图论：图的四种最短路径算法
本文总结了图的几种最短路径算法的实现：深度或广度优先搜索算法，弗洛伊德算法，迪杰斯特拉算法，Bellman-Ford算法
1），深度或广度优先搜索算法（解决单源最短路径）
从起始结点开始访问所有的深度遍历路径或广度优先路径，则到达终点结点的路径有多条，取其中路径权值最短的一条则为最短路径。
下面是核心代码：
void dfs(int cur, int dst){
/***operation***/
/***operation***/
if(minPath < dst) return;//当前走过路径大于之前最短路径，没必要再走下去
if(cur == n){//临界条件
if(minPath > dst) minPath = dst;
return;
}
else{
int i;
for(i = 1; i <= n; i++){
if(edge[cur][i] != inf && edge[cur][i] != 0 && mark[i] == 0){
mark[i] = 1;
dfs(i, dst+edge[cur][i]);
mark[i] = 0; //需要在深度遍历返回时将访问标志置0
}
}
return;
}
}
/***先输入n个结点，m条边，之后输入有向图的m条边，边的前两元素表示起始结点，第三个值表权值，输出1号城市到n号城市的最短距离***/
/***算法的思路是访问所有的深度遍历路径，需要在深度遍历返回时将访问标志置0***/
#include
#include
#define nmax 110
#define inf 999999999
using namespace std;
int n, m, minPath, edge[nmax][nmax], mark[nmax];//结点数，边数，最小路径，邻接矩阵，结点访问标记
void dfs(int cur, int dst){
/***operation***/
/***operation***/
if(minPath < dst) return;//当前走过路径大于之前最短路径，没必要再走下去
if(cur == n){//临界条件
if(minPath > dst) minPath = dst;
return;
}
else{
int i;
for(i = 1; i <= n; i++){
if(edge[cur][i] != inf && edge[cur][i] != 0 && mark[i] == 0){
mark[i] = 1;
dfs(i, dst+edge[cur][i]);
mark[i] = 0;
}
}
return;
}
}
int main(){
while(cin >> n >> m && n != 0){
//初始化邻接矩阵
int i, j;
for(i = 1; i <= n; i++){
for(j = 1; j <= n; j++){
edge[i][j] = inf;
}
edge[i][i] = 0;
}
int a, b;
while(m--){
cin >> a >> b;
cin >> edge[a][b];
}
//以dnf(1)为起点开始递归遍历
memset(mark, 0, sizeof(mark));
minPath = inf;
mark[1] = 1;
dfs(1, 0);
cout << minPath << endl;
}
return 0;
} 程序运行结果如下：
2），弗洛伊德算法（解决多源最短路径）：时间复杂度O(n^3),空间复杂度O(n^2)
基本思想：最开始只允许经过1号顶点进行中转，接下来只允许经过1号和2号顶点进行中转......允许经过1~n号所有顶点进行中转，来不断动态更新任意两点之间的最短路程。即求从i号顶点到j号顶点只经过前k号点的最短路程。
分析如下：1，首先构建邻接矩阵Floyd[n+1][n+1]，假如现在只允许经过1号结点，求任意两点间的最短路程，很显然Floyd[i][j] = min{Floyd[i][j], Floyd[i][1]+Floyd[1][j]}，代码如下：
for(i = 1; i <= n; i++){
for(j = 1; j <= n; j++){
if(Floyd[i][j] > Floyd[i][1] + Floyd[1][j])
Floyd[i][j] = Floyd[i][1] + Floyd[1][j];
}
} 2， 接下来继续求在只允许经过1和2号两个顶点的情况下任意两点之间的最短距离，在已经实现了从i号顶点到j号顶点只经过前1号点的最短路程的前提下，现在再插入第2号结点，来看看能不能更新更短路径，故只需在步骤1求得的Floyd[n+1][n+1]基础上，进行Floyd[i][j] = min{Floyd[i][j], Floyd[i][2]+Floyd[2][j]}；......
3，很显然，需要n次这样的更新，表示依次插入了1号，2号......n号结点，最后求得的Floyd[n+1][n+1]是从i号顶点到j号顶点只经过前n号点的最短路程。故核心代码如下：
#define inf 99999999
for(k = 1; k <= n; k++){
for(i = 1; i <= n; i++){
for(j = 1; j <= n; j++){
if(Floyd[i][k] < inf && Floyd[k][j] < inf && Floyd[i][j] > Floyd[i][k] + Floyd[k][j])
Floyd[i][j] = Floyd[i][k] + Floyd[k][j];
}
}
} 例1：寻找最短的从商店到赛场的路线。其中商店在1号结点处，赛场在n号结点处，1~n结点中有m条线路双向连接。
/***先输入n，m，再输入m个三元组，n为路口数，m表示有几条路其中1为商店，n为赛场，三元组分别表起点，终点，该路径长，输出1到n的最短路径***/
#include
using namespace std;
#define inf 99999999
#define nmax 110
int edge[nmax][nmax], n, m;
int main(){
while(cin >> n >> m && n!= 0){
//构建邻接矩阵
int i, j;
for(i = 1; i <= n; i++){
for(j = 1; j <= n; j++){
edge[i][j] = inf;
}
edge[i][i] = 0;
}
while(m--){
cin >> i >> j;
cin >> edge[i][j];
edge[j][i] = edge[i][j];
}
//使用弗洛伊德算法
int k;
for(k = 1; k <= n; k++){
for(i = 1; i <= n; i++){
for(j = 1; j <= n; j++){
if(edge[i][k] < inf && edge[k][j] < inf && edge[i][j] > edge[i][k] + edge[k][j])
edge[i][j] = edge[i][k] + edge[k][j];
}
}
}
cout << edge[1][n] << endl;
}
return 0;
} 
3），迪杰斯特拉算法（解决单源最短路径）
基本思想：每次找到离源点（如1号结点）最近的一个顶点，然后以该顶点为中心进行扩展，最终得到源点到其余所有点的最短路径。
基本步骤：1，设置标记数组book[]：将所有的顶点分为两部分,已知最短路径的顶点集合P和未知最短路径的顶点集合Q，很显然最开始集合P只有源点一个顶点。book[i]为1表示在集合P中；
2，设置最短路径数组dst[]并不断更新：初始状态下，令dst[i] = edge[s][i](s为源点，edge为邻接矩阵)，很显然此时dst[s]=0，book[s]=1。此时，在集合Q中可选择一个离源点s最近的顶点u加入到P中。并依据以u为新的中心点，对每一条边进行松弛操作(松弛是指由结点s-->j的途中可以经过点u，并令dst[j]=min{dst[j], dst[u]+edge[u][j]})，并令book[u]=1;
3，在集合Q中再次选择一个离源点s最近的顶点v加入到P中。并依据v为新的中心点，对每一条边进行松弛操作(即dst[j]=min{dst[j], dst[v]+edge[v][j]}),并令book[v]=1;
4，重复3，直至集合Q为空。
以下是图示：
核心代码如下所示：
#define inf 99999999
/***构建邻接矩阵edge[][],且1为源点***/
for(i = 1; i <= n; i++) dst[i] = edge[1][s]；
for(i = 1; i <= n; i++) book[i] = 0;
book[1] = 1;
for(i = 1; i <= n-1; i++){
//找到离源点最近的顶点u，称它为新中心点
min = inf;
for(j = 1; j <= n; j++){
if(book[j] == 0 && dst[j] < min){
min = dst[j];
u = j;
}
}
book[u] = 1;
//更新最短路径数组
for(k = 1; k <= n; k++){
if(edge[u][k] < inf && book[k] == 0){
if(dst[k] > dst[u] + edge[u][k])
dst[k] = dst[u] + edge[u][k];
}
}
}输入：输入n,m，点的编号是1~n,然后是m行，每行4个数 a,b,d,p，表示a和b之间有一条边，且其长度为d，花费为p。最后一行是两个数s,t;起点s，终点 t。n和m为 0 时输入结束。(1
分析：由于每条边有长度d和花费p，最好构建边结构体存放，此外可以使用邻接链表，使用邻接链表时需要将上面的核心代码修改几个地方：
1，初始化dst[]时使用结点1的邻接链表；
2，更新最短路径数组时，k的范围由1~n变为1~edge[u].size()。先采用邻接矩阵解决此题，再使用邻接表解决此题，两种方法的思路都一样：初始化邻接矩阵或邻接链表，并
初始化最短路径数组dst ----> n-1轮边的松弛中，先找到离新源点最近的中心点u，之后根据中心点u为转折点来更新路径数组。
使用邻接矩阵求解：
/***对于无向图，输入n,m，点的编号是1~n,然后是m行，每行4个数 a,b,d,p，表示a和b之间有一条边，且其长度为d，花费为p。最后一行是两个数s,t;起点s，终点 t。***/
/***n和m为 0 时输入结束。(1
#include
using namespace std;
#define nmax 1001
#define inf 99999999
struct Edge{
int len;
int cost;
};
Edge edge[nmax][nmax];
int dst[nmax], spend[nmax], book[nmax], n, m, stNode, enNode;
int main(){
while(cin >> n >> m && n != 0 && m != 0){
int a, b, i, j;
//构建邻接矩阵和最短路径数组
for(i = 1; i <= n; i++){
for(j = 1; j <= n; j++){
edge[i][j].cost = 0;
edge[i][j].len = inf;
}
edge[i][i].len = 0;
}
while(m--){
cin >> a >> b;
cin >> edge[a][b].len >> edge[a][b].cost;
edge[b][a].len = edge[a][b].len;
edge[b][a].cost = edge[a][b].cost;
}
cin >> stNode >> enNode;
for(i = 1; i <= n; i++){
dst[i] = edge[stNode][i].len;
spend[i] = edge[stNode][i].cost;
}
memset(book, 0, sizeof(book));
book[stNode] = 1;
//开始迪杰斯特拉算法，进行剩余n-1次松弛
int k;
for(k = 1; k <= n-1; k++){
//找离源点最近的顶点u
int minNode, min = inf;
for(i = 1; i <= n; i++){
if(book[i] == 0 && min > dst[i] /* || min == dst[i]&& edge[stNode][min].cost > edge[stNode][i].cost*/){
min = dst[i];
minNode = i;
}
}
//cout << setw(2) << minNode;
book[minNode] = 1;//易错点1，错写成book[i]=1
//以中心点u为转折点来更新路径数组和花费数组
for(i = 1; i <= n; i++){
if(book[i] == 0 && dst[i] > dst[minNode] + edge[minNode][i].len || dst[i] == dst[minNode] + edge[minNode][i].len && spend[i] > spend[minNode] + edge[minNode][i].cost){
dst[i] = dst[minNode] + edge[minNode][i].len;//易错点2，错写成dst[i]+
spend[i] = spend[minNode] + edge[minNode][i].cost;
}
}
}
cout << dst[enNode] << setw(3) << spend[enNode] << endl;
}
return 0;
} 
使用邻接链表求解：
/***对于无向图，输入n,m，点的编号是1~n,然后是m行，每行4个数 a,b,d,p，表示a和b之间有一条边，且其长度为d，花费为p。最后一行是两个数s,t;起点s，终点 t。***/
/***n和m为 0 时输入结束。(1
#include
#include
using namespace std;
#define nmax 1001
#define inf 99999999
struct Edge{
int len;
int cost;
int next;
};
vector edge[nmax];
int dst[nmax], spend[nmax], book[nmax], n, m, stNode, enNode;
int main(){
while(cin >> n >> m && n != 0 && m != 0){
int a, b, i, j;
//构建邻接表和最短路径数组
for(i = 1; i <= n; i++) edge[i].clear();
while(m--){
Edge tmp;
cin >> a >> b;
tmp.next = b;
cin >> tmp.len >> tmp.cost;
edge[a].push_back(tmp);
tmp.next = a;
edge[b].push_back(tmp);
}
cin >> stNode >> enNode;
for(i = 1; i <= n; i++) dst[i] = inf; //注意2，别忘记写此句来初始化dst[]
for(i = 0; i < edge[stNode].size(); i++){//注意1，从下标0开始存元素，误写成i <= edge[stNode].size()
dst[edge[stNode][i].next] = edge[stNode][i].len;
//cout << dst[2] << endl;
spend[edge[stNode][i].next] = edge[stNode][i].cost;
}
memset(book, 0, sizeof(book));
book[stNode] = 1;
//开始迪杰斯特拉算法，进行剩余n-1次松弛
int k;
for(k = 1; k <= n-1; k++){
//找离源点最近的顶点u
int minnode, min = inf;
for(i = 1; i <= n; i++){
if(book[i] == 0 && min > dst[i] /* || min == dst[i]&& edge[stnode][min].cost > edge[stnode][i].cost*/){
min = dst[i];
minnode = i;
}
}
//cout << setw(2) << minnode;
book[minnode] = 1;//易错点1，错写成book[i]=1
//以中心点u为转折点来更新路径数组和花费数组
for(i = 0; i < edge[minnode].size(); i++){
int t = edge[minnode][i].next;//别忘了加此句，表示与结点minnode相邻的点
if(book[t] == 0 && dst[t] > dst[minnode] + edge[minnode][i].len || dst[t] == dst[minnode] + edge[minnode][i].len && spend[t] > spend[minnode] + edge[minnode][i].cost){
dst[t] = dst[minnode] + edge[minnode][i].len;
spend[t] = spend[minnode] + edge[minnode][i].cost;
}
}
}
cout << dst[enNode] << setw(3) << spend[enNode] << endl;
}
return 0;
} 程序运行结果如下：
使用邻接表时，注意更新dst[]，book[]时要使用邻接表元素对应下标中的next成员，而涉及到权值加减时时需要使用邻接表中的对应下标来取得权值；而使用邻接矩阵就没这么多顾虑了，因为这时候邻接矩阵对应下标和dst[]要更新元素的下标正好一致，都是从1开始编号。
4），Bellman-Ford算法(解决负权边，解决单源最短路径，前几种方法不能求含负权边的图)：：时间复杂度O(nm),空间复杂度O(m)
主要思想：对所有的边进行n-1轮松弛操作，因为在一个含有n个顶点的图中，任意两点之间的最短路径最多包含n-1边。换句话说，第1轮在对所有的边进行松弛后，得到的是从1号顶点只能经过一条边到达其余各定点的最短路径长度。第2轮在对所有的边进行松弛后，得到的是从1号顶点只能经过两条边到达其余各定点的最短路径长度，......
以下是图示：
此外，Bellman_Ford还可以检测一个图是否含有负权回路：如果在进行n-1轮松弛后仍然存在dst[e[i]] > dst[s[i]]+w[i]。算法核心代码如下：
#define inf 999999999
for(i = 1; i <= n; i++) dst[i] = inf;
dst[1] = 0;
for(k = 1; k <= n-1; k++){
for(i = 1; i <= m; i++){
if(dst[e[i]] > dst[s[i]] + w[i])
dst[e[i]] = dst[s[i]] + w[i];
}
}
//检测负权回路
flag = 0;
for(i = 1; i <= m; i++){
if(dst[e[i]] > dst[s[i]] + w[i])
flag = 1;
}
if(flag) cout << "此图含有负权回路"; 例1：对图示中含负权的有向图，输出从结点1到各结点的最短路径，并判断有无负权回路。
/***先输入n，m，分别表结点数和边数，之后输入m个三元组，各表起点，终点，边权，输出1号结点到各结点的最短路径****/
#include
#include
using namespace std;
#define nmax 1001
#define inf 99999999
int n, m, s[nmax], e[nmax], w[nmax], dst[nmax];
int main(){
while(cin >> n >> m && n != 0 && m != 0){
int i, j;
//初始化三个数组：起点数组s[],终点数组e[],权值数组w[],最短路径数组dst[]
for(i = 1; i <= m; i++)
cin >> s[i] >> e[i] >> w[i];
for(i = 1; i <= n; i++)
dst[i] = inf;
dst[1] = 0;
//使用Bellman_Ford算法
for(j = 1; j <= n-1; j++){
for(i = 1; i <= m; i++){
if(dst[e[i]] > dst[s[i]] + w[i])
dst[e[i]] = dst[s[i]] + w[i];
}
}
//测试是否有负权回路并输出
int flag = 0;
for(i = 1; i <= m; i++)
if(dst[e[i]] > dst[s[i]] + w[i])
flag = 1;
if(flag) cout << "此图含有负权回路\n";
else{
for(i = 1; i <= n; i++){
if(i == 1)
cout << dst[i];
else
cout << setw(3) << dst[i];
}
cout << endl;
}
}
return 0;
} 