求单源最短路的SPFA算法的全称是：Shortest Path Faster Algorithm。
SPFA算法是西南交通大学段凡丁于1994年发表的。
从名字我们就可以看出，这种算法在效率上一定有过人之处。
很多时候，给定的图存在负权边，这时类似Dijkstra等算法便没有了用武之地，而Bellman-Ford算法的复杂度又过高，SPFA算法便派上用场了。有人称spfa算法是最短路的万能算法。
简洁起见，我们约定有向加权图G不存在负权回路，即最短路径一定存在。当然，我们可以在执行该算法前做一次拓扑排序，以判断是否存在负权回路。
我们用数组dis记录每个结点的最短路径估计值，可以用邻接矩阵或邻接表来存储图G，推荐使用邻接表。
spfa的算法思想（动态逼近法）：
设立一个先进先出的队列q用来保存待优化的结点，优化时每次取出队首结点u，并且用u点当前的最短路径估计值对离开u点所指向的结点v进行松弛操作，如果v点的最短路径估计值有所调整，且v点不在当前的队列中，就将v点放入队尾。这样不断从队列中取出结点来进行松弛操作，直至队列空为止。
松弛操作的原理是著名的定理：“三角形两边之和大于第三边”，在信息学中我们叫它三角不等式。所谓对结点i,j进行松弛，就是判定是否dis[j]>dis[i]+w[i,j]，如果该式成立则将dis[j]减小到dis[i]+w[i,j]，否则不动。
下面举一个实例来说明SFFA算法是怎样进行的：
和广搜bfs的区别：
SPFA 在形式上和广度(宽度)优先搜索非常类似，不同的是bfs中一个点出了队列就不可能重新进入队列，但是SPFA中一个点可能在出队列之后再次被放入队列，也就是一个点改进过其它的点之后，过了一段时间可能本身被改进(重新入队)，于是再次用来改进其它的点，这样反复迭代下去。
判断有无负环：
如果某个点进入队列的次数超过N次则存在负环（SPFA无法处理带负环的图）
算法的描述：
void spfa(s); //求单源点s到其它各顶点的最短距离
for i= to n do { dis[i]=∞; vis[i]=false; } //初始化每点到s的距离，不在队列
dis[s]=; //将dis[源点]设为0
vis[s]=true; //源点s入队列
head=; tail=; q[tail]=s; //源点s入队, 头尾指针赋初值
while head<tail do {
head+; //队首出队
v=q[head]; //队首结点v
vis[v]=false; //释放对v的标记，可以重新入队
for 每条边(v,i) //对于与队首v相连的每一条边
if (dis[i]>dis[v]+a[v][i]) //如果不满足三角形性质
dis[i] = dis[v] + a[v][i] //松弛dis[i]
if (vis[i]=false) {tail+; q[tail]=i; vis[i]=true;} //不在队列，则加入队列
}
具体代码实现：
/*********************************************/
// d数组类似迪杰斯特拉的dis数组，记录起点到i点的局部最优解
// c数组用来记录访问 i 点的次数
// vis 记录是否在队列里面 ，与dijkstra中的s数据作用不同
// 用数组模拟邻接表存图，w数组为权值
/*********************************************/
bool spfa_bfs(int s) // s为图的起点
{
queue <int> q; // 队列里存点
memset(d,0x3f,sizeof(d));
memset(c,0,sizeof(c));
memset(vis,0,sizeof(vis));
q.push(s);
vis[s]=1;
c[s]=1;
d[s]=0;
//顶点入队vis要做标记，另外要统计顶点的入队次数
while(!q.empty())
{
int x;
x=q.front();
q.pop();
vis[x]=0;
//队头元素出队，并且消除标记
for(int k=f[x]; k!=0; k=nnext[k]) //遍历顶点x的邻接表
{
int y=v[k];
if( d[x]+w[k] < d[y]) //如果可以松弛
{
d[y]=d[x]+w[k]; //松弛
if(!vis[y]) //顶点y不在队内 不要重复入队列
{
vis[y]=1; //标记
c[y]++; //统计次数
q.push(y); //入队
if(c[y]>NN) //超过入队次数上限，说明有负环
return false;
}
}
}
}
return true;
最短路径本身怎么输出？
在一个图中，我们仅仅知道结点A到结点E的最短路径长度，有时候意义不大。这个图如果是地图的模型的话，在算出最短路径长度后，我们总要说明“怎么走”才算真正解决了问题。如何在计算过程中记录下来最短路径是怎么走的，并在最后将它输出呢？
我们定义一个path[]数组，path[i]表示源点s到i的最短路程中，结点i之前的结点的编号(父结点)，我们在借助结点u对结点v松弛的同时，标记下path[v]=u，记录的工作就完成了。
如何输出呢？我们记录的是每个点前面的点是什么，输出却要从最前面到后面输出，这很好办，递归就可以了：
在一个图中，我们仅仅知道结点A到结点E的最短路径长度，有时候意义不大。这个图如果是地图的模型的话，在算出最短路径长度后，我们总要说明“怎么走”才算真正解决了问题。如何在计算过程中记录下来最短路径是怎么走的，并在最后将它输出呢？
我们定义一个path[]数组，path[i]表示源点s到i的最短路程中，结点i之前的结点的编号(父结点)，我们在借助结点u对结点v松弛的同时，标记下path[v]=u，记录的工作就完成了。
如何输出呢？我们记录的是每个点前面的点是什么，输出却要从最前面到后面输出，这很好办，递归就可以了：
c++ code:
void printpath(int k){
if (path[k]!=) printpath(path[k]);
cout << k << ' ';
} pascal code:
procedure printpath(k:longint);
begin
if path[k]<> then printpath(path[k]);
write(k,' ');
end; spfa算法模板(邻接矩阵)：
c++ code:
void spfa(int s){
for(int i=; i<=n; i++) dis[i]=; //初始化每点i到s的距离
dis[s]=; vis[s]=; q[]=s; 队列初始化,s为起点
int i, v, head=, tail=;
while (head<tail){ 队列非空
head++;
v=q[head]; 取队首元素
vis[v]=; 释放队首结点，因为这节点可能下次用来松弛其它节点，重新入队
for(i=; i<=n; i++) 对所有顶点
if (a[v][i]> && dis[i]>dis[v]+a[v][i]){
dis[i] = dis[v]+a[v][i]; 修改最短路
if (vis[i]==){ 如果扩展结点i不在队列中，入队
tail++;
q[tail]=i;
vis[i]=;
}
} }
} pascal code:
procedure spfa(s:longint);
var i,j,v,head,tail:longint;
begin
for i:= to n do dis[i]:=;
dis[s]:=; vis[s]:=true; q[]:=s;
head:=;tail:= ;
while head<tail do
begin
inc(head);
v:=q[head];
vis[v]:=false;
for i:= to n do
if dis[i]>dis[v]+a[v,i] then
begin
dis[i]:= dis[v]+a[v,i];
if not vis[i] then
begin
inc(tail);
q[tail]:=i;
vis[i]:=true;
end;
end; end;
end;
spfa优化——深度优先搜索dfs
在上面的spfa标准算法中，每次更新（松弛）一个结点u时，如果该结点不在队列中，那么直接入队。
但是有负环时，上述算法的时间复杂度退化为O(nm)。能不能改进呢？
那我们试着使用深搜，核心思想为每次从更新一个结点u时，从该结点开始递归进行下一次迭代。
但是有负环时，上述算法的时间复杂度退化为O(nm)。能不能改进呢？
那我们试着使用深搜，核心思想为每次从更新一个结点u时，从该结点开始递归进行下一次迭代。
使用dfs优化spfa算法：
pascal code：
procedure spfa(s:longint);
var i:longint;
begin
for i:= to b[s,] do //b[s,0]是从顶点s发出的边的条数
if dis[b[s,i]]>dis[s]+a[s,b[s,i]] then //b[s,i]是从s发出的第i条边的另一个顶点
begin
dis[b[s,i]]:=dis[s]+a[s,b[s,i]];
spfa(b[s,i]);
end;
end; C++ code：
void spfa(int s){
for(int i=; i<=b[s][]; i++) //b[s,0]是从顶点s发出的边的条数
if (dis[b[s][i]>dis[s]+a[s][b[s][i]]){ //b[s,i]是从s发出的第i条边的另一个顶点
dis[b[s][i]=dis[s]+a[s][b[s][i]];
spfa(b[s][i]);
}
}
相比队列，深度优先搜索有着先天优势：在环上走一圈，回到已遍历过的结点即有负环。绝大多数情况下的时间复杂度为O(m)级别。
那我们试着使用深搜，核心思想为每次从更新一个结点u时，从该结点开始递归进行下一次迭代。
对于WorldRings(ACM-ICPC Centrual European 2005)这道题，676个点，100000条边，查找负环dfs仅仅需219ms。
一个简洁的数据结构和算法在一定程度上解决了大问题。
那我们试着使用深搜，核心思想为每次从更新一个结点u时，从该结点开始递归进行下一次迭代。
对于WorldRings(ACM-ICPC Centrual European 2005)这道题，676个点，100000条边，查找负环dfs仅仅需219ms。
一个简洁的数据结构和算法在一定程度上解决了大问题。
判断存在负环的条件：重新经过某个在当前搜索栈中的结点。
spfa优化——前向星优化
星形（star）表示法的思想与邻接表表示法的思想有一定的相似之处。对每个结点，它也是记录从该结点出发的所有弧，但它不是采用单向链表而是采用一个单一的数组表示。也就是说，在该数组中首先存放从结点1出发的所有弧，然后接着存放从节点2出发的所有孤，依此类推，最后存放从结点n出发的所有孤。对每条弧，要依次存放其起点、终点、权的数值等有关信息。这实际上相当于对所有弧给出了一个顺序和编号，只是从同一结点出发的弧的顺序可以任意排列。此外，为了能够快速检索从每个节点出发的所有弧，我们一般还用一个数组记录每个结点出发的弧的起始地址（即弧的编号）。在这种表示法中，可以快速检索从每个结点出发的所有弧，这种星形表示法称为前向星形（forward star）表示法。
例如，在下图中，仍然假设弧（1,2），（l,3），（2,4），（3,2），（4,3），（4,5），（5,3）和（5,4）上的权分别为8，9，6，4，0，7，6和3。此时该网络图可以用前向星形表示法表示如下：
例如，在下图中，仍然假设弧（1,2），（l,3），（2,4），（3,2），（4,3），（4,5），（5,3）和（5,4）上的权分别为8，9，6，4，0，7，6和3。此时该网络图可以用前向星形表示法表示如下：
前向星存储图：
#include <iostream>
using namespace std;
int first[];
struct edge{
int point,next,len;
} e[];
void add(int i, int u, int v, int w){
e[i].point = v;
e[i].next = first[u];
e[i].len = w;
first[u] = i;
}
int n,m;
int main(){
int u,v,w;
cin >> n >> m;
for (int i = ; i <= m; i++){
cin >> u >> v >> w;
add(i,u,v,w);
} //这段是读入和加入
for (int i = ; i <= n; i++){
cout << "from " << i << endl;
for (int j = first[i]; j; j = e[j].next) //这就是遍历边了
cout << "to " << e[j].point << " length= " << e[j].len << endl;
}
}
来自资料：