Bellman-ford算法是求含负权图的单源最短路径算法，效率很低，但代码很容易写。即进行不停地松弛（原文是这么写的，为什么要叫松弛，争议很大），每次松弛把每条边都更新一下，若n-1次松弛后还能更新，则说明图中有负环，无法得出结果，否则就成功完成。Bellman-ford算法有一个小优化：每次松弛先设一个旗帜flag，初值为FALSE，若有边更新则赋值为TRUE，最终如果还是FALSE则直接成功退出。Bellman-ford算法浪费了许多时间做无比要的松弛，所以SPFA算法用队列进行了优化，效果十分显著，高效难以想象。SPFA还有SLF，LLL，滚动数组等优化。
Dijkstra算法中不允许边的权是负权，如果遇到负权，则可以采用Bellman-Ford算法。
Bellman-Ford算法能在更普遍的情况下（存在负权边）解决单源点最短路径问题。对于给定的带权（有向或无向）图 G=（V,E），其源点为s，加权函数 w是 边集 E 的映射。对图G运行Bellman-Ford算法的结果是一个布尔值，表明图中是否存在着一个从源点s可达的负权回路。若不存在这样的回路，算法将给出从源点s到 图G的任意顶点v的最短路径d[v]。
适用条件&范围 ：
1.单源最短路径(从源点s到其它所有顶点v);
2.有向图&无向图(无向图可以看作(u,v),(v,u)同属于边集E的有向图);
3.边权可正可负(如有负权回路输出错误提示);
4.差分约束系统;
之所以需要第3部分的原因，是因为，如果存在从源点可达的权为负的回路。则 应为无法收敛而导致不能求出最短路径。
考虑如下的图：
经过第一次遍历后，点B的值变为5，点C的值变为8，这时，注意权重为－10的边，这条边的存在，导致点A的值变为－2。（8＋ －10＝－2）
第二次遍历后，点B的值变为3，点C变为6，点A变为－4。正是因为有一条负边在回路中，导致每次遍历后，各个点的值不断变小。
再回过来看一下bellman－ford算法的第三部分，遍历所有边，检查是否存在d（v） > d (u) + w(u,v)。因为第二部分循环的次数是定长的，所以如果存在无法收敛的情况，则肯定能够在第三部分中检查出来。比如
此时，点A的值为－2，点B的值为5，边AB的权重为5，5 > -2 + 5. 检查出来这条边没有收敛。
所以，Bellman－Ford算法可以解决图中有权为负数的边的单源最短路径问。
Bellman—-Ford算法描述：
（1） 初始化：将除源点外的所有顶点的最短距离估计值 d[v] ←+∞, d[s] ←0;
（2） 迭代求解：反复对边集E中的每条边进行松弛操作，使得顶点集V中的每个顶点v的最短距离估计值逐步逼近其最短距离；（运行|v|-1次） ；
（3） 检验负权回路：判断边集E中的每一条边的两个端点是否收敛。如果存在未收敛的顶点，则算法返回false，表明问题无解；否则算法返回true，并且从源点可达的顶点v的最短距离保存在 d[v]中。
Bellman-Ford(G,w,s) ：boolean //图G ，边集 函数 w ，s为源点
1 for each vertex v ∈ V（G） do //初始化 1阶段
2 d[v] ←+∞ 3 d[s] ←0; //1阶段结束
4 for i=1 to |v|-1 do //2阶段开始，双重循环。
5 for each edge（u,v） ∈E(G) do //边集数组要用到，穷举每条边。
6 If d[v]> d[u]+ w(u,v) then //松弛判断
7 d[v]=d[u]+w(u,v) //松弛操作 2阶段结束
8 for each edge（u,v） ∈E(G) do
9 If d[v]> d[u]+ w(u,v) then
10 Exit false
11 Exit tru
描述性证明：
首先指出，图的任意一条最短路径既不能包含负权回路，也不会包含正权回路，因此它最多包含|v|-1条边。 其次，从源点s可达的所有顶点如果 存在最短路径，则这些最短路径构成一个以s为根的最短路径树。Bellman-Ford算法的迭代松弛操作，实际上就是按顶点距离s的层次，逐层生成这棵最短路径树的过程。
在对每条边进行1遍松弛的时候，生成了从s出发，层次至多为1的那些树枝。也就是说，找到了与s至多有1条边相联的那些顶点的最短路径；对每条边进行第2遍松弛的时候，生成了第2层次的树枝，就是说找到了经过2条边相连的那些顶点的最短路径。因为最短路径最多只包含|v|-1 条边，所以，只需要循环|v|-1 次。 每实施一次松弛操作，最短路径树上就会有一层顶点达到其最短距离，此后这层顶点的最短距离值就会一直保持不变，不再受后续松弛操作的影响。（但是，每次还要判断松弛，这里浪费了大量的时间，怎么优化？单纯的优化是否可行？） 如果没有负权回路，由于最短路径树的高度最多只能是|v|-1，所以最多经过|v|-1遍松弛操作后，所有从s可达的顶点必将求出最短距离。如果 d[v]仍保持 +∞，则表明从s到v不可达。 如果有负权回路，那么第 |v|-1 遍松弛操作仍然会成功，这时，负权回路上的顶点不会收敛。 例如对于上图，边上方框中的数字代表权值，顶点A,B,C之间存在负权回路。S是源点，顶点中数字表示运行Bellman-Ford算法后各点的最短距离估计值。 此时d[a]的值为1，大于d[c]+w(c,a)的值-2，由此d[a]可以松弛为-2，然后d又可以松弛为-5,d[c]又可以松弛为-7.下一个周期，d[a]又可以更新为更小的值，这个过程永远不会终止。因此，在迭代求解最短路径阶段结束后，可以通过检验边集E的每条边(u,v)是否满足关系式 d[v]> d[u]+ w(u,v) 来判断是否存在负权回路。
示例代码：
#include <iostream>
usingnamespace std;
constint maxnum=100;
constintmaxint =99999;
// 边，/
typedefstruct Edge{
int u, v; //起点，重点
intweight; //边的权值
}Edge;
Edge edge[maxnum]; //保存边的值
int dist[maxnum]; //结点到源点最小距离
intnodenum, edgenum, source; // 结点数，边数，源点
// 初始化图
void init()
{
// 输入结点数，边数，源点
cin>>nodenum >> edgenum >> source;
for(int i=1; i<=nodenum;++i)
dist[i]= maxint;
dist[source]=0;
for(int i=1; i<=edgenum;++i)
{
cin>> edge[i].u>> edge[i].v>> edge[i].weight;
if(edge[i].u==source) //注意这里设置初始情况
dist[edge[i].v]= edge[i].weight;
}
}
// 松弛计算
voidrelax(int u, int v, int weight)
{
if(dist[v]> dist[u]+ weight)
dist[v]= dist[u]+ weight;
}
boolBellman_Ford()
{
for(int i=1; i<=nodenum–1;++i)
for(int j=1; j<=edgenum;++j)
relax(edge[j].u, edge[j].v, edge[j].weight);
bool flag=1;
// 判断是否有负环路
for(int i=1; i<=edgenum;++i)
if(dist[edge[i].v]> dist[edge[i].u]+ edge[i].weight)
{
flag =0;
break;
}
return flag;
}
int main()
{
//freopen(“input3.txt”, “r”, stdin);
init();
if(Bellman_Ford())
for(int i =1;i <=nodenum; i++)
cout<< dist[i]<< endl;
return0;
}
