|---|---|
| 0 | 1 | 0 | 1 | 2 |
class Solution {
public int[] bellmanFord(int[][] weights, int N, int K) {
// 由路径权重数组重构这个图
int[][] graph = new int[N+1][N+1];
for(int i=0;i<N+1;i++)
// graph中的路径权重为-1时表示该边不存在
Arrays.fill(graph[i], -1);
for(int[] w: weights)
graph[w[0]][w[1]] =w[2];
// path[i]表示第K到第i个节点时间
int[] path=new int[N+1];
// 初始时，默认起点到起点的时间为0；起点到其他节点的时间为无穷大
Arrays.fill(path, Integer.MAX_VALUE);
path[K] = 0;
// nodes保存等待处理的节点
Queue<Integer> nodes= new LinkedList<>();
nodes.offer(K);
while(nodes.size()>0) {
int curNode= nodes.poll();
for(int i=1;i<=N;i++) {
if(i==curNode||graph[curNode][i]==-1) continue;
int curPath = path[curNode]+graph[curNode][i];
if(curPath<path[i]) {
nodes.offer(i);
path[i] = curPath;
}
}
}
return path;
}
}
例题
leetcode743
解法