信息学 图论 最短路径.docVIP

图的最短路径 教学专题 图的最短路径 授课学时 1学时（约50分钟） 教学课型 新授课 授课对象 冬令营A层次 教学内容 和 教学目标 知识点 学习要求 了解 理解 掌握 最短路径问题的描述 √ 无权图最短路径 √ 单源最短路径(边权值非负) √ Dijkstra算法中贪心策略 √ Dijkstra算法优化 √ 任意顶点对间最短路径 √ Floyd算法中动态规划思想 √ 图的传递闭包 √ 教学重点 有权图最短路径 教学难点 Dijkstra算法设计过程（用flash动画模拟突破难点） 教学流程 知识点 时间分配 最短路径问题的引入 2分钟 无权图最短路径 5分钟 单源最短路径(边权值非负) 15分钟 交互讨论：边权值为负时Dijkstra的局限性及改进 5分钟 任意顶点对间最短路径 15分钟 图的传递闭包 5分钟 媒体使用 多媒体课件：动画模拟最短路径求解过程 教学内容及示例 设计意图 目前，互联网上有许多网站可用来查找两个地理之间的通路，例如，Google 地图，Baidu 地图等，这些路径查找系统都是用抽象表示国道或省市间的公路，图中的节点表示城市，图中边表示公路路段，边权值表示城市之间的距离，当然也可以表示从某地出发到达目标的时间。 例如，从苏州到南京的司机最关心的是： （1） 苏州、南京之间存在通路吗？ （2） 如果苏州、南京之间有一条以上通路，哪条路最短？ 目前，第一个问题我们有解决的办法，采用深度优先搜索或者广度优先搜索遍历图可以达到目的，本节课我们还将讨论其他算法。 第二个问题是本节重点讨论的，虽然我们可以枚举任一条可能路径，然后检查是否为最短，但是几乎需要n！的时间，效率太低，我们需要更有效的。 一、无权图最短路径 例1：如下图，假设C1,C2,C3,C4,C5,C6是六座城市，他们之间的连线表示两城市间有道路相通，如果在每一个城市均需要换乘一次飞机，问从C1到其余各城市最少换乘次数。 图1 六个城市地图 对于图G=（V，E），顶点集合V和边集合E，边Ci,Cj没有赋权值，或者也可以认为权值均为1，Ci,j=1，一条路径C1，C2……上的边数叫做无权路径长度（Unweighted path length）找出从C1出发到其余各点的最短路径。 因为边是没有赋权的，所以只对边的数目感兴趣，如果需要记录实际路径我们可以增加一个变量path来代表路径就可以了。 此时此刻可以说从C1到C1（它本身）的最短路径是长为0的路径，把这个信息做个标记，得到下图： 图2 C1被访问 然后开始寻找所有与C1相连的顶点，它们与C1的距离为1，此时我们可以看到C2、C3与C1仅有“一边之遥”，把它们表示在下图， 图3 C1被访问后对邻居顶点的影响 以此推断，到算法结束，分别如下图所示： 图4 最短路径图 显然这种搜索方式就是大家学过的图的广（宽）度优先搜索（Breadth-first search），该方法按层次处理顶点：距开始点最近的顶点首先被访问到，而最远的点最后被访问。 伪代码如下：用邻接矩阵存储图 // 无权最短路径 // 输入：图的邻接矩阵ga，源点i // 输出：源点i至图其它各点的最短路径path（需逆向追溯路径）和长度dist procedure shortest_unweighted(i:integer); begin dist[i] := 0; 其它dist[]为一个非常大的值代表不可达； path[i] :=0; // 0代表是起点或者访问不到；path记录由哪一点访问它 顶点i 进入队列 Q； while 队列Q 非空 do begin 从队列Q中取出队首元素v； known[v] := true; for j := 1 to n do // 依次访问v的所有可直达顶点 begin if ( not known[j] ) and ( ga[v,j] =1 ) then begin if dist[j] 为非常大的值then dist[j] := dist[v] + 1; path[j] := v; 顶点j 进入队列Q； end; // end of then end ; // end of for end; // end of while end; // end of sh