int path(int s)
{ int u,head,tail,temp,i,j;
  head=tail=0;
  q[tail++]=s;
  used[s]=1;
  while(head<tail)
       { temp=tail;
         for(i=head;i<temp;i++)
             {    u=q[i];
                  if(u==1)
                     return 1;
                  for(j=0;j<node;j++)
                     if(used[j]==0 && arr[u][j]>0)
                        {pre[j]=u;
                         used[j]=1;
                         q[tail++]=j;
                         }
              }
          head=temp;
       }
  return 0;      
}

void  ford_fulkerson()
{ int i,j,u,v,min,x,y;
  min=INT_MAX;
  u=pre[1];
  v=1;
  while(u>=0)
       {if(arr[u][v]<min)
             min=arr[u][v];
            v=u;
            u=pre[u];
       }
    
  u=pre[1];
  v=1;
  while(u>=0)
       {   arr[u][v]=arr[u][v]-min;
           arr[v][u]=arr[v][u]+min;
           v=u;
           u=pre[u];
        }
   res=res+min;       
}       

int main()
{int u,v,w,i,j;
 char str1[25],str2[25];
       freopen("in.txt","r",stdin);
       freopen("out.txt","w",stdout);
         scanf("%d",&nr);
          flag=0;
          res=0;
          node=2;
          for(i=0;i<nr;i++)
             { scanf("%s",str1);
               if(!PR[str1])
                   PR[str1]=node++;
               arr[0][PR[str1]]++;
             }
        
         scanf("%d",&np);
         for(i=0;i<np;i++)
             {  scanf("%s%s",str1,str2);
                 if(!PR[str2])
                    PR[str2]=node++;
                arr[PR[str2]][1]++;
             }   
        
         scanf("%d",&na);
         for(i=0;i<na;i++)
             {   scanf("%s%s",str1,str2);
                 if(!PR[str1])
                    PR[str1]=node++;
                  if(!PR[str2])
                    PR[str2]=node++; 
                  arr[PR[str2]][PR[str1]]=INT_MAX;
              }    
          
         while(!flag)
             { memset(used,0,sizeof(used));
               memset(pre,-1,sizeof(pre));
               if(path(0))
                  ford_fulkerson();
                else
                  flag=1;
              }
   printf("%d\n",np-res);  
   return 0;
}   

int path(int s)
{ int u,head,tail,temp,i,j;
  head=tail=0;
  q[tail++]=s;
  used[s]=1;
  while(head<tail)
       { temp=tail;
         for(i=head;i<temp;i++)
             {    u=q[i];
                  if(u==n+1)
                     return 1;
                  for(j=0;j<=n+1;j++)
                     if(!used[j] && arr[u][j]>0)
                        {pre[j]=u;
                         used[j]=1;
                         q[tail++]=j;
                         }
              }
          head=temp;
       }
  return 0;      
}

void  ford_fulkerson()
{ int i,j,u,v,min;
  min=INT_MAX;
 
  u=pre[n+1];
  v=n+1;
  while(u>=0)
       {if(arr[u][v]<min)
             min=arr[u][v];
           v=u;
           u=pre[u];
         
       }
    
  u=pre[n+1];
  v=n+1;
  while(u>=0)
       {   arr[u][v]=arr[u][v]-min;
           arr[v][u]=arr[v][u]+min;
           v=u;
           u=pre[u];
        }
   res=res+min;       
}       

int main()
{int u,v,w,i,j;
       freopen("in.txt","r",stdin);
       freopen("out.txt","w",stdout);
 while((scanf("%d%d%d%d",&n,&np,&nc,&m))!=EOF)
       {  flag=0;
          res=0;
          memset(arr,0,sizeof(arr));
           for(i=0;i<m;i++)
             { while(getchar()!='(');
               scanf("%d,%d)%d",&u,&v,&w);
               arr[u][v]=w;
             } 
           for(i=0;i<np;i++)
             {  while(getchar()!='(');
                scanf("%d)%d",&v,&w);
                arr[n][v]=w;
              } 
         
            for(i=0;i<nc;i++)
             { while(getchar()!='(');
               scanf("%d)%d",&u,&w);
               arr[u][n+1]=w;
              }   
                                            
           while(!flag)
             { memset(used,0,sizeof(used));
               memset(pre,-1,sizeof(pre));
               if(path(n))
                  ford_fulkerson();
                else
                  flag=1;
              }     
    printf("%d\n",res);  
 }                                      
   return 0;
}   

int main()
{int Case ,u,v,t;
 freopen("in.txt","r",stdin);
 freopen("out.txt","w",stdout);
 scanf("%d",&Case);
 while(Case--)
      { scanf("%d%d%d",&n,&m,&w);
        en=0;
        for(int i=1;i<=m;i++)
            {  scanf("%d%d%d",&u,&v,&t);
               e[en].u=u;
               e[en].v=v;
               e[en++].t=t;
               e[en].u=v;
               e[en].v=u;
               e[en++].t=t;
             }
         for(int i=1;i<=w;i++)
            {  scanf("%d%d%d",&u,&v,&t);
               e[en].u=u;
               e[en].v=v;
               e[en++].t=-t;
            }
         
          if(bellmanford())
             puts("YES");
         else
             puts("NO");
   }
   return 0;                   
}   

Bellman-Ford 算法及其优化 Bellman-Ford算法与另一个非常著名的Dijkstra算法一样，用于求解单源点最短路径问题。Bellman-ford算法除了可求解边权均非负的问题外，还可以解决存在负权边的问题（意义是什么，好好思考），而Dijkstra算法只能处理边权非负的问题，因此 Bellman-Ford算法的适用面要广泛一些。但是，原始的Bellman-Ford算法时间复杂度为 O（VE）,比Dijkstra算法的时间复杂度高，所以常常被众多的大学算法教科书所忽略，就连经典的《算法导论》也只介绍了基本的Bellman-Ford算法，在国内常见的基本信息学奥赛教材中也均未提及，因此该算法的知名度与被掌握度都不如Dijkstra算法。事实上，有多种形式的Bellman-Ford算法的优化实现。这些优化实现在时间效率上得到相当提升，例如近一两年被热捧的SPFA（Shortest-Path Faster Algoithm 更快的最短路径算法）算法的时间效率甚至由于Dijkstra算法，因此成为信息学奥赛选手经常讨论的话题。然而，限于资料匮乏，有关Bellman-Ford算法的诸多问题常常困扰奥赛选手。如：该算法值得掌握么？怎样用编程语言具体实现？有哪些优化？与SPFA算法有关系么？本文试图对Bellman-Ford算法做一个比较全面的介绍。给出几种实现程序，从理论和实测两方面分析他们的时间复杂度，供大家在备战省选和后续的noi时参考。 Bellman-Ford算法思想 Bellman-Ford算法能在更普遍的情况下（存在负权边）解决单源点最短路径问题。对于给定的带权（有向或无向）图 G=（V,E），其源点为s，加权函数 w是 边集 E 的映射。对图G运行Bellman-Ford算法的结果是一个布尔值，表明图中是否存在着一个从源点s可达的负权回路。若不存在这样的回路，算法将给出从源点s到 图G的任意顶点v的最短路径d[v]。 Bellman-Ford算法流程分为三个阶段： （1）    初始化：将除源点外的所有顶点的最短距离估计值 d[v] ←+∞, d[s] ←0; （2）    迭代求解：反复对边集E中的每条边进行松弛操作，使得顶点集V中的每个顶点v的最短距离估计值逐步逼近其最短距离；（运行|v|-1次） （3）    检验负权回路：判断边集E中的每一条边的两个端点是否收敛。如果存在未收敛的顶点，则算法返回false，表明问题无解；否则算法返回true，并且从源点可达的顶点v的最短距离保存在 d[v]中。 算法描述如下： Bellman-Ford(G,w,s) ：boolean   //图G ，边集 函数 w ，s为源点 1        for each vertex v ∈ V（G） do        //初始化 1阶段 2            d[v] ←+∞ 3        d[s] ←0;                             //1阶段结束 4        for i=1 to |v|-1 do               //2阶段开始，双重循环。 5           for each edge（u,v） ∈E(G) do //边集数组要用到，穷举每条边。 6              If d[v]> d[u]+ w(u,v) then      //松弛判断 7                 d[v]=d[u]+w(u,v)               //松弛操作   2阶段结束 8        for each edge（u,v） ∈E(G) do 9            If d[v]> d[u]+ w(u,v) then 10            Exit false 11    Exit true  下面给出描述性证明：    首先指出，图的任意一条最短路径既不能包含负权回路，也不会包含正权回路，因此它最多包含|v|-1条边。    其次，从源点s可达的所有顶点如果 存在最短路径，则这些最短路径构成一个以s为根的最短路径树。Bellman-Ford算法的迭代松弛操作，实际上就是按顶点距离s的层次，逐层生成这棵最短路径树的过程。 在对每条边进行1遍松弛的时候，生成了从s出发，层次至多为1的那些树枝。也就是说，找到了与s至多有1条边相联的那些顶点的最短路径；对每条边进行第2遍松弛的时候，生成了第2层次的树枝，就是说找到了经过2条边相连的那些顶点的最短路径……。因为最短路径最多只包含|v|-1 条边，所以，只需要循环|v|-1 次。 每实施一次松弛操作，最短路径树上就会有一层顶点达到其最短距离，此后这层顶点的最短距离值就会一直保持不变，不再受后续松弛操作的影响。（但是，每次还要判断松弛，这里浪费了大量的时间，怎么优化？单纯的优化是否可行？） 如果没有负权回路，由于最短路径树的高度最多只能是|v|-1，所以最多经过|v|-1遍松弛操作后，所有从s可达的顶点必将求出最短距离。如果 d[v]仍保持 +∞，则表明从s到v不可达。 如果有负权回路，那么第 |v|-1 遍松弛操作仍然会成功，这时，负权回路上的顶点不会收敛。 例如对于上图，边上方框中的数字代表权值，顶点A,B,C之间存在负权回路。S是源点，顶点中数字表示运行Bellman-Ford算法后各点的最短距离估计值。 此时d[a]的值为1，大于d[c]+w(c,a)的值-2，由此d[a]可以松弛为-2，然后d[b]又可以松弛为-5,d[c]又可以松弛为-7.下一个周期，d[a]又可以更新为更小的值，这个过程永远不会终止。因此，在迭代求解最短路径阶段结束后，可以通过检验边集E的每条边(u,v)是否满足关系式 d[v]> d[u]+ w(u,v) 来判断是否存在负权回路。    二、基本 Bellman-Ford 算法的 pascal实现。    见 bellmanford.pas 文件。 三、基本算法之上的优化。 分析 Bellman-Ford算法，不难看出，外层循环（迭代次数）|v|-1实际上取得是上限。由上面对算法正确性的证明可知，需要的迭代遍数等于最短路径树的高度。如果不存在负权回路，平均情况下的最短路径树的高度应该远远小于 |v|-1，在此情况下，多余最短路径树高的迭代遍数就是时间上的浪费，由此，可以依次来实施优化。 从细节上分析，如果在某一遍迭代中，算法描述中第7行的松弛操作未执行，说明该遍迭代所有的边都没有被松弛。可以证明（怎么证明？）：至此后，边集中所有的边都不需要再被松弛，从而可以提前结束迭代过程。这样，优化的措施就非常简单了。 设定一个布尔型标志变量 relaxed，初值为false。在内层循环中，仅当有边被成功松弛时，将 relaxed 设置为true。如果没有边被松弛，则提前结束外层循环。这一改进可以极大的减少外层循环的迭代次数。优化后的 bellman-ford函数如下。 function bellmanford(s:longint):boolean;      begin         for i:=1 to nv do           d[i]:=max;         d[s]:=0;         for i:=1 to nv-1 do          begin          relaxed:=false;           for j:=1 TO ne do           if(d[edges[j].s]<>max) and (d[edges[j].e]>d[edges[j].s]+edges[j].w)                then begin d[edges[j].e]:=d[edges[j].s]+edges[j].w ; relaxed:=true;                          end;                 if not relaxed then break; end;         for i:=1 to ne do           if d[edges[j].e]>d[edges[j].s]+edges[j].w then exit(false);         exit(true);      end; 这样看似平凡的优化，会有怎样的效果呢？有研究表明，对于随机生成数据的平均情况，时间复杂度的估算公式为 1.13|E|                    if |E|<|V| 0.95*|E|*lg|V|              if |E|>|V| 优化后的算法在处理有负权回路的测试数据时，由于每次都会有边被松弛，所以relaxed每次都会被置为true，因而不可能提前终止外层循环。这对应了最坏情况，其时间复杂度仍旧为O(VE)。 优化后的算法的时间复杂度已经和用二叉堆优化的Dijkstra算法相近了，而编码的复杂程度远比后者低。加之Bellman-Ford算法能处理各种边值权情况下的最短路径问题，因而还是非常优秀的。Usaco3.2.6 的程序见bellmanford_1.pas 四、SPFA 算法    SPFA是目前相当优秀的求最短路径的算法，值得我们掌握。    SPFA对Bellman-Ford算法优化的关键之处在于意识到：只有那些在前一遍松弛中改变了距离估计值的点，才可能引起他们的邻接点的距离估计值的改变。因此，用一个先进先出的队列来存放被成功松弛的顶点。初始时，源点s入队。当队列不为空时，取出对首顶点，对它的邻接点进行松弛。如果某个邻接点松弛成功，且该邻接点不在队列中，则将其入队。经过有限次的松弛操作后，队列将为空，算法结束。SPFA算法的实现，需要用到一个先进先出的队列 queue 和一个指示顶点是否在队列中的 标记数组 mark。为了方便查找某个顶点的邻接点，图采用临界表存储。    程序存储在 spfa.pas中。以usaco 3.2.6 试题2为例。用邻接表写的程序。    需要注意的是：仅当图不存在负权回路时，SPFA能正常工作。如果图存在负权回路，由于负权回路上的顶点无法收敛，总有顶点在入队和出队往返，队列无法为空，这种情况下SPFA无法正常结束。 判断负权回路的方案很多，世间流传最广的是记录每个结点进队次数，超过|V|次表示有负权 还有一种方法为记录这个结点在路径中处于的位置，ord[i]，每次更新的时候ord[i]=ord[x]+1，若超过|V|则表示有负圈..... 其他方法还有很多，我反倒觉得流传最广的方法是最慢的....... 关于SPFA的时间复杂度，不好准确估计，一般认为是 O（kE），k是常数 五、时间效率实测 上述介绍的Bellman-Ford算法及两种的优化，只是在理论上分析了时间复杂度，用实际的数据测试，会有什么结果呢？为此，我们选择 usaco 3.2.6。 Spfa的时间效率还是很高的。并且spfa的编程复杂度要比Dijksta+heap优化要好的多。 六、结论 经过优化Bellman-Ford算法是非常优化的求单源最短路径的算法，SPFA时间效率要优于第一种优化形式，但第一种优化形式的编码复杂度低于SPFA。两种优化形式的编程复杂度都低于Dijkstra算法。如果在判断是否存在负权回路，推荐使用第一种优化形式，否则推荐使用SPFA。