当前位置：首页 > news >正文

图论算法体系：并查集、生成树、排序与路径搜索全解析

news 来源：原创 2025/4/25 5:25:05

从图论的基础理论入门，到深搜广搜搭建起图论的骨架。
从并查集到最小生成树，从拓扑排序到最短路径。
....
群星璀璨😉

并查集
最小生成树
- Prim算法
- Kruskal算法
拓扑排序（kahn算法）
·最短路径
- Dijkstra算法
  - Dijkstra朴素
  - Dijkstra堆优化
- Bellman_ford算法
  - Bellman_ford朴素
  - SPFA
  - Bellman_ford之判断负权回路
  - Bellman_ford之单源有限最短路
- Floyed算法
- 启发式搜索A*算法

一、并查集

作用：

连通性判断（两个节点是否连通）
检测环（在无项图中，添加两个节点是否属于同一父节点）
最小生成树（KrusKal）

模版：

基础应用

简单例子；
无向图，有1~5这5个节点
1 2
2 3 
3 4
求解，2与4是否连通。2与5呢？
加入1-4
是否会成环？
按照模板给出讲解顺序
// 这只是无向图中的应用，是最基础的
// 有向图会麻烦一点点

压缩路径：

（最基础、最常用）

int n = 1005; // n根据题目中节点数量而定，一般比节点数量大一点就好
vector<int> father = vector<int> (n, 0); // C++里的一种数组结构// 并查集初始化
void init() {for (int i = 0; i < n; ++i) {father[i] = i;}
}
// 并查集里寻根的过程
int find(int u) {return u == father[u] ? u : father[u] = find(father[u]); // 路径压缩
}// 判断 u 和 v是否找到同一个根
bool isSame(int u, int v) {u = find(u);v = find(v);return u == v;
}// 将v->u 这条边加入并查集
void join(int u, int v) {u = find(u); // 寻找u的根v = find(v); // 寻找v的根if (u == v) return ; // 如果发现根相同，则说明在一个集合，不用两个节点相连直接返回father[v] = u;
}

按秩合并：

（大规模场景，需要性能优化时，会用到这个）（我没遇到，不知道）

int n = 1005; // n根据题目中节点数量而定，一般比节点数量大一点就好
vector<int> father = vector<int> (n, 0); // C++里的一种数组结构
vector<int> rank = vector<int> (n, 1); // 初始每棵树的高度都为1// 并查集初始化
void init() {for (int i = 0; i < n; ++i) {father[i] = i;rank[i] = 1; // 也可以不写}
}
// 并查集里寻根的过程
int find(int u) {return u == father[u] ? u : find(father[u]);// 注意这里不做路径压缩
}// 判断 u 和 v是否找到同一个根
bool isSame(int u, int v) {u = find(u);v = find(v);return u == v;
}// 将v->u 这条边加入并查集
void join(int u, int v) {u = find(u); // 寻找u的根v = find(v); // 寻找v的根if (rank[u] <= rank[v]) father[u] = v; // rank小的树合入到rank大的树else father[v] = u;if (rank[u] == rank[v] && u != v) rank[v]++; // 如果两棵树高度相同，则v的高度+1，因为上面 if (rank[u] <= rank[v]) father[u] = v; 注意是 <=
}

二、最小生成树

基础定义：

给一个无向连通图，找到一个子图，满足：

包含所有顶点（N个顶点）
有N-1条边
边权值最小

（举例详细解释一下）
prime是以点为基础，所以更适合稠密图（O(N^2)）
Kruskal以边为基础，更适合稀疏图 (O(nlogn))
（一般题目会这样出题：有多个城市之间埔公路(A、B、C、D)，求如何才能用最少的原材料，让所有城市之间连通？）

Prim算法：

核心思想：

从顶点出发的贪心思想，
每次循环都会连接一个 距离生成树距离最近的节点。

基础应用

模板：

三步走：

找出距离已得到生成树最近的节点。
更新去重数组
更新未加入生成树节点，到达生成树的最小距离。（用新加入的节点表示）

#include<iostream>
#include<vector>
#include <climits>using namespace std;
int main() {int v, e;int x, y, k;cin >> v >> e;// 填一个默认最大值，题目描述val最大为10000vector<vector<int>> grid(v + 1, vector<int>(v + 1, 10001));while (e--) {cin >> x >> y >> k;// 因为是双向图，所以两个方向都要填上grid[x][y] = k;grid[y][x] = k;}// 所有节点到最小生成树的最小距离vector<int> minDist(v + 1, 10001);// 这个节点是否在树里vector<bool> isInTree(v + 1, false);// 我们只需要循环 n-1次，建立 n - 1条边，就可以把n个节点的图连在一起for (int i = 1; i < v; i++) {// 1、prim三部曲，第一步：选距离生成树最近节点int cur = -1; // 选中哪个节点 加入最小生成树int minVal = INT_MAX;for (int j = 1; j <= v; j++) { // 1 - v，顶点编号，这里下标从1开始//  选取最小生成树节点的条件：//  （1）不在最小生成树里//  （2）距离最小生成树最近的节点if (!isInTree[j] &&  minDist[j] < minVal) {minVal = minDist[j];cur = j;}}// 2、prim三部曲，第二步：最近节点（cur）加入生成树isInTree[cur] = true;// 3、prim三部曲，第三步：更新非生成树节点到生成树的距离（即更新minDist数组）// cur节点加入之后， 最小生成树加入了新的节点，那么所有节点到 最小生成树的距离（即minDist数组）需要更新一下// 由于cur节点是新加入到最小生成树，那么只需要关心与 cur 相连的 非生成树节点 的距离 是否比 原来 非生成树节点到生成树节点的距离更小了呢for (int j = 1; j <= v; j++) {// 更新的条件：// （1）节点是 非生成树里的节点// （2）与cur相连的某节点的权值 比 该某节点距离最小生成树的距离小// 很多录友看到自己 就想不明白什么意思，其实就是 cur 是新加入 最小生成树的节点，那么 所有非生成树的节点距离生成树节点的最近距离 由于 cur的新加入，需要更新一下数据了if (!isInTree[j] && grid[cur][j] < minDist[j]) {minDist[j] = grid[cur][j];}}}// 统计结果int result = 0;for (int i = 2; i <= v; i++) { // 不计第一个顶点，因为统计的是边的权值，v个节点有 v-1条边result += minDist[i];}cout << result << endl;}

Kruskal算法：

（克鲁斯卡尔算法）

核心思想：

从 “边” 开始的，贪心思想。

基础应用：

初始数据
7 11   // 7个节点、11条边
1 2 1  // 顶点1与顶点2相连、权值为1
1 3 1
1 5 2
2 6 1
2 4 2
2 3 2
3 4 1
4 5 1
5 6 2
5 7 1
6 7 1
求解最小生成树，权值最小为多少。可以转化为：
（有多个城市之间埔公路，求如何才能用最少的原材料，让所有城市之间连通？）
// 排序过后的
1 2 1
1 3 1
2 6 1
3 4 1
4 5 1
6 7 1
5 7 1
2 3 2
1 5 2
2 4 2
5 6 2

模板：

重点步骤：

储存每条边，并按照权值大小按照升序排序，放在edges数组中
建立并查集模板
通过edges数组，建立最小生成树

#include <iostream>
#include <vector>
#include <algorithm>using namespace std;// l,r为 边两边的节点，val为边的数值
struct Edge {int l, r, val;
};// 节点数量
int n = 10001;
// 并查集标记节点关系的数组
vector<int> father(n, -1); // 节点编号是从1开始的，n要大一些// 并查集初始化
void init() {for (int i = 0; i < n; ++i) {father[i] = i;}
}// 并查集的查找操作
int find(int u) {return u == father[u] ? u : father[u] = find(father[u]); // 路径压缩
}// 并查集的加入集合
void join(int u, int v) {u = find(u); // 寻找u的根v = find(v); // 寻找v的根if (u == v) return ; // 如果发现根相同，则说明在一个集合，不用两个节点相连直接返回father[v] = u;
}int main() {int v, e;int v1, v2, val;vector<Edge> edges;int result_val = 0;cin >> v >> e;while (e--) {cin >> v1 >> v2 >> val;edges.push_back({v1, v2, val});}// 执行Kruskal算法// 按边的权值对边进行从小到大排序sort(edges.begin(), edges.end(), [](const Edge& a, const Edge& b) {return a.val < b.val;});// 并查集初始化init();// 从头开始遍历边for (Edge edge : edges) {// 并查集，搜出两个节点的祖先int x = find(edge.l);int y = find(edge.r);// 如果祖先不同，则不在同一个集合if (x != y) {result_val += edge.val; // 这条边可以作为生成树的边join(x, y); // 两个节点加入到同一个集合}}cout << result_val << endl;return 0;
}

三、拓扑排序：

作用：

拓扑排序是将，有向图转化为线性关系。

（先上A课，才能上B课，上了A课才能上C课，先上C课才能上B课，上了B课才能上D课）

求上课顺序应该如何排序（有多种排序方式）

最常用的方式是卡恩算法(BFS)（另一种是DFS回溯法）

Kahn算法

两步走：

找到入度为0的节点，并加入结果集
减去与该节点相连的入度（将该节点从图中移除）

模板

#include <iostream>
#include <vector>
#include <queue>
#include <unordered_map>
using namespace std;
int main() {int m, n, s, t;cin >> n >> m;vector<int> inDegree(n, 0); // 记录每个文件的入度unordered_map<int, vector<int>> umap;// 记录文件依赖关系vector<int> result; // 记录结果while (m--) {// s->t，先有s才能有tcin >> s >> t;inDegree[t]++; // t的入度加一umap[s].push_back(t); // 记录s指向哪些文件}queue<int> que;for (int i = 0; i < n; i++) {// 入度为0的文件，可以作为开头，先加入队列if (inDegree[i] == 0) que.push(i);//cout << inDegree[i] << endl;}// int count = 0;while (que.size()) {int  cur = que.front(); // 当前选中的文件que.pop();//count++;result.push_back(cur);vector<int> files = umap[cur]; //获取该文件指向的文件if (files.size()) { // cur有后续文件for (int i = 0; i < files.size(); i++) {inDegree[files[i]] --; // cur的指向的文件入度-1if(inDegree[files[i]] == 0) que.push(files[i]);}}}if (result.size() == n) {for (int i = 0; i < n - 1; i++) cout << result[i] << " ";cout << result[n - 1];} else cout << -1 << endl;}

四、最短路径算法

基础定义：

从起点到终点的最短路径。
举一个形象一点的例子：导航地图，你到目的地的推荐路径。

Dijkstra

(迪杰斯特拉算法)--同样是以 “点” 为起始的贪心思想，方法与prim大同小异。

基础应用：

举例：从1到各个节点之间最短距离。（所有权值，必须是正值）

dijkstra朴素版：

模板：

三部走：

选源点到那个节点近，且该节点未被访问过
标记该节点为已访问过
更新非访问节点，到源点的距离

#include <iostream>
#include <vector>
#include <climits>
using namespace std;
int main() {int n, m, p1, p2, val;cin >> n >> m;vector<vector<int>> grid(n + 1, vector<int>(n + 1, INT_MAX));for(int i = 0; i < m; i++){cin >> p1 >> p2 >> val;grid[p1][p2] = val;}int start = 1;int end = n;// 存储从源点到每个节点的最短距离std::vector<int> minDist(n + 1, INT_MAX);// 记录顶点是否被访问过std::vector<bool> visited(n + 1, false);minDist[start] = 0;  // 起始点到自身的距离为0for (int i = 1; i <= n; i++) { // 遍历所有节点int minVal = INT_MAX;int cur = 1;// 1、选距离源点最近且未访问过的节点for (int v = 1; v <= n; ++v) {if (!visited[v] && minDist[v] < minVal) {minVal = minDist[v];cur = v;}}visited[cur] = true;  // 2、标记该节点已被访问// 3、第三步，更新非访问节点到源点的距离（即更新minDist数组）for (int v = 1; v <= n; v++) {if (!visited[v] && grid[cur][v] != INT_MAX && minDist[cur] + grid[cur][v] < minDist[v]) {minDist[v] = minDist[cur] + grid[cur][v];}}}if (minDist[end] == INT_MAX) cout << -1 << endl; // 不能到达终点else cout << minDist[end] << endl; // 到达终点最短路径}

dijkstra堆优化法：

模板：

堆优化法，其实挺好实现的，跟Kruskal挺像，就是以边为中心的贪心思想。

#include <iostream>
#include <vector>
#include <list>
#include <queue>
#include <climits>
using namespace std; 
// 小顶堆
class mycomparison {
public:bool operator()(const pair<int, int>& lhs, const pair<int, int>& rhs) {return lhs.second > rhs.second;}
};
// 定义一个结构体来表示带权重的边
struct Edge {int to;  // 邻接顶点int val; // 边的权重Edge(int t, int w): to(t), val(w) {}  // 构造函数
};int main() {int n, m, p1, p2, val;cin >> n >> m;vector<list<Edge>> grid(n + 1);for(int i = 0; i < m; i++){cin >> p1 >> p2 >> val; // p1 指向 p2，权值为 valgrid[p1].push_back(Edge(p2, val));}int start = 1;  // 起点int end = n;    // 终点// 存储从源点到每个节点的最短距离std::vector<int> minDist(n + 1, INT_MAX);// 记录顶点是否被访问过std::vector<bool> visited(n + 1, false); // 优先队列中存放 pair<节点，源点到该节点的权值>priority_queue<pair<int, int>, vector<pair<int, int>>, mycomparison> pq;// 初始化队列，源点到源点的距离为0，所以初始为0pq.push(pair<int, int>(start, 0)); minDist[start] = 0;  // 起始点到自身的距离为0while (!pq.empty()) {// 1. 第一步，选源点到哪个节点近且该节点未被访问过 （通过优先级队列来实现）// <节点， 源点到该节点的距离>pair<int, int> cur = pq.top(); pq.pop();if (visited[cur.first]) continue;// 2. 第二步，该最近节点被标记访问过visited[cur.first] = true;// 3. 第三步，更新非访问节点到源点的距离（即更新minDist数组）for (Edge edge : grid[cur.first]) { // 遍历 cur指向的节点，cur指向的节点为 edge// cur指向的节点edge.to，这条边的权值为 edge.valif (!visited[edge.to] && minDist[cur.first] + edge.val < minDist[edge.to]) { // 更新minDistminDist[edge.to] = minDist[cur.first] + edge.val;pq.push(pair<int, int>(edge.to, minDist[edge.to]));}}}if (minDist[end] == INT_MAX) cout << -1 << endl; // 不能到达终点else cout << minDist[end] << endl; // 到达终点最短路径
}

为什么不能有负值：

可以自己模拟一遍

Bellman ford算法

（贝尔曼-福特算法）- 解决权值为负的问题

核心思想：

贝尔曼-福特算法，的核心是松弛操作。
尝试通过中间节点缩短路径的，就是松弛操作。
如：点之间的最短距离，点A到点B的最短距离是3，点B到点C的最短距离是-2，点A到点C之间的最短距离是2；
点A->点C的最短距离（A先到B，再到C）（3+(-2))=1；减半减半的呢

Bellman_ford

基础应用：

A → B：3（花费为 3）
A → C：5（花费为 5）
B → C：-1（花费 -1，相当于补贴了钱）
B → D：3（花费为 3）
C → D：4（花费为 4）

模板：

#include <iostream>
#include <vector>
#include <list>
#include <climits>
using namespace std;int main() {int n, m, p1, p2, val;cin >> n >> m;vector<vector<int>> grid;// 将所有边保存起来for(int i = 0; i < m; i++){cin >> p1 >> p2 >> val;// p1 指向 p2，权值为 valgrid.push_back({p1, p2, val});}int start = 1;  // 起点int end = n;    // 终点vector<int> minDist(n + 1 , INT_MAX);minDist[start] = 0;for (int i = 1; i < n; i++) { // 对所有边 松弛 n-1 次for (vector<int> &side : grid) { // 每一次松弛，都是对所有边进行松弛int from = side[0]; // 边的出发点int to = side[1]; // 边的到达点int price = side[2]; // 边的权值// 松弛操作 // minDist[from] != INT_MAX 防止从未计算过的节点出发if (minDist[from] != INT_MAX && minDist[to] > minDist[from] + price) { minDist[to] = minDist[from] + price;  }}}if (minDist[end] == INT_MAX) cout << "unconnected" << endl; // 不能到达终点else cout << minDist[end] << endl; // 到达终点最短路径}

Bellman_ford优先队列（SPFA）

其实，SPFA就是对应kruskal算法。以“边”为起始的贪心算法

基础应用：

A → B：3（花费为 3）
A → C：5（花费为 5）
B → C：-1（花费 -1，相当于补贴了钱）
B → D：3（花费为 3）
C → D：4（花费为 4）

模板：

#include <iostream>
#include <vector>
#include <queue>
#include <list>
#include <climits>
using namespace std;struct Edge { //邻接表int to;  // 链接的节点int val; // 边的权重Edge(int t, int w): to(t), val(w) {}  // 构造函数
};int main() {int n, m, p1, p2, val;cin >> n >> m;vector<list<Edge>> grid(n + 1); vector<bool> isInQueue(n + 1); // 加入优化，已经在队里里的元素不用重复添加// 将所有边保存起来for(int i = 0; i < m; i++){cin >> p1 >> p2 >> val;// p1 指向 p2，权值为 valgrid[p1].push_back(Edge(p2, val));}int start = 1;  // 起点int end = n;    // 终点vector<int> minDist(n + 1 , INT_MAX);minDist[start] = 0;queue<int> que;que.push(start); while (!que.empty()) {int node = que.front(); que.pop();isInQueue[node] = false; // 从队列里取出的时候，要取消标记，我们只保证已经在队列里的元素不用重复加入for (Edge edge : grid[node]) {int from = node;int to = edge.to;int value = edge.val;if (minDist[to] > minDist[from] + value) { // 开始松弛minDist[to] = minDist[from] + value; if (isInQueue[to] == false) { // 已经在队列里的元素不用重复添加que.push(to);isInQueue[to] = true;}}}}if (minDist[end] == INT_MAX) cout << "unconnected" << endl; // 不能到达终点else cout << minDist[end] << endl; // 到达终点最短路径
}

Bellman_ford判断负权回路

基础应用：

图中，存在回路，并且回路的值为负值

模板：

1、朴素版

朴素版，其实是最好理解的！
没有负权回路时会循环n-1次，之后n、n+1、n+2...结果都不会在变。
若出现负权回路！不论循环多少次，内容一直会改变。

#include <iostream>
#include <vector>
#include <list>
#include <climits>
using namespace std;int main() {int n, m, p1, p2, val;cin >> n >> m;vector<vector<int>> grid;for(int i = 0; i < m; i++){cin >> p1 >> p2 >> val;// p1 指向 p2，权值为 valgrid.push_back({p1, p2, val});}int start = 1;  // 起点int end = n;    // 终点vector<int> minDist(n + 1 , INT_MAX);minDist[start] = 0;bool flag = false;for (int i = 1; i <= n; i++) { // 这里我们松弛n次，最后一次判断负权回路for (vector<int> &side : grid) {int from = side[0];int to = side[1];int price = side[2];if (i < n) {if (minDist[from] != INT_MAX && minDist[to] > minDist[from] + price) minDist[to] = minDist[from] + price;} else { // 多加一次松弛判断负权回路if (minDist[from] != INT_MAX && minDist[to] > minDist[from] + price) flag = true;}}}if (flag) cout << "circle" << endl;else if (minDist[end] == INT_MAX) {cout << "unconnected" << endl;} else {cout << minDist[end] << endl;}
}

2、SPFA

若要用优先队列解决的话，可以根据他的一个性质，每个节点最多被松弛n-1次。
（也就是做n-1次，中间节点）
一点超过n-1次，就会说明出现了负权回路。

#include <iostream>
#include <vector>
#include <queue>
#include <list>
#include <climits>
using namespace std;struct Edge { //邻接表int to;  // 链接的节点int val; // 边的权重Edge(int t, int w): to(t), val(w) {}  // 构造函数
};int main() {int n, m, p1, p2, val;cin >> n >> m;vector<list<Edge>> grid(n + 1); // 邻接表// 将所有边保存起来for(int i = 0; i < m; i++){cin >> p1 >> p2 >> val;// p1 指向 p2，权值为 valgrid[p1].push_back(Edge(p2, val));}int start = 1;  // 起点int end = n;    // 终点vector<int> minDist(n + 1 , INT_MAX);minDist[start] = 0;queue<int> que;que.push(start); // 队列里放入起点 vector<int> count(n+1, 0); // 记录节点加入队列几次count[start]++;bool flag = false;while (!que.empty()) {int node = que.front(); que.pop();for (Edge edge : grid[node]) {int from = node;int to = edge.to;int value = edge.val;if (minDist[to] > minDist[from] + value) { // 开始松弛minDist[to] = minDist[from] + value;que.push(to);count[to]++; if (count[to] == n) {// 如果加入队列次数超过 n-1次 就说明该图与负权回路flag = true;while (!que.empty()) que.pop();break;}}}}if (flag) cout << "circle" << endl;else if (minDist[end] == INT_MAX) {cout << "unconnected" << endl;} else {cout << minDist[end] << endl;}}

Bellman_ford之单源最短路

基础应用：

共有1~n各城市，要求城市1->城市n，最多经历k个城市。

模板：

其实挺容易理解的，只要创建两个minDist，复用上一个minDist就行。
在这个前提下，只需要k次，就能求出所有（1~k）的城市。

1、朴素版：

// 版本二
#include <iostream>
#include <vector>
#include <list>
#include <climits>
using namespace std;int main() {int src, dst,k ,p1, p2, val ,m , n;cin >> n >> m;vector<vector<int>> grid;for(int i = 0; i < m; i++){cin >> p1 >> p2 >> val;grid.push_back({p1, p2, val});}cin >> src >> dst >> k;vector<int> minDist(n + 1 , INT_MAX);minDist[src] = 0;vector<int> minDist_copy(n + 1); // 用来记录上一次遍历的结果for (int i = 1; i <= k + 1; i++) {minDist_copy = minDist; // 获取上一次计算的结果for (vector<int> &side : grid) {int from = side[0];int to = side[1];int price = side[2];// 注意使用 minDist_copy 来计算 minDist if (minDist_copy[from] != INT_MAX && minDist[to] > minDist_copy[from] + price) {  minDist[to] = minDist_copy[from] + price;}}}if (minDist[dst] == INT_MAX) cout << "unreachable" << endl; // 不能到达终点else cout << minDist[dst] << endl; // 到达终点最短路径}

2、SPFA：

// 将所有边保存起来for(int i = 0; i < m; i++){cin >> p1 >> p2 >> val;// p1 指向 p2，权值为 valgrid[p1].push_back(Edge(p2, val));}int start, end, k;cin >> start >> end >> k;k++;vector<int> minDist(n + 1 , INT_MAX);vector<int> minDist_copy(n + 1); // 用来记录每一次遍历的结果minDist[start] = 0;queue<int> que;que.push(start); // 队列里放入起点int que_size;while (k-- && !que.empty()) {minDist_copy = minDist; // 获取上一次计算的结果que_size = que.size(); // 记录上次入队列的节点个数while (que_size--) { // 上一轮松弛入队列的节点，这次对应的边都要做松弛int node = que.front(); que.pop();for (Edge edge : grid[node]) {int from = node;int to = edge.to;int price = edge.val;if (minDist[to] > minDist_copy[from] + price) {minDist[to] = minDist_copy[from] + price;que.push(to);}}}}if (minDist[end] == INT_MAX) cout << "unreachable" << endl;else cout << minDist[end] << endl;}

Floyed算法

基础应用：

假设你有一张包含多个城市的交通图，想一次性知道 任意两个城市之间的最短路线（比如全国城市间的多对多导航）。Floyd 算法专门解决这类 全源最短路径 问题，即求出图中所有点对之间的最短路径。

核心思想:

尝试让每个节点做为一个 “中转节点” 。看能不能缩短两点之间的距离。

适合求多元最短路径，n<200最佳（O(n^3)）

模板：

#include <iostream>
#include <vector>
using namespace std;int main() {int n, m, p1, p2, val;cin >> n >> m;vector<vector<int>> grid(n + 1, vector<int>(n + 1, 10005));  // 因为边的最大距离是10^4for(int i = 0; i < m; i++){cin >> p1 >> p2 >> val;grid[p1][p2] = val;grid[p2][p1] = val; // 注意这里是双向图}// 开始 floydfor (int k = 1; k <= n; k++) {for (int i = 1; i <= n; i++) {for (int j = 1; j <= n; j++) {grid[i][j] = min(grid[i][j], grid[i][k] + grid[k][j]);}}}// 输出结果int z, start, end;cin >> z;while (z--) {cin >> start >> end;if (grid[start][end] == 10005) cout << -1 << endl;else cout << grid[start][end] << endl;}
}

A*算法

Astar的核心，在于启发式函数。
他是建立在BFS广搜的基础之上。

用以下这道题目举例子：

模板：

#include <iostream>
#include <queue>
#include <cstring>
using namespace std;// 本题有好几个地方需要注意
// 第一，创建结构体，并与优先队列相结合
// 第二，创建二维数组用于去重，并记录走了多少步
// 第三，启发式搜索的权值，用欧拉函数计算，且欧拉函数
//（起点到该点经过的距离）+（该点的距离到终点的距离）
// 其中从起点到该点的距离，容易被用错。是依次经过的距离，不是直线距离。int a1,a2,b1,b2;
struct knight{int m1,m2;int g,h,f;bool operator<(const knight& k)const{ // 调节为小根堆return f>k.f;}
};
int visited[1005][1005];
int dir[8][2]={-2,-1,-2,1,-1,2,1,2,2,1,2,-1,1,-2,-1,-2};int get_squeeze(int m1,int m2,int b1,int b2){return (b1-m1)*(b1-m1)+(b2-m2)*(b2-m2);
}void astar(knight k){priority_queue<knight> pq;pq.push(k);knight node,cur;while(!pq.empty()){node = pq.top(); pq.pop();if(node.m1==b1&&node.m2==b2){cout<<visited[node.m1][node.m2]<<endl;break;}for(int i=0; i<8; ++i){cur = node;cur.m1+=dir[i][0];cur.m2+=dir[i][1];if(cur.m1<1||cur.m1>1000||cur.m2<1||cur.m2>1000) continue;if(visited[cur.m1][cur.m2]) continue;visited[cur.m1][cur.m2]=visited[node.m1][node.m2]+1; // 需要在原来的基础上进行操作cur.g=node.g+5; // 1*1+2*2=5cur.h=get_squeeze(cur.m1,cur.m2,b1,b2);cur.f=cur.h+cur.g;pq.push(cur);}}
}int main(){int t;cin>>t;while(t--){cin>>a1>>a2>>b1>>b2;if(a1==b1&&a2==b2){ // 直接排除意外情况cout<<0<<endl;continue;}memset(visited,0,sizeof visited);knight k;k.m1 = a1;k.m2 = a2;k.g = 0;k.h = get_squeeze(k.m1,k.m2,b1,b2);astar(k);}return 0;
}

借鉴博客：

1、图论总结篇