浅谈 Johnson 算法
前言
Johnson 和 Floyd 一样是用来解决无负环图上的全源最短路。
在稀疏图上的表现远远超过 Floyd,时间复杂度 \(O(nm\log m)\)。
算法本身一点都不复杂(前提是你已经掌握了多种最短路算法),而且正确性很容易证明。
注意:全文多处引自SF dalao 的文章。
再次注意:模板题贴在这里,请熟读题面再看代码。
引入
想想求一个有 \(\leq 3000\) 个点和 \(\leq 6000\) 条边的有负权图的全源最短路,你发现 Floyd \(O(n^3)\) 爆体而亡。
那怎么办办呢...,我们先假设没有负权,然后可以想到一下很暴力的做法:
既然没有负权我们可以用 \(n\) 遍 dijkstra 来解决问题,复杂的 \(O(nm\log m)\),可以接受,20pts 到手。
但是它有负权啊,你这做法有个毛线用啊
所以有一个奇怪的想法滋生在我们的脑海中:如果我们将每一个边权都加上一个定值使之为正呢?
这个想法很直接,乍一想好像还挺有道理,正在你暗暗佩服自己的睿智时,我会告诉你:这是错的。
例如对于下图:\(1\) 到 \(2\) 的最短路为 \(1\to 5\to 3\to 2\)。
但是在所有边权加上 \(5\) 之后呢?
观察上图,发现最短路变成了 \(1\to 4\to 2\),这显然是不对的。
除了有图有真相之外,我们还可以用柯学的方法来解释为什么这是错的:
因为这里的每一条路径增加的并不是一个定值。
例如这里 \(1\to 4\to 2\) 只增加了 \(10\),而 \(1\to 5\to 3\to 2\) 却增加了 \(15\)。
显然在这种情况下,边数少的一条路径更有利,从而导致错误。
那么怎样才能使每一条路径都增加一个定值,每条边权又都变成正数呢?
这就是 Johnson 算法的核心了。
算法概述
Johnson 算法分为两步:
- 预处理势能函数 \(h\)。(人话:跑一遍 spfa)
- 根据势能函数求解全源最短路。(人话:跑 \(n\) 遍 dijkscal)
算法流程
这里先介绍算法流程再介绍正确性,第一遍阅读时能读懂多少就读懂多少,看完下面的证明后再回头看一眼即可。
我们新建一个虚拟节点(在这里我们就设它的编号为 \(0\)),从这个点向其他所有点连一条边权为 \(0\) 的边。
接下来用 Bellman-Ford 算法(spfa 的弱化版)求出从 \(0\) 号点到其他所有点的最短路,记为 \(h_i\)。
假如存在一条从 \(u\) 点到 \(v\) 点,边权为 \(w\) 的边,则我们将该边的边权重新设置为 \(w+h_u-h_v\)。
接下来以每个点为起点,跑 \(n\) 轮 dijkstra 算法即可求出任意两点间的最短路了。
容易看出,该算法的时间复杂度是 \(O(nm\log m)\)。
正确性证明
为什么这样重新标注边权的方式是正确的呢?
提醒一下,本文采用通俗易懂的寓言来描述证明过程,势能什么的还是参考其他人的文章吧。
咳咳,回归正题,为什么这样重新标注边权的方式是正确的呢?
假设重新标记后,\(s\) 到 \(t\) 的路径为 \(s\to p_1\to p_2\to ...\to p_k\to t\)。
那么加权之后的长度表达式为:
\((w(s,p_1)+h_s−h_{p1})+(w(p_1,p_2)+h_{p1}−h_{p2})+⋯+(w(p_k,t)+h_{pk}−h_t)\)
化简后得到:
\(w(s,p_1)+w(p_1,p_2)+ \dots +w(p_k,t)+h_s-h_t\)
那么显然,无论从那个方向走来,\(h_s-h_t\) 始终不变,变化的仅仅是路径上的边权。
即我们引言中的第一个要求:每一条路径都增加一个定值。
接下来我们需要证明新图中所有边的边权非负,因为在非负权图上,dijkstra 算法能够保证得出正确的结果。
根据三角形不等式,新图上任意一边 \((u,v)\) 上两点满足: \(h_v \leq h_u + w(u,v)\)。
这条边重新标记后的边权为 \(w'(u,v)=w(u,v)+h_u-h_v \geq 0\)。这样我们证明了新图上的边权均非负。
至此,我们就证明了 Johnson 算法的正确性。
代码实现
代码实现还是挺简单的,就不做过多介绍了。
#include<cstdio>
#include<algorithm>
#include<cstring>
#include<iostream>
#include<cmath>
#include<queue>
#include<cstdlib>
#define N 30010
#define M 60010
#define INF 1000000000
using namespace std;
int n,m,head[N],cnt=0,sum[N];
long long h[N],dis[N];
bool vis[N];
struct Edge{
int nxt,to,val;
}ed[M];
int read(){
int x=0,f=1;char c=getchar();
while(c<'0' || c>'9') f=(c=='-')?-1:1,c=getchar();
while(c>='0' && c<='9') x=x*10+c-48,c=getchar();
return x*f;
}
void add(int u,int v,int w){
ed[++cnt].nxt=head[u];
ed[cnt].to=v,ed[cnt].val=w;
head[u]=cnt;
return;
}
void spfa(){
queue<int>q;
memset(h,63,sizeof(h));
memset(vis,false,sizeof(vis));
h[0]=0,vis[0]=true;q.push(0);
while(!q.empty()){
int u=q.front();q.pop();
if(++sum[u]>=n){
printf("-1\n");exit(0);
}
vis[u]=false;
for(int i=head[u];i;i=ed[i].nxt){
int v=ed[i].to,w=ed[i].val;
if(h[v]>h[u]+w){
h[v]=h[u]+w;
if(!vis[v]) q.push(v),vis[v]=true;
}
}
}
return;
}
void dijkstra(int s){
priority_queue<pair<long long,int> >q;
for(int i=1;i<=n;i++)
dis[i]=INF;
memset(vis,false,sizeof(vis));
dis[s]=0;
q.push(make_pair(0,s));
while(!q.empty()){
int u=q.top().second;q.pop();
if(vis[u]) continue;
vis[u]=true;
for(int i=head[u];i;i=ed[i].nxt){
int v=ed[i].to,w=ed[i].val;
if(dis[v]>dis[u]+w){
dis[v]=dis[u]+w;
if(!vis[v]) q.push(make_pair(-dis[v],v));
}
}
}
return;
}
int main(){
n=read(),m=read();
int u,v,w;
for(int i=1;i<=m;i++)
u=read(),v=read(),w=read(),add(u,v,w);
for(int i=1;i<=n;i++)
add(0,i,0);
spfa();
for(int u=1;u<=n;u++)
for(int j=head[u];j;j=ed[j].nxt)
ed[j].val+=h[u]-h[ed[j].to];
for(int i=1;i<=n;i++){
dijkstra(i);
long long ans=0;
for(int j=1;j<=n;j++){
if(dis[j]==INF) ans+=(long long)j*INF;
else ans+=(long long)j*(dis[j]+h[j]-h[i]);
}
printf("%lld\n",ans);
}
return 0;
}
结语
例题比较难找,之后遇到了会继续 Update 的,同时希望同学们遇到 Johnson 的题目及时私信告诉我。
注意:全文多处引自SF dalao 的文章。
完结撒花
浅谈 Johnson 算法的更多相关文章
- 浅谈分词算法(5)基于字的分词方法(bi-LSTM)
目录 前言 目录 循环神经网络 基于LSTM的分词 Embedding 数据预处理 模型 如何添加用户词典 前言 很早便规划的浅谈分词算法,总共分为了五个部分,想聊聊自己在各种场景中使用到的分词方法做 ...
- 浅谈分词算法(4)基于字的分词方法(CRF)
目录 前言 目录 条件随机场(conditional random field CRF) 核心点 线性链条件随机场 简化形式 CRF分词 CRF VS HMM 代码实现 训练代码 实验结果 参考文献 ...
- 浅谈分词算法(3)基于字的分词方法(HMM)
目录 前言 目录 隐马尔可夫模型(Hidden Markov Model,HMM) HMM分词 两个假设 Viterbi算法 代码实现 实现效果 完整代码 参考文献 前言 在浅谈分词算法(1)分词中的 ...
- 浅谈分词算法基于字的分词方法(HMM)
前言 在浅谈分词算法(1)分词中的基本问题我们讨论过基于词典的分词和基于字的分词两大类,在浅谈分词算法(2)基于词典的分词方法文中我们利用n-gram实现了基于词典的分词方法.在(1)中,我们也讨论了 ...
- 浅谈Manacher算法与扩展KMP之间的联系
首先,在谈到Manacher算法之前,我们先来看一个小问题:给定一个字符串S,求该字符串的最长回文子串的长度.对于该问题的求解.网上解法颇多.时间复杂度也不尽同样,这里列述几种常见的解法. 解法一 ...
- 浅谈Tarjan算法
从这里开始 预备知识 两个数组 Tarjan 算法的应用 求割点和割边 求点-双连通分量 求边-双连通分量 求强连通分量 预备知识 设无向图$G_{0} = (V_{0}, E_{0})$,其中$V_ ...
- 浅谈KMP算法及其next[]数组
KMP算法是众多优秀的模式串匹配算法中较早诞生的一个,也是相对最为人所知的一个. 算法实现简单,运行效率高,时间复杂度为O(n+m)(n和m分别为目标串和模式串的长度) 当字符串长度和字符集大小的比值 ...
- 浅谈时间复杂度- 算法衡量标准Big O
写在前面: 今天有一场考试,考到了Big-O的知识点,考到了一道原题,原题的答案我记住了,但实际题目有一些改动导致答案有所改动,为此作者决定重新整理一下复杂度相关知识点 Efficiency and ...
- 浅谈聚类算法(K-means)
聚类算法(K-means)目的是将n个对象根据它们各自属性分成k个不同的簇,使得簇内各个对象的相似度尽可能高,而各簇之间的相似度尽量小. 而如何评测相似度呢,采用的准则函数是误差平方和(因此也叫K-均 ...
随机推荐
- Linux I2C驱动框架
Linux的I2C体系结构分为3个组成部分: I2C核心( i2c-core.c ): I2C核心提供了I2C总线驱动和设备驱动的注册.注销方法.I2C通信方法("algorithm&qu ...
- DMZ是什么
刚刚接触安全域,实在是佩服自己真的是菜,,,啥都不懂,看看过段时间能有多大进步吧... 概念 DMZ:它是一个缓冲区,一个隔离区.它是位于两台防火墙之间的区域,相对于INTER网来说安全级别高一些,但 ...
- OpenCV中threshold函数的使用
转自:https://blog.csdn.net/u012566751/article/details/77046445 一篇很好的介绍threshold文章: 图像的二值化就是将图像上的像素点的灰度 ...
- LCD显示器缺陷自动化检测方案
很牛的测试 参考: 1.https://www.radiantvisionsystems.com/ 2.https://www.radiantvisionsystems.com/node/275 LC ...
- JavaFX FileChooser文件选择器、DirectoryChooser目录选择器
参考:https://www.yiibai.com/javafx/javafx_filechooser.html 参考:https://blog.csdn.net/dorma_bin/article/ ...
- Linux中的硬链接和软连接
1.Linux链接概念Linux链接分两种,一种被称为硬链接(Hard Link),另一种被称为符号链接(Symbolic Link).默认情况下,ln命令产生硬链接. [硬连接]硬连接指通过索引节点 ...
- Go 接口类型
接口作用 Go语言中的接口是一种类型,类似于Python中的抽象基类. Go语言中使用接口来体现多态,是duck-type的一种体现. 如,只要一个东西会叫,会走,那么我们就可以将它定义为一个动物的接 ...
- Ubuntu通过Apache安装WebDav
使用KeePass保存密码,在个人服务器上安装WebDav协议. # 安装Apache2服务器 sudo aptitude install -y apache2 # 开启Apache2中对WebDav ...
- 教你怎么在thinkphp 5.1下查看版本号
在thinkphp 5.1下查看版本号,可直接命令行下面 php think version,就可以查看到tp具体的版本号了.
- Codeforces Global Round 11 A~D题解
A.Avoiding Zero 题目链接:https://codeforces.ml/contest/1427 题目大意:给定一个数组a1,a2...,an,要求找出一个a重排后的数组b1,b2,.. ...