标签：
自己的第一道spfa，纪念一下，顺便转载一下spfa的原理。先po代码：
#include <iostream> #include <queue> using namespace std; const int MAX = 999999; const int MAXN = 501; int minimum(int a, int b){ return a > b ? b : a; } int main() { int t; cin >> t; while (t--){ int n, m, w; cin >> n >> m >> w; int field[MAXN]; bool visited[MAXN]; int edge[MAXN][MAXN]; int visitCnt[MAXN]; memset(field, MAX, sizeof(field)); memset(edge, MAX, sizeof(edge)); memset(visited, 0, sizeof(visited)); memset(visitCnt, 0, sizeof(visitCnt)); for (int i = 0; i < m; i++){ int field1, field2, len; cin >> field1 >> field2 >> len; edge[field1][field2] = minimum(edge[field1][field2], len); edge[field2][field1] = minimum(edge[field2][field1], len); } for (int i = 0; i < w; i++){ int field1, field2, len; cin >> field1 >> field2 >> len; edge[field1][field2] = minimum(edge[field1][field2], (-1) * len); } field[1] = 0; queue<int> Q; Q.push(1); visited[1] = true; visitCnt[1] = 1; bool flag = false; while (!Q.empty()){ int current = Q.front(); Q.pop(); visited[current] = false; for (int i = 1; i <= n; i++){ int tmp = field[current] + edge[current][i]; if (tmp < field[i]){ field[i] = tmp; if (!visited[i]){ Q.push(i); visited[i] = true; visitCnt[i]++; if (visitCnt[i] > n){ flag = true; break; } } } } if (flag) break; } if (flag){ cout << "YES" << endl; } else{ cout << "NO" << endl; } } return 0; }
以下内容转自http://www.cnblogs.com/zgmf_x20a/archive/2008/12/18/1357737.html
求最短路径的算法有许多种，除了排序外，恐怕是OI界中解决同一类问题算法最多的了。最熟悉的无疑是Dijkstra，接着是Bellman-Ford，它们都可以求出由一个源点向其他各点的最短路径；如果我们想要求出每一对顶点之间的最短路径的话，还可以用Floyd-Warshall。
SPFA是这篇日志要写的一种算法，它的性能非常好，代码实现也并不复杂。特别是当图的规模大，用邻接矩阵存不下的时候，用SPFA则可以很方便地面对临接表。每个人都写过广搜，SPFA的实现和广搜非常相似。
如何求得最短路径的长度值？
首先说明，SPFA是一种单源最短路径算法，所以以下所说的“某点的最短路径长度”，指的是“某点到源点的最短路径长度”。
我们记源点为S，由源点到达点i的“当前最短路径”为D[i]，开始时将所有D[i]初始化为无穷大，D[S]则初始化为0。算法所要做的，就是在运行过程中，不断尝试减小D[]数组的元素，最终将其中每一个元素减小到实际的最短路径。
过程中，我们要维护一个队列，开始时将源点置于队首，然后反复进行这样的操作，直到队列为空：
(1)从队首取出一个结点u，扫描所有由u结点可以一步到达的结点，具体的扫描过程，随存储方式的不同而不同；
(2)一旦发现有这样一个结点，记为v，满足D[v] > D[u] + w(u, v)，则将D[v]的值减小，减小到和D[u] + w(u, v)相等。其中，w(u, v)为图中的边u-v的长度，由于u-v必相邻，所以这个长度一定已知（不然我们得到的也不叫一个完整的图）；这种操作叫做松弛。
(3)上一步中，我们认为我们“改进了”结点v的最短路径，结点v的当前路径长度D[v]相比于以前减小了一些，于是，与v相连的一些结点的路径长度可能会相应地减小。注意，是可能，而不是一定。但即使如此，我们仍然要将v加入到队列中等待处理，以保证这些结点的路径值在算法结束时被降至最优。当然，如果连接至v的边较多，算法运行中，结点v的路径长度可能会多次被改进，如果我们因此而将v加入队列多次，后续的工作无疑是冗余的。这样，就需要我们维护一个bool数组Inqueue[]，来记录每一个结点是否已经在队列中。我们仅将尚未加入队列的点加入队列。
算法能否结束？
对于不存在负权回路的图来说，上述算法是一定会结束的。因为算法在反复优化各个最短路径长度，总有一个时刻会进入“无法再优化”的局面，此时一旦队列读空，算法就结束了。然而，如果图中存在一条权值为负的回路，就糟糕了，算法会在其上反复运行，通过“绕圈”来无休止地试图减小某些相关点的最短路径值。假如我们不能保证图中没有负权回路，一种“结束条件”是必要的。这种结束条件是什么呢？
思考Bellman-Ford算法，它是如何结束的？显然，最朴素的Bellman-Ford算法不管循环过程中发生了什么，一概要循环|V|-1遍才肯结束。凭直觉我们可以感到，SPFA算法“更聪明一些”，就是说我们可以猜测，假如在SPFA中，一个点进入队列——或者说一个点被处理——超过了|V|次，那么就可以断定图中存在负权回路了。
最短路径本身怎么输出？
在一幅图中，我们仅仅知道结点A到结点E的最短路径长度是73，有时候意义不大。这附图如果是地图的模型的话，在算出最短路径长度后，我们总要说明“怎么走”才算真正解决了问题。如何在计算过程中记录下来最短路径是怎么走的，并在最后将它输出呢？
Path[]数组，Path[i]表示从S到i的最短路径中，结点i之前的结点的编号。注意，是“之前”，不是“之后”。最短路径算法的核心思想成为“松弛”，原理是三角形不等式，方法是上文已经提及的。我们只需要在借助结点u对结点v进行松弛的同时，标记下Path[v] = u，记录的工作就完成了。
输出时可能会遇到一点难处，我们记的是每个点“前面的”点是什么，输出却要从最前面往最后面输，这不好办。其实很好办，见如下递归方法：
标签：
原文地址：http://www.cnblogs.com/caiminfeng/p/4876007.html
