题目描述
有 n 个网络节点,标记为 1 到 n。
给你一个列表 times,表示信号经过 有向 边的传递时间。 times[i] = (ui, vi, wi),其中 ui 是源节点,vi 是目标节点, wi 是一个信号从源节点传递到目标节点的时间。
现在,从某个节点 K 发出一个信号。需要多久才能使所有节点都收到信号?如果不能使所有节点收到信号,返回 -1 。
示例 1:
输入:times = [[2,1,1],[2,3,1],[3,4,1]], n = 4, k = 2
输出:2
示例 2:
输入:times = [[1,2,1]], n = 2, k = 1
输出:1
示例 3:
输入:times = [[1,2,1]], n = 2, k = 2
输出:-1
提示:
1 <= k <= n <= 100
1 <= times.length <= 6000
times[i].length == 3
1 <= ui, vi <= n
ui != vi
0 <= wi <= 100
所有 (ui, vi) 对都 互不相同(即,不含重复边)
问题分析
题目实际是求节点 K到其他所有点中最远的距离,那么首先需要求出节点 K到其他所有点的最短路,然后取最大值即可。
单源最短路问题可以使用 Dijkstra 算法,其核心思路是贪心算法。流程如下:
1、首先,Dijkstra 算法需要从当前全部未确定最短路的点中,找到距离源点最短的点 x。
2、其次,通过点 x更新其他所有点距离源点的最短距离。例如目前点 A 距离源点最短,距离为 3;有一条 A->B 的有向边,权值为 1,那么从源点先去 A 点再去 B 点距离为 3 + 1 = 4,若原先从源点到 B 的有向边权值为 5,那么我们便可以更新 B 到源点的最短距离为 4。
3、当全部其他点都遍历完成后,一次循环结束,将 x标记为已经确定最短路。进入下一轮循环,直到全部点被标记为确定了最短路。
我们通过一个[例子]对 Dijkstra 算法的流程深入了解一下:
以上图片为一个有向带权图,圆圈中为节点序号,箭头上为边权,右侧为所有点距离源点 0 的距离。 将顶点 0 进行标识,并作为点 x,更新其到其他所有点的距离。一轮循环结束。 将顶点 2 进行标识,并作为新的点 xxx,更新。我们看到,原本点 1 的最短距离为 5,被更新为了 3。同理还更新了点 3 和点 4 的最短距离。 将顶点 1 进行标识,并作为新的点 x,同样更新了点 4 到源点的最短距离。再分别标识点 4 和点 3,循环结束。
我们来看在实现时需要的代码支持:
1、首先,Dijkstra 算法需要存储各个边权,由于本题节点数量不超过 100,所以代码中使用了邻接矩阵 g[i][j] 存储从点 i 到点 j 的距离。若两点之间没有给出有向边,则初始化为 inf。算法还需要记录所有点到源点的最短距离,代码中使用了 dist[i] 数组存储源点到点 i 的最短距离,初始值也全部设为 inf。由于本题源点为 K,所以该点距离设为 0。
2、其次,Dijkstra 算法需要标记某一节点是否已确定了最短路,在代码中使用了 used[i] 数组存储,若已确定最短距离,则值为 true,否则值为 false。
3、之所以 inf 设置为 INT_MAX / 2,是因为在更新最短距离的时候,要有两个距离相加,为了防止溢出 int 型,所以除以 2。
代码
class Solution {
public:
int networkDelayTime(vector<vector<int>> ×, int n, int k) {
const int inf = INT_MAX / 2;
// 邻接矩阵存储边信息
vector<vector<int>> g(n, vector<int>(n, inf));
for (auto &t : times) {
// 边序号从 0 开始
int x = t[0] - 1, y = t[1] - 1;
g[x][y] = t[2];
}
// 从源点到某点的距离数组
vector<int> dist(n, inf);
// 由于从 k 开始,所以该点距离设为 0,也即源点
dist[k - 1] = 0;
// 节点是否被更新数组
vector<bool> used(n);
for (int i = 0; i < n; ++i) {
// 在还未确定最短路的点中,寻找距离最小的点
int x = -1;
for (int y = 0; y < n; ++y) {
if (!used[y] && (x == -1 || dist[y] < dist[x])) {
x = y;
}
}
// 用该点更新所有其他点的距离
used[x] = true;
for (int y = 0; y < n; ++y) {
dist[y] = min(dist[y], dist[x] + g[x][y]);
}
}
// 找到距离最远的点
int ans = *max_element(dist.begin(), dist.end());
return ans == inf ? -1 : ans;
}
};
Dijkstra+小根堆
class Solution {
public:
int networkDelayTime(vector<vector<int>>& times, int n, int k) {
const int inf = INT_MAX/2;
unordered_map<int,vector<pair<int,int>>> adj;
vector<int> dict(n, inf);
vector<bool> visited(n, false);
for(auto& v: times) {
adj[v[0]-1].push_back({v[1]-1,v[2]});
}
priority_queue<pair<int,int>,vector<pair<int,int>>, greater<pair<int,int>>> minHeap;
minHeap.push({0,k-1});
dict[k-1] = 0;
while(!minHeap.empty()) {
auto cur = minHeap.top();
minHeap.pop();
int d = cur.first;
int x = cur.second;
visited[x]= true;
for(auto& neighbor: adj[x]) {
if(d+neighbor.second < dict[neighbor.first]) {
dict[neighbor.first] = d+neighbor.second;
minHeap.push({d+neighbor.second, neighbor.first});
}
}
}
int ans = *max_element(dict.begin(), dict.end());
return ans == inf? -1:ans;
}
};
复杂度分析
枚举写法的复杂度如下:
时间复杂度:O(n^2+m),其中 m是数组times 的长度。
空间复杂度:O(n^2)。邻接矩阵需占用 O(n^2)的空间。
堆的写法复杂度如下:
时间复杂度:O(mlogm),其中 m是数组 times的长度。
空间复杂度:O(n+m)。