K优路径算法设计.docVIP

我们所采用的K优路径算法出自日本京都大学N.Katoh先生在1982年的NETWORKS期刊上发表的“An Efficient Algorithm for K Shortest Simple Paths”，算法思路清晰、叙述详实，借鉴了很多知名的K路径算法设计，具备很高的权威性。以下是对算法的译文介绍： 需要满足的前提条件如下： 应用于无向的图结构； 任意相连的两点的边权值大于0； 任意两点间的路径不允许成环，也就是路径中不包含重复节点； 4、无向图中的边的条数要大于等于节点的个数； 有关K路径算法的符号说明： —— 无向图G V —— 包含n个节点的集合； E —— 包含m条边的集合 ； —— 表示从指定节点s到t的第K优路径，那么就是s到t的最优路径，我们将采用 Dijkstra算法得出； —— 图 中节点v到所有其他节点的最短路径树； —— 中v到u的最短路径；在无向图中始终满足，； —— 经过的节点序列，用以表示；其中，； —— 的初始部分，由个节点组成； —— 的剩余部分，由个节点组成；此处，和均满足； ——当时，就等于(对于某个而言)；但如果对于任何一个，当时，将从的某个点上偏离出去；后一种情况下，采用来表示节点，在该节点从中分支出去[也就是说，包含在当中，但不被包含]； ——同样的，采用来表示节点，在该节点从的反向分支出去； 注1：对每一个在上的节点，均满足； 注2：在后续算法描述中，对任意节点均满足； 一、次优和渐次优路径算法描述 次优和渐次优路径算法描述及其所遵循的定理，是KSP算法的理论基础。现描述如下： 1.1 次优路径的计算 定理1 如果图中有若干条从s到t的不包含[也就是说，在到达之前从中偏离出去]的路径，那么其中必有一条相对最短的路径。这样的最短路径必然属于以下两种路径类型之一： 类型1：，且； 类型2：，此时既不在中，也不在中，且； 类型1和类型2的路径如下图所示， 类型1和类型2的路径图 类型1的最短路径可以通过穷举所有的节点获得；同样，类型2的最短路径可以通过穷举所有边获得；本算法中，将采用FSP子程序实现上述计算，FSP子程序将在后面介绍； 根据定理1，我们可以通过计算从s到t的不包含的最短路径的方式，获得。 1.2 渐次优路径的计算 为了计算，我们假设和共有一段初始子路径，但，满足。如果 是图中，从节点s到节点t的所有路径的集合，那么必将在中产生。在这里我们把分成以下的3部分： ……………………….（1） ………………………….. （2） ………………………………………………（3） 可以发现，如果，将是空集；如果，将是空集。从下图我们可以很明显的看出，各集合相互独立，它们的合集等于。此处，我们用 ，和分别表示，，的最短路径，再在它们当中得出的最短路径就被认为是。 最短路径，和可以通过应用定理1按照如下的方式获得： 1、通过在中删除节点（连同它们之间的边），获得图。分别将节点和t作为起始和目标节点。在图中应用定理1获得路径P，其不包含 ，那么。 2、通过在中删除节点和一条边，获得图。分别将节点和t作为起始和目标节点。在图中应用定理1获得路径P，其不包含，那么。 3、在图中应用定理1获得路径，其不包含。 二、优路径的系统产生 除了前面定义过的，，以外，以下给出了更多的需要用到的符号定义。 ；………（2.1） ——索引值表示，对于，能够使与重合的最大值 ；……………..（2.2） ——索引值表示，能够满足的最小值；能够保证和的公共部分是； ；………………..（2.3） ——用于存储的集合，以表明在节点，（并且满足）从中偏离出去； ；…（2.4） ——，用于存储节点的集合； —— 从无向图中删除节点以及受它们影响的边以后，得到的图；……………………………………………………………..（2.5） …………………………………………… （2.6） ——是图中，从节点s到节点t的所有路径的集合，并且假设 成立； ——表示刨除前K-1条优选路径后的路径集合；算法中，将分成： ………….............（2.7） （i）对于任意的均包含，但在到达之前从中分支出去（也就是说，不同于）。 （ii）如果，中的路径不会把作为它的初始子路径， [也就是说，不同于（满足）]。 各集合相互独立，它们的合集等于。属于每个非空集合的最短路径被存储在链表中，这样中的最短路径就是。以下描述了集合的系统化产生过程，以及每个集合中最短路径的计算过程。 对于（也就是说，已获得），存在路径集合。获得中的最短路径的计算过程1.1所示。很自然地，我们会考虑到这样