洛谷刷题（图的两种应用）

图和树的两种应用主要在于最小生成树和最短路径。

最小生成树是指在连通无向图中，寻找一个涵盖所有顶点的最小生成树，使得此树的边的权重综合最小，在该图中，顶点表示节点，边表示连接这些顶点所要造成的代价。该问题可以应用在很多方面，如交通道路的规划、电网的输送、网络的设计等。

最短路径问题是指在加权有向图或者无向图中，寻找两个指定节点，从一个顶点到另一个节点的最短路径，使得这条路径的权重之和最小。其也有广泛的应用，特别出名的就是导航系统。

综上所述，最小生成树可以理解成为规划问题，而最短路径可以理解成为导航问题。

最小生成树:普利姆、克鲁斯卡尔

 最短路：迪杰斯特拉、（多源汇最短路）弗洛依德，单源负权边时是Bellman Ford算法

最短路算法

首先我们来看最短路算法dijkstra

 dijkstra

步骤：

1. 首先初始化dist数组，将dist[1]初始化为零，其余皆为正无穷。dist[i]表示i点到源点的最短距离。定义U为当前所有点的集合，集合S为当前已经确定到初始点最短距离的集合
2. 循环n-1次，选取不在S集合中的点中到初始点距离最小的那个点，用此点更新到达各个点的dist值。而后将此点放入S集合中。

算法的证明：

算法我觉得可以用归纳法证明。首先初始化的时候，dist[1] = 0，正确。

在过程中，选取距离源点最短距离的点作为来更新其他节点到源点的最短距离，更新完后便加入集合S中，反证法：假如加入的点p不是已经确定到初始点最短距离的集合，那么可能有两种情况，第一为源点到已经在S集合的点，再到指定点p，这在之前的过程中已经完成操作，所以不可能是上述情况；第二种，为源点到不在集合S中的点p1，再到p点，因为p1到源点的距离就算在之后跟新也必然大于dist[p]，所以也不这种情况可能是。所以假设不成立，点p一定是已经确定到初始点最短距离的集合中的点。

堆优化版的dijkstra算法 

鉴于朴素dijkstra算法时间复杂度较高，当图是稀疏图，空间可能会爆掉，存在开辟数组过大的问题，在模板中，朴素dijkstra适合稠密图，当遇到稀疏图的时候容易造成空间上的浪费，而且可能导致数组过大而不能开辟的问题（int型的变量只能最多开辟1e7个数据元素）。因此有了堆优化版的dijkstra算法。下面先给出算法模板，参考y总：

typedef pair<int, int> PII;

int n;      // 点的数量
int h[N], w[N], e[N], ne[N], idx;       // 邻接表存储所有边
int dist[N];        // 存储所有点到1号点的距离
bool st[N];     // 存储每个点的最短距离是否已确定

// 求1号点到n号点的最短距离，如果不存在，则返回-1
int dijkstra()
{
    memset(dist, 0x3f, sizeof dist);
    dist[1] = 0;
    priority_queue<PII, vector<PII>, greater<PII>> heap;
    heap.push({0, 1});      // first存储距离，second存储节点编号

    while (heap.size())
    {
        auto t = heap.top();
        heap.pop();

        int ver = t.second, distance = t.first;

        if (st[ver]) continue;
        st[ver] = true;

        for (int i = h[ver]; i != -1; i = ne[i])
        {
            int j = e[i];
            if (dist[j] > distance + w[i])
            {
                dist[j] = distance + w[i];
                heap.push({dist[j], j});
            }
        }
    }

    if (dist[n] == 0x3f3f3f3f) return -1;
    return dist[n];
}


作者：yxc
链接：https://www.acwing.com/blog/content/405/
来源：AcWing
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

Bellman Ford

bellman-ford算法适用于存在负权边的图中，图中可以存在环，此算法也可以用来判断图中是否存在负权回路。 算法时间复杂度为n。

具体过程：

n为点的个数，m为边的个数

1. 初始化dist数组，初始化dist[1] = 0;
2. 循环n次（或者题目种要是要求k条边的最短路则循环k次），拷贝backup数组为上一次dist数组的值，并循环m次，读取边结构体中的两个端点以及权重，dist[b] = min(dist[b],backup[a]+w)。
3. 循环结束后判断点n是否>0x3f3f3f3f/2，若满足条件，则代表图中存在负权回路。若不满足，则返回此dist[n]的值。 

SPFA算法