我们约定：以下n表示点的数目，m表示边的数目。
引子1——邻接表存储图的方法（）（暂时不考虑重边和自环）
现在我们有n个点（编号为1~n）和m条边，要用数组存储它们，我们可以怎么做呢？我们可以采取逐条加边的方法。假如我们要存储一条从a指向b的长度为w的边（注意，这里的a、b代表的是端点的具体编号而非端点被加入图中的次序号。为了不与下面的idx“编号”发生混淆，我们这里称a、b分别为加入的边的起点和终点的值）
const int K = ……（此处根据题目所给数据范围确定）
int h[K],e[K],ne[K],w[K],idx;
void add(int a,int b,int w)
{
e[idx] = b;
ne[idx] = h[a];
w[idx] = w;
h[a] = idx++;
}
//初始化
memset(h,-1,sizeof h);
以上便是经典的邻接表加边函数的代码。下面我们详尽解释各变量、数组和代码的含义。至于为什么它们的含义如此我们将在下面的模拟图中看出。
idx:编号（下文中的“编号”指的是在e数组中的编号，编号是几就是第几加一条被存进数组的边的终点的编号减1）。在最后的idx++执行完后，表示当前图中有idx条边，（idx+1）个点，下一条要加入的边（如果有的话）的终点在e数组中的下标为idx。
h数组：存储编号的数组。h[k]表示值为k的点指向的下一个点的编号x（如果有多个“下一个点”，则表示的是最后加入的那一个）。这里很多资料说h数组存储的是头节点，但实际上，h数组的下标的值并不总是某条路径的头，因此这种说法是不正确的。
w数组：存储边的长度。w[k]表示第（k+1）条被加入的边的长度
ne数组：虚拟指针数组。邻接表保证了每个节点（除头节点无出边外）都必定有入边和出边（若某个节点没有真正的出边，就让它指向-1）。ne[k]表示编号为k的点的下一个点的编号
e数组：存储值的数组。e[k]表示第（k+1）条加入的边的终点的值。
那么，我们自然可以推导出遍历所有边的代码——
for(int i = h[u];i!=-1;i = ne[i])
………………
引子2——邻接矩阵存储图
邻接矩阵存储图较为简单。我们开一个二维数组g，其中g[i][j]表示从值为i的点到值为j的点的距离。
一.朴素Dijkstra算法（适用于求解稠密图且所有边权威正的单源最短路问题，复杂度为O（n^2））
基本思想：循环n次，找到每个点到起点的最短距离，并且用已经更新过的点去更新未被更新的点。
#include<iostream>
#include<cstring>
using namespace std;
const int N = 510;
//g[i][j]表示点i到点j的距离，dis[i]表示当前(注意是当前，未必是最小)第i个点到起点的最短距离
int g[N][N],dis[N],n,m;
//isConfirmed集合用于记录某点到起点距离的最小值是否已经被确定
bool isConfirmed[N];
int Dijkstra()
{
dis[1] = 0;
//之所以要有最外层循环，是因为我们一共有n个点，每次我们只能找到一个不在isConfirmed集合里的且离起点最近的点，我们一共要找n个这样的点。i = k表示当前最短路径上一共有了k个点
for(int i = 1;i<=n;i++)
{
//t表示所有不在已经生成的路径中的点中离起点最近的点，初始时未确定，因此赋值-1
int t = -1;
//枚举所有点，找到不在isConfirmed集合中离起点最近的点赋予给t
for(int j = 1;j<=n;j++)
{
if(!isConfirmed[j]&&(t==-1||dis[t]>dis[j])) t = j;
}
isConfirmed[t] = true;
//找到不在isConfirmed集合中离起点最近的点后，用该点更新它所有相邻点到起点的最短距离
for(int j = 1;j<=n;j++)
dis[j] = min(dis[j],g[t][j]+dis[t]);
}
//不要直接返回无穷大，否则可能出现无法预料的后果
//0x3f和0x3f3f3f3f不同，它们仅在用memset初始化时可以互换！
if(dis[n]==0x3f3f3f) return -1;
else return dis[n];
}
int main()
{
//刚开始所有点到起点的距离都还没有确定，因此赋值为正无穷
memset(dis,0x3f,sizeof dis);
cin>>n>>m;
for(int i = 1;i<=n;i++)
{
for(int j = 1;j<=n;j++)
{
//处理自环
if(i==j) g[i][j] = 0;
else g[i][j] = 0x3f3f3f;
}
}
while(m--)
{
int x,y,z;
cin>>x>>y>>z;
//若存在重边，取最短边
g[x][y] = min(g[x][y],z);
}
printf("%d",Dijkstra());
return 0;
}
二.堆优化版的Dijkstra算法（适用于求解稀疏图且所有边权为正的单源最短路问题，复杂度为O（mlogn））
基本思想：在Dijkstra算法中有求不在isConfirmed集合中的到起点距离最短的点的操作，这一步可以用堆进行优化。
#include<iostream>
#include<cstring>
#include<queue>
using namespace std;
const int N = 200000;
int h[N],e[N],ne[N],w[N],dis[N],idx,n,m;
//因为要存储编号和到起点的距离两个量，所以要用pair
typedef pair<int,int> PII;
bool isConfirmed[N];
int add(int a,int b,int c)
{
e[idx] = b;
ne[idx] = h[a];
//这里是w[idx]而非w[b]，w[k]表示第k条边的长度
w[idx] = c;
h[a] = idx++;
}
int Dijkstra()
{
dis[1] = 0;
//定义小根堆
priority_queue<PII, vector<PII>, greater<PII>> heap;
//把起点放进堆中
//这个顺序不能倒。因为heap首先是根据距离排序而不是点的编号
heap.push({0,1});
//由于堆中存的是不在isConfirmed集合中的点，当堆不空，意味着还有没确定最短距离的点
while(heap.size())
{
//取出堆顶，这就是当前不在isConfirmed集合中距离起点最近的点（这里的“距离”并不指最终的最短距离，而是更新到当前为止的最短距离）
PII t = heap.top();
heap.pop();
int number = t.second;
int distance = t.first;
//这句话必不可少。因为若number这个点到起点的最短距离已经确定，我们再进行操作的话会导致复杂度增加.为了不爆TLE，我们应该在操作完毕后停止
if(isConfirmed[number] == true) continue;
isConfirmed[number] = true;
//用当前不在isConfirmed集合中且离起点最近的点来更新它能到达的点到起点的最短距离
for(int i = h[number];i!=-1;i = ne[i])
{
//得到当前点的编号
int j = e[i];
//如果j到起点的最短距离已经被确定，就不用继续做下去了
if(!isConfirmed[j]&&dis[j]>distance+w[i])
{
dis[j] = distance+w[i];
//在这一步，重边和自环被无形中处理掉了。若有重边，只有长度最短的那一条边对应的距离会进堆。
heap.push({dis[j],j});
//这里不能写isConfirmed[j] = true。因为j的“最短”只是暂时的，是当前已经生成的最短路径下到起点的最小值
}
}
}
if(dis[n]==0x3f3f3f3f) return -1;
else return dis[n];
}
int main()
{
memset(dis,0x3f,sizeof dis);
memset(h,-1,sizeof h);
scanf("%d%d",&n,&m);
while(m--)
{
int x,y,z;
scanf("%d%d%d",&x,&y,&z);
add(x,y,z);
}
cout<<Dijkstra();
return 0;
}
三.Bellman_ford算法（适用于求解存在负权边或限制经过的边数的单源最短路问题，复杂度为O（nm））
#include<iostream>
#include<cstring>
using namespace std;
const int K = 10010;
//这里也可以用结构体数组存
int backup[K],dist[K],n,m,k;
struct Edge
{
int a,b,w;
}edges[K];
bool bellman_ford()
{
memset(dist,0x3f,sizeof dist);
dist[1] = 0;
for(int i = 1;i<=k;i++)
{
memcpy(backup,dist,sizeof dist);
//这里j开始的下标要和main函数中i开始的下标相同，这样才访问到edges数组的同一个地方
for(int j = 1;j<=m;j++)
//遍历所有边，每条边终点到源点的最短距离等于该点到源点的直接距离与该边起点到源点的最短距离和该边长度的和的较小值
//j是编号不是值，这样恰好符合dist数组的定义。dist[k]表示编号为k（这里的编号指的是该点第几个被插入）的点到源点的最短距离。edges[j].w指的是跟第j个出现（被输入）的点相连的边的长度
dist[edges[j].b] = min(dist[edges[j].b],backup[edges[j].a]+edges[j].w);
}
//这里由于可能出现负权边，导致dist[n]被更新成比0x3f3f3f3f小一点的数，但是又不会小太多，所以我们改为dist[n]比某个较大的数大就可以认为它是正无穷了。
if(dist[n]>0x3f3f3f/2) return false;
else return true;
}
int main()
{
cin>>n>>m>>k;
for(int i = 1;i<=m;i++)
cin>>edges[i].a>>edges[i].b>>edges[i].w;
if(!bellman_ford()) cout<<"impossible";
else cout<<dist[n];
return 0;
}
四.spfa算法（Bellman_ford的优化版。一般情况下复杂度为O（m），最坏为O（nm））
#include<iostream>
#include<queue>
#include<cstring>
using namespace std;
const int K = 100010;
int h[K],e[K],ne[K],w[K],dist[K],n,m,idx;
bool isInQueue[K];
void add(int a,int b,int c)
{
e[idx] = b;
ne[idx] = h[a];
w[idx] = c;
h[a] = idx++;
}
bool spfa()
{
memset(dist,0x3f,sizeof dist);
dist[1] = 0;
//队列用于存储可以更新别的距离的点
queue<int> q;
q.push(1);
isInQueue[1] = true;
//当队列不空，说明我们还有材料更新别的点，说明我们的最短距离未全部确定
while(q.size())
{
int t = q.front();
q.pop();
isInQueue[t] = false;
for(int i = h[t];i!=-1;i = ne[i])
{
int j = e[i];
if(dist[j]>dist[t]+w[i])
{
dist[j] = dist[t]+w[i];
if(!isInQueue[j])
{
q.push(j);
isInQueue[j] = true;
}
}
}
}
if(dist[n] > 0x3f3f3f3f/2) return false;
else return true;
}
int main()
{
memset(h,-1,sizeof h);
cin>>n>>m;
while(m--)
{
int x,y,z;
cin>>x>>y>>z;
add(x,y,z);
}
if(!spfa()) puts("impossible");
else cout<<dist[n];
return 0;
}
五.floyd算法（求解多源头最短路问题）
#include<iostream>
using namespace std;
const int N = 210,M = 20010;
int g[N][N],n,m,k;
void floyd()
{
for(int k = 1;k<=n;k++)
for(int i = 1;i<=n;i++)
for(int j = 1;j<=n;j++)
g[i][j] = min(g[i][j],g[i][k]+g[k][j]);
}
int main()
{
cin>>n>>m>>k;
for(int i = 1;i<=n;i++)
{
for(int j = 1;j<=n;j++)
{
if(i==j) g[i][j] = 0;
else g[i][j] = 0x3f3f3f3f;
}
}
while(m--)
{
int x,y,z;
cin>>x>>y>>z;
g[x][y] = min(g[x][y],z);
}
floyd();
while(k--)
{
int x,y;
cin>>x>>y;
if(g[x][y]>0x3f3f3f3f/2) cout<<"impossible"<<endl;
else cout<<g[x][y]<<endl;
}
return 0;
}
六.Prim算法（用于求最小生成树，复杂度O（n^2））
最小生成树是怎么生成的呢？我们看下面一个图就明白了。
我们用S表示所有在已有连通块（即生成树）中的点构成的集合。最开始还没有生成树，点1、2、3、4到连通块的距离均为正无穷。然后选取一个距离已有连通块（这时为空）最近（这时1、2、3、4都是正无穷，一样近，那就选1好了）的点加入到连通块中，并用这个点更新其它在连通块外的点到连通块的距离。（某点到连通块的距离定义为该点到连通块中所有点的距离的最小值）以此类推，我们可以得到最小生成树。Prim算法的想法与Dijkstra类似，循环n次，每次找到不在连通块中且离连通块最近的点。具体的代码实现如下——
#include<iostream>
#include<cstring>
using namespace std;
const int N = 510;
//因为边的数量较多(~N^2)，这里我们用邻接矩阵来存储图
int g[N][N],dist[N],n,m,res;
bool isInTree[N];
int prim()
{
memset(dist,0x3f,sizeof dist);
//这里不能初始化dist[1]为0.因为此时还没有连通块，dist[1]也应该被看作正无穷
//尽可能把所有点都包进连通块中
for(int i = 0;i<n;i++)
{
int t = -1;
//找到当前不在连通块中离连通块最近的点
for(int j = 1;j<=n;j++)
if(!isInTree[j]&&(t==-1||dist[t]>dist[j])) t = j;
//如果此时找到的最短距离都是无穷大，那么说明此时剩下的所有点根连通块都是不连通的，就返回正无穷表示不存在生成树
//如果找到的不是第一个点(第一个点编号为0)而且到已有连通块的距离为正无穷，说明不连通。为什么要排除第一个点呢？因为第一个点到已有连通块的距离本来就应该是负无穷，因为彼时还没有连通块。
if(i&&dist[t]==0x3f3f3f3f) return 0x3f3f3f3f;
if(i) res+=dist[t];
isInTree[t] = true;
//遍历t的所有邻边，用这个找到的离连通块最近的点更新其它点到连通块的距离
for(int j = 1;j<=n;j++)
//这里不需要像Dijkstra那样再加上dist[t]，因为dist[i]表示第i个点到已有连通块的距离而非源点的距离。既然t已经在连通块中，那么只要取dist[i]和个g[t][j]中的较小值即可
dist[j] = min(dist[j],g[t][j]);
}
return res;
}
int main()
{
//先输入再初始化！！！！！！
cin>>n>>m;
for(int i = 1;i<=n;i++)
{
for(int j = 1;j<=n;j++)
{
if(i==j) g[i][j] = 0;
else g[i][j] = 0x3f3f3f3f;
}
}
while(m--)
{
int u,v,w;
cin>>u>>v>>w;
g[u][v] = g[v][u] = min(g[u][v],w);
}
int l = prim();
if(l==0x3f3f3f3f) puts("impossible");
else cout<<l;
return 0;
}
七.Kruskal算法（用于求最小生成树，复杂度O（mlogn））
Kruskal算法的想法很简单，就是将所有边按照边长从小到大排序，然后再枚举每条边即可。
#include <cstring>
#include <iostream>
#include <algorithm>
using namespace std;
const int N = 100010, M = 200010, INF = 0x3f3f3f3f;
int n, m;
int p[N];
//用结构体存储所有边和点即可，不用邻接表或邻接矩阵
struct Edge
{
int a, b, w;
//重载小于号，按照边的长度将所有边排序
bool operator< (const Edge &W)const
{
return w < W.w;
}
}edges[M];
//并查集模板，寻找祖宗节点
int find(int x)
{
if (p[x] != x) p[x] = find(p[x]);
return p[x];
}
int kruskal()
{
//按照边的长度将所有边排序
sort(edges, edges + m);
for (int i = 1; i <= n; i ++ ) p[i] = i; // 初始化并查集
//res表示所有边的长度之和
int res = 0, cnt = 0;
//从小到大枚举每条边
for (int i = 0; i < m; i ++ )
{
int a = edges[i].a, b = edges[i].b, w = edges[i].w;
//如果a和b的祖宗节点不同，说明不在同一个连通块中，这时候就把它们连起来
//cnt表示当前生成树中边的条数
a = find(a), b = find(b);
if (a != b)
{
p[a] = b;
res += w;
cnt ++ ;
}
}
if (cnt < n - 1) return INF;
return res;
}
int main()
{
scanf("%d%d", &n, &m);
for (int i = 0; i < m; i ++ )
{
int a, b, w;
scanf("%d%d%d", &a, &b, &w);
edges[i] = {a, b, w};
}
int t = kruskal();
if (t == INF) puts("impossible");
else printf("%d\n", t);
return 0;
}
