Bellman-Ford与SPFA算法：带负权边的最短路径求解

1. 算法训练营核心内容解析

作为算法工程师，我们经常需要处理各种图论问题，其中最短路径算法是必须掌握的核心技能。这次训练营聚焦Bellman-Ford算法及其优化版本SPFA，这是解决带负权边最短路径问题的利器。不同于Dijkstra算法只能处理非负权图，Bellman-Ford系列算法能应对更复杂的场景，包括检测负权回路和计算单源有限最短路。

在实际工程中，比如物流路径规划、网络路由优化等场景，边的权重可能代表成本、延迟等指标，经常会出现负值情况。这时Bellman-Ford算法就显示出其独特价值。本次训练营将从基础实现到高级优化，全面剖析这一算法家族的技术细节。

2. Bellman-Ford算法基础原理

2.1 算法核心思想

Bellman-Ford算法采用动态规划思想，通过松弛操作逐步逼近最短路径。其核心伪代码如下：

code复制for i from 1 to |V|-1:
    for each edge (u, v) with weight w:
        if dist[v] > dist[u] + w:
            dist[v] = dist[u] + w

这个看似简单的双重循环蕴含着深刻的图论原理。外层循环|V|-1次是因为最短路最多包含|V|-1条边。每次内层循环都对所有边进行松弛操作，逐步传播最短路径信息。

关键理解：松弛操作本质是动态规划的状态转移，dist[v] = min(dist[v], dist[u] + w)体现了最优子结构特性。

2.2 时间复杂度分析

基础Bellman-Ford的时间复杂度为O(VE)，其中V是顶点数，E是边数。这在稀疏图上效率尚可，但在稠密图上可能不如Dijkstra高效。不过其能处理负权边的特性弥补了这一不足。

实际编码时，常用邻接表存储图结构。Python示例实现：

python复制def bellman_ford(graph, start):
    dist = {v: float('inf') for v in graph}
    dist[start] = 0
    
    for _ in range(len(graph) - 1):
        for u in graph: