在有向图上通过正反向 SPFA/队列松弛预处理前缀最小买入价与后缀最大卖出价,枚举中间中转城市求解最大单笔贸易利润。
OJ: roj
题目 ID: 1501
难度:提高
标签:图论最短路SPFA
创建: 2026-09-30 14:51
更新: 2026-10-07 11:01
形式化题目
给定一个包含
graph LR
S((1)) -->|路径前段| U((u: 买入))
U -->|前缀最小价| I((i: 中转点))
I -->|后缀最大价| V((v: 卖出))
V -->|路径后段| T((n))
上图展示了最优贸易的路径拆分思想:任意一笔在
正解
思路
直接在任意有向图中寻找一条包含买卖两点的路径非常复杂,因为路径可以经过环且节点可重复访问。我们可以通过枚举中转节点将全局贸易问题分解为两个独立的极值可达性问题:
-
状态分解: 假设阿龙在城市
买入水晶球,在城市 卖出水晶球,整条旅行路线为 。 我们可以在 和 之间(甚至直接令 )选取一个中转城市 。 这样,整个贸易的最大收益可以分解为两部分: - 在从
到 的可行路径中,所能遇到的最低商品价格,记为 。 - 在从
到 的可行路径中,所能遇到的最高商品价格,记为 。 如果在城市 处决策,则通过城市 的最大可能收益为 。
- 在从
-
正向图松弛求解
: - 设
为从城市 到城市 的所有路径中经过的城市的最低商品价格。 - 初始时
,其余点设为 。 - 考虑有向边
:若当前已经能在走到 时买到价格为 的商品,则沿该边走到 时,能在途中买到的最低价格为 。 - 若该值比已记录的
更小,则更新 ,并将 加入队列继续松弛。
- 设
-
反向图松弛求解
: - 设
为从城市 出发能够到达城市 的所有路径中经过的城市的最高商品价格。 - “从
走向 ”等价于“在反向图上从 走向 ”。 - 初始时
,其余点设为 。 - 在反向图上,若当前沿反向边到达
能卖出的最高价格 大于 ,则更新 并将 入队。
- 设
-
合并求最优答案: 遍历所有城市
。若城市 既可从 到达( ),又能到达 ( ),则其对答案的贡献为 。 最终答案即为所有中转城市的收益最大值(若均小于等于 则输出 )。
代码
Python 版:
python
#!/usr/bin/env python3
# Author by Rainboy blog: https://rainboylv.com github: https://github.com/rainboylvx
# rbook: -> https://rbook.roj.ac.cn https://rbook2.roj.ac.cn
# rainboy的学习导航网站: https://idx.roj.ac.cn
# create_at: 2026-09-30 14:55
# update_at: 2026-09-30 14:55
import sys
from collections import deque
INF = 10**9
def compute_min_prices(n: int, prices: list[int], graph: list[list[int]]) -> list[int]:
"""计算从 1 号城市到达各城市路径上的最小买入价格。"""
min_p = [INF] * (n + 1)
min_p[1] = prices[1]
queue: deque[int] = deque([1])
while queue:
u = queue.popleft()
p = min_p[u]
for v in graph[u]:
cand = min(p, prices[v])
if cand < min_p[v]:
min_p[v] = cand
queue.append(v)
return min_p
def compute_max_prices(n: int, prices: list[int], rev_graph: list[list[int]]) -> list[int]:
"""计算从各城市出发到达 n 号城市路径上的最大卖出价格。"""
max_p = [-1] * (n + 1)
max_p[n] = prices[n]
queue: deque[int] = deque([n])
while queue:
u = queue.popleft()
p = max_p[u]
for v in rev_graph[u]:
cand = max(p, prices[v])
if cand > max_p[v]:
max_p[v] = cand
queue.append(v)
return max_p
def solve() -> None:
data = iter(sys.stdin.buffer.read().split())
try:
n_token = next(data)
except StopIteration:
return
n, m = int(n_token), int(next(data))
prices = [0] + [int(next(data)) for _ in range(n)]
graph: list[list[int]] = [[] for _ in range(n + 1)]
rev_graph: list[list[int]] = [[] for _ in range(n + 1)]
for _ in range(m):
u, v, t = int(next(data)), int(next(data)), int(next(data))
graph[u].append(v)
rev_graph[v].append(u)
if t == 2:
graph[v].append(u)
rev_graph[u].append(v)
min_p = compute_min_prices(n, prices, graph)
max_p = compute_max_prices(n, prices, rev_graph)
best_profit = max((max_p[i] - min_p[i] for i in range(1, n + 1) if min_p[i] <= 100 and max_p[i] >= 0), default=0)
print(best_profit)
if __name__ == "__main__":
solve()C++ 版(同一算法):
cpp
/**
* Author by Rainboy blog: https://rainboylv.com github: https://github.com/rainboylvx
* rbook: -> https://rbook.roj.ac.cn https://rbook2.roj.ac.cn
* rainboy的学习导航网站: https://idx.roj.ac.cn
* create_at: 2026-10-05 04:48
* update_at: 2026-10-05 04:49
*/
#include <bits/stdc++.h>
using namespace std;
// 一本通 3.2 练习 5 最优贸易:正反向 SPFA 预处理前缀最低买入价与后缀最高卖出价
// 数据范围 n <= 1e5,m <= 5e5,价格在 1..100 之间,队列松弛可快速收敛
const int MAXN = 100005;
const int MAXM = 1000005; // m <= 5e5,双向边拆成两条,最多 1e6 条有向边
const int INF = 1e9;
typedef long long ll;
ll n;
ll m;
int price[MAXN]; // price[i] 表示第 i 号城市的水晶球价格,值域只有 1..100,用 int
// 正向图存所有有向边,反向图把每条边方向翻转,用链式前向星避免大 vector 开销
int head[MAXN];
int to[MAXM];
int nxt[MAXM];
int edge_cnt;
int rhead[MAXN];
int rto[MAXM];
int rnxt[MAXM];
int redge_cnt;
int min_buy[MAXN]; // min_buy[i] 表示从 1 号城市走到 i 的路径上出现过的最低价格
int max_sell[MAXN]; // max_sell[i] 表示从 i 号城市走到 n 的路径上出现过的最高价格
// 加入一条有向边 u -> v,正向图和反向图同时登记,省去二次读入
// 城市编号不超过 n <= 1e5,用 int 作端点类型即可
void add_edge(int u, int v) {
edge_cnt++;
to[edge_cnt] = v;
nxt[edge_cnt] = head[u];
head[u] = edge_cnt;
redge_cnt++;
rto[redge_cnt] = u;
rnxt[redge_cnt] = rhead[v];
rhead[v] = redge_cnt;
}
// 正向松弛:沿 1 号城市能走到的边不断更新各点路径上的最低买入价
void spfa_min_buy() {
for (ll i = 1; i <= n; i++) {
min_buy[i] = INF;
}
min_buy[1] = price[1];
queue<int> q;
q.push(1);
while (!q.empty()) {
int u = q.front();
q.pop();
for (int e = head[u]; e != 0; e = nxt[e]) {
int v = to[e];
// 走到 v 时能买到的最低价:之前的最低价与 v 的售价取较小值
int cand = min_buy[u];
if (price[v] < cand) {
cand = price[v];
}
if (cand < min_buy[v]) {
min_buy[v] = cand;
q.push(v);
}
}
}
}
// 反向松弛:在反向图上从 n 号城市出发,求各点出发能到达 n 时的最高卖出价
void spfa_max_sell() {
for (ll i = 1; i <= n; i++) {
max_sell[i] = -1;
}
max_sell[n] = price[n];
queue<int> q;
q.push(n);
while (!q.empty()) {
int u = q.front();
q.pop();
for (int e = rhead[u]; e != 0; e = rnxt[e]) {
int v = rto[e];
// 从 v 出发能卖出的最高价:后续最高价与 v 的售价取较大值
int cand = max_sell[u];
if (price[v] > cand) {
cand = price[v];
}
if (cand > max_sell[v]) {
max_sell[v] = cand;
q.push(v);
}
}
}
}
// 枚举中转城市 i,把收益拆成 max_sell[i] - min_buy[i]
void solve() {
spfa_min_buy();
spfa_max_sell();
int ans = 0; // 赚不到差价时不做贸易,收益为 0
for (ll i = 1; i <= n; i++) {
// min_buy[i] <= 100 说明 i 可由 1 到达,max_sell[i] >= 0 说明 i 可到达 n
if (min_buy[i] <= 100 && max_sell[i] >= 0) {
int profit = max_sell[i] - min_buy[i];
if (profit > ans) {
ans = profit;
}
}
}
cout << ans << "\n";
}
int main() {
ios::sync_with_stdio(false);
cin.tie(nullptr);
cin >> n >> m;
for (ll i = 1; i <= n; i++) {
cin >> price[i];
}
for (ll i = 1; i <= m; i++) {
int x; // 道路端点,x, y <= n <= 1e5
int y;
int z; // z = 1 单向,z = 2 双向
cin >> x >> y >> z;
add_edge(x, y);
if (z == 2) {
add_edge(y, x); // 双向道路相当于两条方向相反的单向边
}
}
solve();
return 0;
}复杂度
- 时间复杂度:
。图中有 个城市, 条边。由于商品价格取值范围在 内,每个节点的价格只会被单调松弛常数次,队列松弛(SPFA 机制)能够极其迅速地收敛,实际运行时间在 0.1 秒内。 - 空间复杂度:
。用于存储正向图与反向图的邻接表,以及正反向极值数组与辅助队列。
总结
本题的关键在于拆分与中转点枚举:
- 将路径两点的关联最优化问题,转化为以中间点
为枢纽的前后两段独立极值问题。 - 逆向思维:将“从
到 的最大值”通过反向建图转化为“从 出发到达各点的最大值”。 - 状态转移虽然建立在可能有环的有向图上,但松弛操作具备严格单调性且值域极小,利用 SPFA / 队列松弛能高效求解。
