743. 网络延迟时间
有 N
个网络节点,标记为 1
到 N
。
给定一个列表 times
,表示信号经过有向边的传递时间。 times[i] = (u, v, w)
,其中 u
是源节点,v
是目标节点, w
是一个信号从源节点传递到目标节点的时间。
现在,我们从某个节点 K
发出一个信号。需要多久才能使所有节点都收到信号?如果不能使所有节点收到信号,返回 -1
。
示例:
img输入:times = [[2,1,1],[2,3,1],[3,4,1]], N = 4, K = 2
输出:2
注意:
-
N
的范围在[1, 100]
之间。 -
K
的范围在[1, N]
之间。 -
times
的长度在[1, 6000]
之间。 - 所有的边
times[i] = (u, v, w)
都有1 <= u, v <= N
且0 <= w <= 100
。
分析
本题为一个图算法题,两点之间的时间可以抽象成路程,那么本题相当于求某一点到其他各点的最短路径,然后求出各点最短路径的最大值。
常见的最短路问题分为两类:单源最短路和多源最短路。前者只需要求一个固定的起点到各个顶点的最短路径,后者则要求得出任意两个顶点之间的最短路径。
Dijkstra算法
Dijkstra(迪杰斯特拉)算法是典型的单源最短路径算法,用于计算一个节点到其他所有节点的最短路径。主要特点是以起始点为中心向外层层扩展,直到扩展到终点为止。算法主要的思想是贪心法。
适用范围
- 1、不能处理负权边或环
- 2、可以处理正权边
- 3、可以处理无向图和有向图
使用步骤
- 初始化邻接矩阵
- 初始化还未确定最短路径的节点列表
- 双重循环:
最外层为除源点之外的其他节点的遍历
里面为遍历和更新未确定距离的节点列表的遍历
3.1、从还未确定最短路径的节点列表中找出距离源点最近的节点
3.2、更新还未确定最短路径的节点列表
3.3、根据找到的这个最短路径节点,更新每一个还未确定最短路径的节点到源点的距离 - 根据题目要求计算结果
Floyd算法
Floyd算法是一个经典的动态规划算法。是解决任意两点间的最短路径(称为多源最短路径问题)的一种算法,可以正确处理有向图或负权的最短路径问题。
其核心思想就是从任意节点u到任意节点v的最短路径有2种:
- 是直接从u到v
- 是从u经过若干个节点k到v
所以,我们假设graph(u,v)为节点u到节点v的最短路径的距离(当然,不同的题目代表的不一样,比如有的可能是花费,需要灵活变通),对于每一个节点k(1~N个节点),我们检查graph(u,k) + graph(k,v) < graph(u,v)是否成立,如果成立,证明从u到k再到v的路径比u直接到v的路径短,我们便设置graph(u,v) = graph(u,k) + graph(k,v),当我们遍历完所有节点k,graph(u,v)中记录的便是u到v的最短路径的距离。
适用范围
- 1、可以处理负权边
- 2、不能处理负权环
- 3、可以处理无向图和有向图
使用步骤
-
初始化邻接矩阵
-
三重循环:
最外层为中间节点k的遍历
里面两层分别为节点u和节点v的遍历
2.1、根据k为中间跳节点更新(u, v)的最短距离
- 根据题目要求计算结果
代码
Dijkstra算法
class Solution {
public:
int networkDelayTime(vector<vector<int>>& times, int N, int K) {
const int INF = 102;
vector<vector<int>> graph(N+1,vector<int>(N+1,INF));
for(auto& v:times) graph[v[0]][v[1]] = v[2];
vector<int> dist(N + 1,INF);
vector<bool> st(N + 1,false);
// 设置起始点
dist[K] = 0;
for(int i = 1;i < N;++i) // 外层循环N-1次
{
int t = -1;
int tmin = INF;
for(int j = 1;j <= N;++j)
{
// 从还未确定最短路径的节点列表中找出距离源点最近的节点
if(!st[j] && (dist[j] < tmin))
{
t = j;
tmin = dist[j];
}
}
st[t] = true; // 标记确定最短路径
// 用t更新其他点的距离
for(int j = 1;j <= N;++j)
dist[j] = min(dist[j],dist[t] + graph[t][j]);
}
int r = *max_element(dist.begin() + 1,dist.end());
return r == INF ? -1:r;
}
};
Floyd算法(十分暴力)
int Floyd(vector<vector<int>>& times, int N, int K)
{
const int INF = 102;
vector<vector<int>> dist(N+1,vector<int>(N+1,INF));
for(int i = 1;i <= N;++i) dist[i][i] = 0;
for(auto& v:times) dist[v[0]][v[1]] = min(dist[v[0]][v[1]],v[2]);
for(int k = 1;k <= N;++k)
for(int i = 1;i <= N;++i)
for(int j = 1;j <= N;++j)
if(i != j)
dist[i][j] = min(dist[i][j],dist[i][k]+dist[k][j]);
int r = 0;
for(int i = 1;i <= N;++i)
r = max(r,dist[K][i]);
return r == INF?-1:r;
}
堆优化版的Dijkstra算法
class Solution {
public:
int networkDelayTime(vector<vector<int>>& times, int N, int K) {
const int INF = 0x3f3f3f3f;
typedef pair<int, int> PII; // first:距离; second: 几号点
vector<bool> st(N+1, false); // 是否已得到最短距离
vector<int> dist(N+1, INF); // 距离起始点的最短距离
unordered_map<int, vector<PII>> graph; // 邻接表;u->v,权重w
priority_queue<PII, vector<PII>, greater<PII>> heap; // 小顶堆;维护到起始点的最短距离和点
for (auto &t: times){ // 初始化邻接表
graph[t[0]].push_back({t[2],t[1]});
}
heap.push({0, K});
dist[K] = 0;
while(heap.size()){
auto t = heap.top();
heap.pop();
int ver = t.second, distance = t.first;
if (st[ver]) continue; // 之前更新过,是冗余备份
st[ver] = true;
for (auto &p: graph[ver]){
if (dist[p.second] > distance + p.first){ // 用t去更新其他点到起始点的最短距离
dist[p.second] = distance + p.first;
heap.push({dist[p.second], p.second});
}
}
}
int ans = *max_element(dist.begin()+1, dist.end());
return ans == INF ? -1: ans;
}
};
参考链接:
网友评论