卡SPFA，是算法竞赛圈里一个经久不衰的"手艺活"了。虽然SPFA在随机数据下跑得飞快，但它的贪心松弛策略确实存在明显的软肋。要构造出让它跑到最坏复杂度 O(VE) 的数据，核心思路就是诱导它反复进行无效更新，让节点多次入队，不断更新次短路，就是不给它走最短路。
结合大家总结的经验，这里有几套经典的"卡SPFA"数据构造方案，从易到难，你可以试试看：
1. 朴素链套菊花图（最经典，专治各种优化）
这是最基础也最有效的方法，专门欺骗SPFA的贪心策略。
- 构造原理：构造一条长长的链，链上的边权为负（或很小），链上的每个节点都额外连向一个巨大的菊花图中心。算法会沿着链不断更新，每更新一个链上节点，就会触发对整个菊花图的重新松弛。这样菊花图会被反复更新 kk 次，总复杂度轻松达到 O(n2) 级别。
- 适用场景：能有效卡掉朴素SPFA，甚至对SLF（Small Label First）和LLL（Large Label Last）优化也有奇效。比如，在链上构造几个并列的小边权边，就能欺骗SLF优化，让算法多次进入菊花图。
2. 随机网格图（正权图杀手）
如果题目限制必须为正权边，网格图就是首选。
- 构造原理：构造一个行数远小于列数的网格图（例如 10×10000）。关键技巧在于，将纵向边的权值设得非常小（比如0或1），而横向边和斜边的权值设得很大且随机。这样，从起点到某个点会存在很多条长度相近但边数不同的路径。SPFA的BFS特性会让它先探索那些边数少但权值可能并非最优的路径，导致节点被重复入队和更新。
- 适用场景：正权图，能有效卡掉朴素SPFA和许多优化变种。
3. 进阶组合与对抗优化
随着大家对SPFA的理解加深，各种优化（如SLF带容错、mcfx优化）也被提出，但同样有办法破解。
- 对抗SLF带容错 ：这种优化在边权之和较小时表现不错。卡它的方法就是把边权总和开得巨大，最好超过 10121012，这样容错机制就几乎失效了。
- 对抗mcfx优化 ：该优化在网格图上表现优秀，但在菊花图上表现很差。所以，网格套菊花这类组合图往往能通杀。
- 见招拆招的通用优化（出题人视角） ：
- 随机取点：每次从队列取队头前，先把队头与队内随机一个元素交换。这能有效克制菊花图。
- 随机出边：当前点出队时，将出边暂存，以随机顺序访问。这同样能打乱被精心构造的松弛顺序。
总的来说，SPFA之所以"死"了，就是因为它这种容易被针对的复杂度上界。在非随机的一般图或构造图上，它确实很容易被卡到超时。所以现在除非题目明确有负权边，否则大家基本都首选稳定的Dijkstra+堆优化了。不过，了解这些卡法，反过来也能帮我们更深刻地理解最短路算法的本质。