算法
給定一個有向帶權圖 和一個源點 ,SPFA算法計算從 到圖中每個節點 的最短路徑。對於每個節點 ,從 到 的最短路徑表示為 。
SPFA算法的基本思路與貝爾曼-福特算法相同,即每個節點都被用作用於鬆弛其相鄰節點的備選節點。相較於貝爾曼-福特算法,SPFA算法的提升在於它並不盲目嘗試所有節點,而是維護一個備選節點佇列,並且僅有節點被鬆弛後才會放入佇列中。整個流程不斷重複直至沒有節點可以被鬆弛。
下面是這個算法的偽代碼。這裡的 是一個備選節點的先進先出佇列, 是邊 的權。
這個算法也可以通過將每條邊換為兩條逆向的邊來用於無向圖。
性能
平均情況下的性能
一般情況下,對於一張隨機圖,基於實驗獲得的平均時間複雜度為 。
最壞情況下的性能
下面是一種觸發該算法低性能表現的數據構造方式。假設要求從節點1到節點 的最短路徑。對於整數 ,考慮添加邊 並令其權為一個隨機的小數字(於是最短路應為1-2-...- ),同時隨機添加 條其他的權較大的邊。在這種情況下,SPFA算法的性能表現將會非常低下。
最佳化技巧
SPFA算法的性能很大程度上取決於用於鬆弛其他節點的備選節點的順序。事實上,如果 是一個優先佇列,則這個算法將極其類似於戴克斯特拉算法。然而儘管這一算法中並沒有用到優先佇列,仍有兩種可用的技巧可以用來提升佇列的質量,並且藉此能夠提高平均性能(但仍無法提高最壞情況下的性能)。兩種技巧通過重新調整 中元素的順序從而使得更靠近源點的節點能夠被更早地處理。因此一旦實現了這兩種技巧, 將不再是一個先進先出佇列,而更像一個鍊表或雙端佇列。
距離小者優先 (Small Label First,SLF),在偽代碼的第十一行,將總是把 壓入佇列尾端修改為比較 和 ,並且在 較小時將 壓入佇列的頭端。這一技巧的偽代碼如下(這部分代碼插入在上面的偽代碼的第十一行後):
距離大者置後(Large Label Last,LLL),在偽代碼的第十一行,我們更新佇列以確保佇列頭端的節點的距離總小於平均,並且任何距離大於平均的節點都將被移到佇列尾端。偽代碼如下: