C# 具有负值的最短路径的最快算法？

我目前正在使用Bellman-Ford算法来寻找具有负值的最短路径。有没有比Bellman Ford更快的算法可以找到负值最短路径？

一个简单的改进是只检查“活动”节点，而不是像原始实现那样迭代所有节点。 原因是，如果一个节点没有导致其任何邻居的改进，并且在上一次迭代中没有更改值，则无需再次进行计算（它仍然不会产生任何改进）

伪代码（实际上是Python）：

A=set（[seed]）
步数=0
当len（A）>0且步数<节点数时：
步数+=1
NA=集合（）
对于中的节点：
对于邻域中的nh（节点）：
x=溶液[节点]+重量（节点，nh）
如果x<溶液[nh]：
#我们发现了一个进步。。。
溶液[nh]=x
pred[nh]=节点
NA.添加（nh）
A=NA

A

是“活动”节点集，在上一步中发现了改进，

NA

是“下一个活动”节点集，需要在下一次迭代中检查改进

最初，除了解决方案为0的

种子

之外，所有节点的解决方案都设置为

+无限

。最初只有

种子

在“活动”集中。 请注意，如果从种子可以到达负和循环，则问题没有“最小路径”，因为您可以通过简单的循环获得尽可能低的总数；这就是限制“步数”值的原因

---

如果从循环中出来时

A

不是空的，那么最小成本问题就没有解决方案（存在一个负和循环，你可以通过简单的循环来降低成本）。

我只能给你维基百科关于这个问题的文章：当然，这也需要快速咆哮：还有一个警告：“调试某些东西比一开始编写它要困难两倍。因此，如果您以最高的技能编写了某些内容，您将永远无法调试它。“当您提到贝尔曼福特并要求更快的解决方案时，您当前的运行时间是多少？您期望的是什么faster@maytham-我有一个包含50多个顶点的图，每个顶点之间都有一条边。我所说的更快，也就是说，如果有一个算法可以以不同的方式处理所有的数据，这会有所改进time@Nicholas：对于随机生成的完全连通有向图，随机生成的权重为50个顶点，我的答案中的代码使用解释python在非退化情况下大约需要1-2ms，在非退化情况下大约需要50ms退化情况（负和循环）。同一个图上的初始解决方案的时间约为50毫秒。我希望本机代码实现速度快50-100倍。。。

A = set([seed])
steps = 0
while len(A) > 0 and steps < number_of_nodes:
    steps += 1
    NA = set()
    for node in A:
        for nh in neighbours(node):
            x = solution[node] + weight(node, nh) 
            if x < solution[nh]:
                # We found an improvement...
                solution[nh] = x
                pred[nh] = node
                NA.add(nh)
    A = NA