docs/graph/min-cycle.md
???+ question "问题" 给出一个图，问其中的由 $n$ 个节点构成的边权和最小的环 $(n\ge 3)$ 是多大．
图的最小环也称围长．
设 $u$ 和 $v$ 之间有一条边长为 $w$ 的边，$dis(u,v)$ 表示删除 $u$ 和 $v$ 之间的连边之后，$u$ 和 $v$ 之间的最短路．
那么无向图中的最小环是 $dis(u,v)+w$．
注意若是在有向图中求最小环，相对应的公式要修改，最小环是 $dis(v,u)+w$．
总时间复杂度 $O(n^2m)$．
相关链接：最短路/Dijkstra
枚举所有边，每一次求删除一条边之后对这条边的起点跑一次 Dijkstra，道理同上．
时间复杂度 $O(m(n+m)\log n)$．
相关链接：最短路/Floyd
记原图中 $u,v$ 之间边的边权为 $val\left(u,v\right)$．
我们注意到 Floyd 算法有一个性质：在最外层循环到点 $k$ 时（尚未开始第 $k$ 次循环），最短路数组 $dis$ 中，$dis_{u,v}$ 表示的是从 $u$ 到 $v$ 且仅经过编号在 $\left[1, k\right)$ 区间中的点的最短路．
由最小环的定义可知其至少有三个顶点，设其中编号最大的顶点为 $w$，环上与 $w$ 相邻两侧的两个点为 $u,v$，则在最外层循环枚举到 $k=w$ 时，该环的长度即为 $dis_{u,v}+val\left(v,w\right)+val\left(w,u\right)$．
故在循环时对于每个 $k$ 枚举满足 $i<k,j<k$ 的 $(i,j)$，更新答案即可．
现在已经知道了环的形式为 $u\to k\to v$，然后再从 $v$ 回到 $u$（经过的点编号均 $<k$）．
问题转化为求 $v\leadsto u$ 的路径．由三角不等式 $dis_{u,v}\le dis_{u,i}+dis_{i,v}$，考虑记录 $pos_{u,v}=j$ 表示使得 $dis_{u,v}=dis_{u,j}+dis_{j,v}$ 的点．显然 $j$ 就在 $v\leadsto u$ 的路径上．
于是可以将路径转化为 $v\leadsto j$ 和 $j\leadsto u$ 两段，分别递归处理即可．
???+ note "证明递归不会陷入死循环" 使用反证法．
假设环会重复经过一个点 $u$，那么环上必然会有一条 $u$ 出发经过若干条边回到 $u$ 的边．这就构成了一个新的环．
由于图中不会出现负环（如果出现负环就不会有最小环了），所以新环的边权和必然是小于等于原环的．
所以只需要截取这一个环，那么就不会重复经过一个点 $u$，假设不成立，故环不会重复经过一个点．
所以当递归到 $u,v$ 两点时，其 $pos_{u,v}$ 必然不等于两点编号，也就是新加入了一个点．
特别地，当 $u$ 和 $v$ 相邻时，直接返回即可．
由于总点数为 $n$，那么新加入的次数（即递归次数）不会超过 $n$，因此递归不会陷入死循环．
时间复杂度：$O(n^3)$．
下面给出 C++ 和 Python 的参考实现（记录路径）：
=== "C++" ```cpp // 图的点数为 n int val[MAXN + 1][MAXN + 1]; // 原图的邻接矩阵 int cnt, path[MAXN + 5]; // 记录最小环的路径和长度
void get_path(int u, int v) { // 获得 u 到 v 之间的路径
if (pos[u][v] == 0) return;
int k = pos[u][v];
get_path(u, k);
path[++cnt] = k;
get_path(k, v);
}
void Floyd(const int &n) {
static int dis[MAXN + 1][MAXN + 1]; // 最短路矩阵
static int pos[MAXN + 1][MAXN + 1];
memcpy(dis, val, sizeof(val));
memset(pos, 0, sizeof(pos));
for (int k = 1; k <= n; ++k) {
for (int i = 1; i < k; ++i)
for (int j = 1; j < i; ++j)
if (ans >
(long long)val[i][k] + val[k][j] + dis[i][j]) { // 发现了更短的环
// 由于这里保证了 j<i<k，所以三个点不同，不会出现零环．
ans = val[i][k] + val[k][j] + dis[i][j], cnt = 0;
path[++cnt] = i, path[++cnt] = k,
path[++cnt] = j; // 依次加入 i,k,j 三点
get_path(j, i); // 加入 j 到 i 的路径
}
for (int i = 1; i <= n; ++i) // 正常 Floyd 更新最短路
for (int j = 1; j <= n; ++j) {
if (dis[i][j] > dis[i][k] + dis[k][j]) {
dis[i][j] = dis[i][k] + dis[k][j];
pos[i][j] = k; // 当前路径可以由 k 更新得到
}
}
}
}
```
=== "Python" ```python # 定义一个足够大的值表示无穷大 INF = sys.maxsize
def get_path(i, j, pos, path, cnt):
"""
递归地获取从节点 i 到节点 j 的最短路径上的中间节点．
Args:
i (int): 起始节点 (0-based index).
j (int): 结束节点 (0-based index).
pos (list[list[int]]): 记录最短路径中间节点的矩阵. pos[i][j] = k 表示从 i 到 j 的最短路径经过 k.
path (list[int]): 存储路径节点的列表 (使用 0-based index).
cnt (int): 当前路径节点的数量.
Returns:
int: 更新后的路径节点数量.
"""
# 如果 pos[i][j] 为 -1，表示 i 到 j 没有中间节点
if pos[i][j] == -1:
return cnt
# 获取中间节点 k
k = pos[i][j]
# 递归获取 i 到 k 的路径
cnt = get_path(i, k, pos, path, cnt)
# 将中间节点 k 加入路径
path[cnt] = k
cnt += 1
# 递归获取 k 到 j 的路径
cnt = get_path(k, j, pos, path, cnt)
return cnt
def find_minimum_cycle_undirected(n, edges):
"""
使用 Floyd-Warshall 算法查找无向图中的最小环．
Args:
n (int): 图的节点数 (1 到 n).
edges (list[tuple]): 边的列表，每个元素是 (u, v, w)，表示节点 u 和 v 之间有一条权重为 w 的边．
节点索引是 1 到 n．
Returns:
tuple: 包含最小环的长度和路径．
如果不存在环，返回 (INF, []).
路径是一个节点索引列表 (1-based index)．
"""
# 内部使用 0-based indexing
N = n
# 初始化邻接矩阵 g，表示原始边的权重
g = [[INF for _ in range(N)] for _ in range(N)]
# 初始化最短路矩阵 dis，开始时与 g 相同
dis = [[INF for _ in range(N)] for _ in range(N)]
# 初始化 pos 矩阵，记录最短路径的中间节点
pos = [[-1 for _ in range(N)] for _ in range(N)]
# 初始化对角线为 0 (节点到自身的距离)
for i in range(N):
g[i][i] = 0
dis[i][i] = 0
# 根据输入的边构建邻接矩阵 (无向图)
for u, v, w in edges:
# 将 1-based 索引转换为 0-based
u -= 1
v -= 1
# 对于无向图，边是双向的
g[u][v] = min(g[u][v], w)
g[v][u] = min(g[v][u], w)
dis[u][v] = min(dis[u][v], w)
dis[v][u] = min(dis[v][u], w)
# 初始化最小环长度为无穷大
min_cycle_len = INF
# 初始化最小环路径
min_cycle_path = []
# Floyd-Warshall 算法核心部分
# k 作为中间节点 (0-based index)
for k in range(N):
# 在更新 dis[i][j] 之前，检查通过节点 k 是否能形成更小的环
# 环由 i -> k -> j -> ... -> i 组成
# 这里的 dis[i][j] 是在考虑节点 0 到 k-1 作为中间节点时的最短路径
# C++ 代码中使用 i < k 和 j < i 的循环顺序，这里也遵循这个逻辑 (0-based)
for i in range(k): # 0 <= i < k
for j in range(i): # 0 <= j < i
# 检查 i, k, j 是否构成一个环，并且通过 dis[i][j] 连接
# 确保原始边 g[i][k] 和 g[k][j] 存在 (不为 INF)
# 并且 i 到 j 的最短路径 dis[i][j] 存在 (不为 INF)
if g[i][k] != INF and g[k][j] != INF and dis[i][j] != INF:
current_cycle_len = g[i][k] + g[k][j] + dis[i][j]
if current_cycle_len < min_cycle_len:
min_cycle_len = current_cycle_len
# 重构路径
path = [0] * (N + 5) # 临时存储路径的数组，长度足够大
cnt = 0
# 按照 i, k, j 的顺序加入路径
path[cnt] = i
cnt += 1
path[cnt] = k
cnt += 1
path[cnt] = j
cnt += 1
# 获取 j 到 i 的最短路径上的中间节点 (使用之前计算的 dis 和 pos)
cnt = get_path(j, i, pos, path, cnt)
# 提取实际路径节点 (去除未使用的部分)
# 将 0-based 索引转换为 1-based
min_cycle_path = [node + 1 for node in path[:cnt]]
# 标准 Floyd-Warshall 更新最短路径
for i in range(N):
for j in range(N):
if (
dis[i][k] != INF
and dis[k][j] != INF
and dis[i][j] > dis[i][k] + dis[k][j]
):
dis[i][j] = dis[i][k] + dis[k][j]
# 记录从 i 到 j 的最短路径经过 k
pos[i][j] = k
return min_cycle_len, min_cycle_path
```
??? note "AcWing 344 观光之旅" 给定一张 $n$ 个点无向图，求图中一个至少包含 $3$ 个点的环，环上的节点不重复，并且环上的边的长度之和最小．
该问题称为无向图的最小环问题．
你需要输出最小环的方案，若最小环不唯一，输出任意一个均可．
$n \le 100$
时间复杂度接受 $O(n^3)$ 的做法，套用 Floyd 求最小环的做法即可．
=== "C++" ```cpp #include <bits/stdc++.h> using lint = long long; // 定义一个足够大的常量，用于表示图的最大节点数 const int MAXN = 110;
// 定义一个足够大的值，用于表示无穷大，初始化最小环长度
lint ans = 1e9; // lint 是 long long 的别名
// 图的节点数 n，边数 m
// cnt 记录最小环路径中的节点数量
// path 存储最小环的路径节点
int n, m, cnt, path[MAXN];
// g 存储原始图的邻接矩阵
// dis 存储最短路径矩阵 (Floyd-Warshall 算法计算过程中更新)
// pos 记录最短路径的中间节点，pos[i][j] = k 表示从 i 到 j 的最短路径经过 k
int g[MAXN][MAXN], dis[MAXN][MAXN], pos[MAXN][MAXN];
// 递归函数：获取从节点 u 到节点 v 的最短路径上的中间节点
// 根据 pos 矩阵重构路径
void get_path(int u, int v) {
// 如果 pos[u][v] 为 0，表示 u 到 v 没有中间节点，直接返回
if (pos[u][v] == 0) return;
// 获取中间节点 k
int k = pos[u][v];
// 递归获取 u 到 k 的路径
get_path(u, k);
// 将中间节点 k 加入路径
path[++cnt] = k;
// 递归获取 k 到 v 的路径
get_path(k, v);
}
// Floyd-Warshall 算法函数：查找图中的最小环
void Floyd() {
// 外层循环：k 作为中间节点 (1 到 n)
for (int k = 1; k <= n; ++k) {
// 内层循环：i 和 j，用于检查通过节点 k 是否能形成更小的环
// 这里循环顺序是 i 从 1 到 k-1，j 从 1 到 i-1
// 这样可以检查由 i -> k -> j -> ... -> i 构成的环
for (int i = 1; i < k; ++i)
for (int j = 1; j < i; ++j)
// 检查通过节点 k 连接 i 和 j 是否形成更小的环
// 环的长度是 i 到 k 的原始边权重 g[i][k] + k 到 j 的原始边权重 g[k][j]
// + i 到 j 的当前最短路径 dis[i][j]
if (ans > (long long)g[i][k] + g[k][j] + dis[i][j]) {
// 发现了更小的环
ans = g[i][k] + g[k][j] + dis[i][j]; // 更新最小环长度
cnt = 0; // 重置路径计数
// 将 i, k, j 依次加入路径
path[++cnt] = i, path[++cnt] = k, path[++cnt] = j;
// 获取 j 到 i 的最短路径上的中间节点，加入路径
get_path(j, i);
}
// 标准 Floyd-Warshall 更新最短路径
// i 从 1 到 n，j 从 1 到 n
for (int i = 1; i <= n; ++i)
for (int j = 1; j <= n; ++j) {
// 如果通过中间节点 k 可以获得更短的从 i 到 j 的路径
if (dis[i][j] > dis[i][k] + dis[k][j]) {
// 更新最短路径
dis[i][j] = dis[i][k] + dis[k][j];
// 记录从 i 到 j 的最短路径经过 k
pos[i][j] = k;
}
}
}
}
// 主函数
int main() {
// 读取节点数 n 和边数 m
std::cin >> n >> m;
// 初始化原始邻接矩阵 g，所有边的权重设为无穷大 (0x3f 通常表示一个很大的值)
memset(g, 0x3f, sizeof(g));
// 将节点到自身的距离设为 0
for (int i = 1; i <= n; ++i) g[i][i] = 0;
// 读取 m 条边，构建原始邻接矩阵 g
// 对于无向图，边是双向的，取较小的权重
for (int i = 0, u, v, w; i < m; ++i) {
std::cin >> u >> v >> w;
g[u][v] = g[v][u] = std::min(g[u][v], w);
}
// 将原始邻接矩阵 g 复制到最短路径矩阵 dis
memcpy(dis, g, sizeof(g));
// 调用 Floyd 算法查找最小环
Floyd();
// 根据最小环长度判断是否存在环
if (ans == 1e9) { // 如果最小环长度仍为无穷大，表示不存在环
puts("No solution.");
} else {
// 如果存在环，打印路径节点
// std::cout << "ans = " << ans << std::endl; // 打印最小环长度 (注释掉)
// 打印路径节点，用空格分隔
for (int i = 1; i <= cnt; ++i)
std::cout << path[i]
<< (i == cnt ? "" : " "); // 最后一个节点后面没有空格
std::cout << std::endl; // 路径打印完后换行
}
return 0;
}
```
=== "Python" ```python import copy import sys
# 定义一个足够大的值表示无穷大
INF = sys.maxsize
def get_path(i, j, pos, path, cnt):
"""
递归地获取从节点 i 到节点 j 的最短路径上的中间节点．
Args:
i (int): 起始节点 (0-based index).
j (int): 结束节点 (0-based index).
pos (list[list[int]]): 记录最短路径中间节点的矩阵. pos[i][j] = k 表示从 i 到 j 的最短路径经过 k.
path (list[int]): 存储路径节点的列表 (使用 0-based index).
cnt (int): 当前路径节点的数量.
Returns:
int: 更新后的路径节点数量.
"""
# 如果 pos[i][j] 为 -1，表示 i 到 j 没有中间节点
if pos[i][j] == -1:
return cnt
# 获取中间节点 k
k = pos[i][j]
# 递归获取 i 到 k 的路径
cnt = get_path(i, k, pos, path, cnt)
# 将中间节点 k 加入路径
path[cnt] = k
cnt += 1
# 递归获取 k 到 j 的路径
cnt = get_path(k, j, pos, path, cnt)
return cnt
def find_minimum_cycle_undirected(n, edges):
"""
使用 Floyd-Warshall 算法查找无向图中的最小环．
Args:
n (int): 图的节点数 (1 到 n).
edges (list[tuple]): 边的列表，每个元素是 (u, v, w)，表示节点 u 和 v 之间有一条权重为 w 的边．
节点索引是 1 到 n．
Returns:
tuple: 包含最小环的长度和路径．
如果不存在环，返回 (INF, []).
路径是一个节点索引列表 (1-based index)．
"""
# 内部使用 0-based indexing
N = n
# 初始化邻接矩阵 g，表示原始边的权重
g = [[INF for _ in range(N)] for _ in range(N)]
# 初始化最短路矩阵 dis，开始时与 g 相同
dis = [[INF for _ in range(N)] for _ in range(N)]
# 初始化 pos 矩阵，记录最短路径的中间节点
pos = [[-1 for _ in range(N)] for _ in range(N)]
# 初始化对角线为 0 (节点到自身的距离)
for i in range(N):
g[i][i] = 0
dis[i][i] = 0
# 根据输入的边构建邻接矩阵 (无向图)
for u, v, w in edges:
# 将 1-based 索引转换为 0-based
u -= 1
v -= 1
# 对于无向图，边是双向的
g[u][v] = min(g[u][v], w)
g[v][u] = min(g[v][u], w)
dis[u][v] = min(dis[u][v], w)
dis[v][u] = min(dis[v][u], w)
# 初始化最小环长度为无穷大
min_cycle_len = INF
# 初始化最小环路径
min_cycle_path = []
# Floyd-Warshall 算法核心部分
# k 作为中间节点 (0-based index)
for k in range(N):
# 在更新 dis[i][j] 之前，检查通过节点 k 是否能形成更小的环
# 环由 i -> k -> j -> ... -> i 组成
# 这里的 dis[i][j] 是在考虑节点 0 到 k-1 作为中间节点时的最短路径
# C++ 代码中使用 i < k 和 j < i 的循环顺序，这里也遵循这个逻辑 (0-based)
for i in range(k): # 0 <= i < k
for j in range(i): # 0 <= j < i
# 检查 i, k, j 是否构成一个环，并且通过 dis[i][j] 连接
# 确保原始边 g[i][k] 和 g[k][j] 存在 (不为 INF)
# 并且 i 到 j 的最短路径 dis[i][j] 存在 (不为 INF)
if g[i][k] != INF and g[k][j] != INF and dis[i][j] != INF:
current_cycle_len = g[i][k] + g[k][j] + dis[i][j]
if current_cycle_len < min_cycle_len:
min_cycle_len = current_cycle_len
# 重构路径
path = [0] * (N + 5) # 临时存储路径的数组，长度足够大
cnt = 0
# 按照 i, k, j 的顺序加入路径
path[cnt] = i
cnt += 1
path[cnt] = k
cnt += 1
path[cnt] = j
cnt += 1
# 获取 j 到 i 的最短路径上的中间节点 (使用之前计算的 dis 和 pos)
cnt = get_path(j, i, pos, path, cnt)
# 提取实际路径节点 (去除未使用的部分)
# 将 0-based 索引转换为 1-based
min_cycle_path = [node + 1 for node in path[:cnt]]
# 标准 Floyd-Warshall 更新最短路径
for i in range(N):
for j in range(N):
if (
dis[i][k] != INF
and dis[k][j] != INF
and dis[i][j] > dis[i][k] + dis[k][j]
):
dis[i][j] = dis[i][k] + dis[k][j]
# 记录从 i 到 j 的最短路径经过 k
pos[i][j] = k
return min_cycle_len, min_cycle_path
# --- 主程序入口 ---
if __name__ == "__main__":
# 读取节点数 n 和边数 m
n, m = map(int, sys.stdin.readline().split())
# 读取边信息
edges = []
for _ in range(m):
u, v, w = map(int, sys.stdin.readline().split())
edges.append((u, v, w))
# 查找最小环
min_len, path = find_minimum_cycle_undirected(n, edges)
# 输出结果
if min_len == INF:
print("No solution.")
else:
# 打印路径节点 (1-based index)，用空格分隔
print(" ".join(map(str, path)))
```
GDOI2018 Day2 巡逻
给出一张 $n$ 个点的无负权边无向图，要求执行 $q$ 个操作，三种操作
对于 $50%$ 的数据，有 $n,q \le 100$
对于每一个点 $x$ 所在的简单环，都存在两条与 $x$ 相邻的边，删去其中的任意一条，简单环将变为简单路径．
那么枚举所有与 $x$ 相邻的边，每次删去其中一条，然后跑一次 Dijkstra．
或者直接对每次询问跑一遍 Floyd 求最小环，$O(qn^3)$
对于 $100%$ 的数据，有 $n,q \le 400$．
还是利用 Floyd 求最小环的算法．
若没有删除，删去询问点将简单环裂开成为一条简单路．
然而第二步的求解改用 Floyd 来得出．
那么答案就是要求出不经过询问点 $x$ 的情况下任意两点之间的距离．
怎么在线？
强行离线，利用离线的方法来避免删除操作．
将询问按照时间顺序排列，对这些询问建立一个线段树．
每个点的出现时间覆盖所有除去询问该点的时刻外的所有询问，假设一个点被询问 $x$ 次，则它的出现时间可以视为 $x + 1$ 段区间，插入到线段树上．
完成之后遍历一遍整棵线段树，在经过一个点时存储一个 Floyd 数组的备份，然后加入被插入在这个区间上的所有点，在离开时利用备份数组退回去即可．
这个做法的时间复杂度为 $O(qn^2\log q)$．
还有一个时间复杂度更优秀的在线做法．
对于一个对点 $x$ 的询问，我们以 $x$ 为起点跑一次最短路，然后把最短路树建出来，顺便处理出每个点是在 $x$ 的哪棵子树内．
那么一定能找出一条非树边，满足这条非树边的两个端点在根的不同子树中，使得这条非树边 $+$ 两个端点到根的路径就是最小环．
证明：
显然最小环包含至少两个端点在根的不同子树中一条非树边．
假设这条边为 $(u,v)$，那么最短路树上 $x$ 到 $u$ 的路径是所有 $x$ 到 $u$ 的路径中最短的那条，$x$ 到 $v$ 的路径也是最短的那条，那么 $x\to u\to v\to x$ 这个环肯定不会比最小环要长．
那么就可以枚举所有非树边，更新答案．
每次询问的复杂度为跑一次单源最短路的复杂度，为 $O(n^2)$．
总时间复杂度为 $O(qn^2)$．