队列优化dijsktra(SPFA)的玄学优化

转载：大佬博客

最近想到了许多优化spfa的方法，这里想写个日报与大家探讨下

前置知识：spfa（不带任何优化）

由于使用较多 STLSTL ，本文中所有代码的评测均开启 O_2O2 优化

对一些数组的定义：

dis[i]dis[i] ：起点到 ii 的最短路径（目前）

inq[i]inq[i] ： ii 是否存在队列当中

现在进入正题

1.一些简单的优化（？）

SLF(Small Label First)优化在使用queue作为spfa的辅助数据结构时，将队列替换为双端队列，每当插入元素 nownow时，与队首进行比较，若 dis[q.front()] > dis[now]dis[q.front()]>dis[now] ，将 nownow 从队首插入，否则从队尾插入。

LLL(Large Label Last）优化同样使用双端队列，维护目前队列中元素到起点的距离的平均值（即 ∑^{tail}_{i =head}dis[que[i]]/q.size()∑i=headtaildis[que[i]]/q.size() ），设该数为 kk ，若 dis[now] > kdis[now]>k ，则从队尾插入，否则从队首插入。

由于这两种优化过于简单，不给出具体代码实现。

使用效果：只能让你的spfa跑的快一点，适用于常数大的同学。至于卡了spfa的题，仍旧没有什么用处。

QQ ：为什么这两种优化有用？

AA ：即使图经过了特殊构造（如网格图），但边权大部分随机的情况下。 SLFSLF 能使得更可能更新出节点最优解的节点最先进行更新，减少无用迭代次数。而 LLLLLL 优化我认为说实话用处不大，因为只要走上了一条权值特别大的边，这个优化就和没有一样了。

2.一些升级过后的优化方式

容错后的SLF 定义容错值 valval ，当满足 dis[now] > dis[q.front()] + valdis[now]>dis[q.front()]+val 时从队尾插入，否则从队首插入。

mcfx优化定义区间 [l,r][l,r] ，当入队节点的入队次数属于这个区间的时候，从队首插入，否则从队尾插入。

Swap-SLF 若队列改变且 dis[q.front()] > dis[q.back()]dis[q.front()]>dis[q.back()] ，交换队首队尾

代码实现以及评测

容错SLF+MCFX ：https://www.luogu.org/record/show?rid=14511935

swap-SLF ：https://www.luogu.org/recordnew/show/14512493

（这几个优化已经能过数据不刁钻的卡spfa的题，至于lg的模板...fstqwq就是看着这几个优化来卡的...）

QQ ：为什么这几种优化有用？

AA ：具体我也没有在网上找到，我说说自己理解的吧。容错SLF可以让你的程序不陷入局部最优解，与模拟退火类似；而mcfx优化是这样的，如过某个节点出发的大多数边都只能更新一个次解（说白了就是这个点如果是出题人用来故意让你经过多次的节点，并且每次更新会导致一次特别长的迭代，类似菊花图的根），那么它在队列中的优先级就会降低，就像你知道出题人用这个点来卡你，你竟然还把它最先拿来最先更新，肯定是不够好的；至于swap-SLF....我也没有搞懂为什么这个优化能比普通的SLF快辣么多(ComeIntoPower说这可以让队列更接近优队）...

3.一些玄学的优化

边序随机将读入给你的边随机打乱后进行spfa

队列随机每个节点入队时，以1 / 2的概率从队首入队，1 / 2的概率从队尾入队。

队列随机优化版每 CC 次入队后，将队列元素随机打乱。

使用方法：一般配合上面的优化，当然如果你使用了队列随机...那么你只能靠rp啦。

边序随机代码实现：

//如果你和我一样是用vector + pair存图的话，那么只需要加上这一行语句for(int i = 1 ; i <= n ; ++i) random_shuffle(G[i].begin() , G[i].end()); //以及开头加上srand(time(NULL));

队列随机优化版+边序随机代码实现：

https://www.luogu.org/record/show?rid=14090021

4.更改使用的数据结构

priorty_queue || zkw-segment-tree

当正权边上的时候，这两个数据结构优化的spfa与dijkstra相同...

（即使您的代码允许节点多次入队，但是也没什么用，因为一个节点最多进入一次队列）

而负权边的时候，这个算法又被称为允许多次入队的dijkstra，但是很危险，有可能被卡成指数级！

stack

dfs实现的spfa，被提出于姜碧野的论文，事实上，它用来判断负环可能十分快速（没必要进行多余的 NN 次迭代）。但是如果是求最短路，一般不如队列版本spfa。为什么会这样呢？因为spfa_dfs一个次解就是一个 O(N)O(N) 的迭代，一种图可以轻而易举的卡爆它。

所以我们采用IDDFS逐渐放宽深度的方式，这样子spfa_dfs也能赶上spfa_bfs

参考文献：

[1] : fstqwq的知乎回答

https://www.zhihu.com/question/292283275/answer/484871888

[2] : 姜碧野《迭代求解的利器--spfa算法的优化及其应用》

https://wenku.baidu.com/view/f22d0d36ee06eff9aef807e9.html

转载于:https://www.cnblogs.com/wmq12138/p/10367009.html