代码随想录训练营 Day59打卡 图论part09
Bellman_ford 算法
例题：卡码94. 城市间货物运输 I
题目描述
某国为促进城市间经济交流，决定对货物运输提供补贴。共有 n 个编号为 1 到 n 的城市，通过道路网络连接，网络中的道路仅允许从某个城市单向通行到另一个城市，不能反向通行。
网络中的道路都有各自的运输成本和政府补贴，道路的权值计算方式为：运输成本 - 政府补贴 。权值为正表示扣除了政府补贴后运输货物仍需支付的费用；权值为负则表示政府的补贴超过了支出的运输成本，实际表现为运输过程中还能赚取一定的收益。
请找出从城市 1 到城市 n 的所有可能路径中，综合政府补贴后的最低运输成本。如果最低运输成本是一个负数，它表示在遵循最优路径的情况下，运输过程中反而能够实现盈利。
城市 1 到城市 n 之间可能会出现没有路径的情况，同时保证道路网络中不存在任何负权回路。
输入描述第一行包含两个正整数，第一个正整数 n 表示该国一共有 n 个城市，第二个整数 m 表示这些城市中共有 m 条道路。
接下来为 m 行，每行包括三个整数，s、t 和 v，表示 s 号城市运输货物到达 t 号城市，道路权值为 v （单向图）。
输出描述如果能够从城市 1 到连通到城市 n， 请输出一个整数，表示运输成本。如果该整数是负数，则表示实现了盈利。如果从城市 1 没有路径可达城市 n，请输出 "unconnected"。
输入示例6 7
5 6 -2
1 2 1
5 3 1
2 5 2
2 4 -3
4 6 4
1 3 5
输出示例1
提示信息
示例中最佳路径是从 1 -> 2 -> 5 -> 6，路上的权值分别为 1 2 -2，最终的最低运输成本为 1 + 2 + (-2) = 1。
示例 2：
4 2
1 2 -1
3 4 -1
在此示例中，无法找到一条路径从 1 通往 4，所以此时应该输出 "unconnected"。
本题是求解带有负权边的单源最短路径问题，经典的 Dijkstra 算法要求边权为非负数，因此不能直接使用。为了解决含负权边的最短路径问题，Bellman-Ford 算法是一个很好的选择。
Bellman-Ford 算法简介：
Bellman-Ford 算法适用于求解包含负权边的单源最短路径问题。其主要特点是：
- 松弛操作：对每条边执行松弛操作，通过逐步更新节点的最短路径，找到最短路径。
- 松弛 n-1 次：在一个有 n 个节点的图中，最短路径最多经过 n-1 条边，因此我们需要对所有边进行 n-1 次松弛操作。
- 检测负权环：如果在 n-1 次松弛操作后仍然能继续松弛，说明图中存在负权环。
松弛操作的解释：
假设一条边从 from 节点指向 to 节点，边权为 price，当前 minDist[from] 表示从起点到 from 节点的最短距离。如果 minDist[from] + price < minDist[to]，说明通过 from 到达 to 更短，因此更新 minDist[to]。
为何松弛 n-1 次：
在一个无环图中，最短路径最多经过 n-1 条边。每次松弛操作会传播最短路径的信息，因此在 n-1 次松弛后，所有节点的最短路径都会正确。如果还有负权环，第 n 次松弛会继续更新，说明存在负权环。
代码实现
python
import sys
def bellman_ford(n, m, edges, start, end):
# 初始化最短距离数组，起点到其他节点的距离初始化为无穷大
minDist = [float('inf')] * (n + 1)
minDist[start] = 0 # 起点到自身的距离为 0
# 对所有边进行 n-1 次松弛操作
for _ in range(n - 1):
for from_node, to_node, weight in edges:
# 如果起点的距离不是无穷大，并且可以通过该边得到更短的距离，进行松弛
if minDist[from_node] != float('inf') and minDist[to_node] > minDist[from_node] + weight:
minDist[to_node] = minDist[from_node] + weight
# 检查是否存在负权环：如果在 n-1 次松弛之后还能进行松弛，说明存在负权环
for from_node, to_node, weight in edges:
if minDist[from_node] != float('inf') and minDist[to_node] > minDist[from_node] + weight:
print("Graph contains a negative weight cycle")
return None # 负权环的存在意味着无法找到最短路径
# 返回从起点到终点的最短路径
return -1 if minDist[end] == float('inf') else minDist[end]
# 读取输入并调用 Bellman-Ford 算法
if __name__ == "__main__":
input = sys.stdin.read
data = input().split()
# 读取节点数 n 和边数 m
n, m = int(data[0]), int(data[1])
# 读取所有边，边的格式为 (起点, 终点, 权值)
edges = []
index = 2
for _ in range(m):
p1 = int(data[index]) # 起点
p2 = int(data[index + 1]) # 终点
val = int(data[index + 2]) # 权值
edges.append((p1, p2, val))
index += 3
start = 1 # 起点
end = n # 终点
# 调用 Bellman-Ford 算法计算从起点到终点的最短路径
result = bellman_ford(n, m, edges, start, end)
# 输出最短路径结果
if result is not None:
print(result)时间复杂度分析：
时间复杂度：O(n * m)，其中 n 是节点数，m 是边数。因为 Bellman-Ford 算法需要对所有边执行 n-1 次松弛操作。
空间复杂度：O(n)，用于存储最短路径的数组 minDist。
Bellman-Ford 算法能够有效处理带有负权边的最短路径问题，并且可以检测负权环。它比 Dijkstra 算法更通用，但时间复杂度较高，适用于边权可能为负的情况。