我从许多来源读到,如果使用一种朴素的方法来获取最小元素(线性搜索),Dijkstra的最短路径算法也将以O(V^2)的复杂度运行。然而,如果使用优先队列作为数据结构,它可以被优化为O(VLogV),因为该数据结构将在O(1)时间内返回最小元素,但在删除最小元素后需要花费O(LogV)的时间来恢复堆属性。
我已经在以下代码中实现了Dijkstra算法,用于解决UVA问题,链接如下: https://uva.onlinejudge.org/index.php?option=com_onlinejudge&Itemid=8&category=16&page=show_problem&problem=1927:
根据我的分析,我的算法复杂度为O(VLogV)。STL std::set是作为二叉搜索树实现的。此外,该集合也已排序。因此从中获取最小元素的复杂度为O(1),插入和删除的复杂度各为O(LogV)。然而,我仍然从这个问题中得到了TLE,而这个问题应该可以在给定的时间限制内以O(VLogV)解决。
这让我深入思考。如果所有节点都相互连接,每个顶点V都有V-1个邻居,那么Dijkstra算法是否会以O(V^2)运行,因为每个顶点必须查看每轮的V-1、V-2、V-3...个节点?
再次思考后,我可能误解了最坏情况下的复杂度。请问有人能就以下问题给予建议吗:
1. Dijkstra算法如何达到O(VLogV),特别是考虑到上述反例? 2. 我如何优化我的代码,使其能够达到O(VLogV)的复杂度(或更好)?
编辑:
我意识到我的程序实际上并没有以O(ElogV)运行。瓶颈是由于我的输入处理以O(V^2)运行。Dijkstra部分确实以(ElogV)运行。
我已经在以下代码中实现了Dijkstra算法,用于解决UVA问题,链接如下: https://uva.onlinejudge.org/index.php?option=com_onlinejudge&Itemid=8&category=16&page=show_problem&problem=1927:
#include<iostream>
#include<vector>
#include <climits>
#include <cmath>
#include <set>
using namespace std;
#define rep(a,b,c) for(int c=a;c<b;c++)
typedef std::vector<int> VI;
typedef std::vector<VI> VVI;
struct cmp {
bool operator()(const pair<int,int> &a,const pair<int,int> &b) const {
return a.second < b.second;
}
};
void sp(VVI &graph,set<pair<int,int>,cmp> &minv,VI &ans,int S,int T) {
int e = -1;
minv.insert(pair<int,int>(S,0));
rep(0,graph.size() && !minv.empty() && minv.begin()->first != T,s) {
e = minv.begin()->first;
minv.erase(minv.begin());
int nb = 0;
rep(0,graph[e].size(),d) {
nb = d;
if(graph[e][d] != INT_MAX && ans[e] + graph[e][d] < ans[d]) {
set<pair<int,int>,cmp>::iterator si = minv.find(pair<int,int>(d,ans[d]));
if(si != minv.end())
minv.erase(*si);
ans[d] = ans[e] + graph[e][d];
minv.insert(pair<int,int>(d,ans[d]));
}
}
}
}
int main(void) {
int cc = 0,N = 0,M = 0,S = -1,T = -1,A=-1,B=-1,W=-1;
VVI graph;
VI ans;
set<pair<int,int>,cmp> minv;
cin >> cc;
rep(0,cc,i) {
cin >> N >> M >> S >> T;
graph.clear();
ans.clear();
graph.assign(N,VI());
ans.assign(graph.size(),INT_MAX);
minv.clear();
rep(0,N,j) {
graph[j].assign(N,INT_MAX);
}
ans[S] = 0;
graph[S][S] = 0;
rep(0,M,j) {
cin >> A >> B >> W;
graph[A][B] = min(W,graph[A][B]);
graph[B][A] = min(W,graph[B][A]);
}
sp(graph,minv,ans,S,T);
cout << "Case #" << i + 1 << ": ";
if(ans[T] != INT_MAX)
cout << ans[T] << endl;
else
cout << "unreachable" << endl;
}
}
根据我的分析,我的算法复杂度为O(VLogV)。STL std::set是作为二叉搜索树实现的。此外,该集合也已排序。因此从中获取最小元素的复杂度为O(1),插入和删除的复杂度各为O(LogV)。然而,我仍然从这个问题中得到了TLE,而这个问题应该可以在给定的时间限制内以O(VLogV)解决。
这让我深入思考。如果所有节点都相互连接,每个顶点V都有V-1个邻居,那么Dijkstra算法是否会以O(V^2)运行,因为每个顶点必须查看每轮的V-1、V-2、V-3...个节点?
再次思考后,我可能误解了最坏情况下的复杂度。请问有人能就以下问题给予建议吗:
1. Dijkstra算法如何达到O(VLogV),特别是考虑到上述反例? 2. 我如何优化我的代码,使其能够达到O(VLogV)的复杂度(或更好)?
编辑:
我意识到我的程序实际上并没有以O(ElogV)运行。瓶颈是由于我的输入处理以O(V^2)运行。Dijkstra部分确实以(ElogV)运行。
O(|E|)
次更新,而不是每一步都更新。 - wookie919O(1)
,因此所有更新的时间复杂度均为O(|E|)
。对于二叉最小堆,每次更新的时间复杂度为O(log|V|)
,因此所有更新的时间复杂度均为O(|E|log|V|)
。对于 Fibonacci 堆,单个更新(降低键值)的最坏时间复杂度可能高达O(|V|)
,但可以证明“平均情况下”算法的持续时间为O(1)
,因此每次更新的摊销时间为O(1)
,或者所有更新的时间复杂度为O(|E|)
。 - wookie919