Lecture6-最短路径算法.pptVIP

最短路径算法 高文宇 gwyy@163.com 最短路径问题 给定的带权图中，从节点u到v的最短路径即所有路径中边的权值之和最小的路径。有如下几种变形。 （1）单源最短路径。 （2）单终点最短路径。 （3）单对顶点最短路径。 （4）每对顶点间的最短路径。 最短路径的结构 最短路径问题的最优子结构： Lemma 24.1: (Subpaths of shortest paths are shortest paths) 给定一个带权有向图 G = (V, E)和权值函数 w : E → R。设 p = 〈v1, v2,..., vk〉从v1 到 vk 的最短路径，对于任意 i 和 j ，其中 1 ≤ i ≤ j ≤ k，设 pij = vi, vi+1,..., vj 是路径 p 从 vi 到 vj 的子路径，则 pij 是一条从 vi 到 vj 的最短路径。 负权值边 Negative-weight edges 若图 G = (V, E) 不包含从源点 s可达的负权回路，则对所有 v ∈ V ，则最短路径的权的定义δ(s, v) 依然真确，即使允许有负权值边的存在。若包含有负权回路，则不存在“最短路径”。 某些算法如Dijkstra算法不允许有负边，某些算法如Bellman-Ford算法则允许有负边。 最短路径的表示 给定图 G = (V, E)我们对每一个节点 v∈V 设置其前驱节点π[v] 为另一节点或NIL。则借助于每个节点的前驱节点可以使用过程 PRINT-PATH(G, s, v) from Section 22.2 来构造每一条最短路径。 Print-Path输出图G中从s到v的路径上的所有节点。 松弛技术 Relaxation. 对每个顶点 v ∈ V，都设置一个属性 d[v]，用来描述从源点 s 到 v.的最短路径权值的上界，称为最短路径估计。以下是对d[v]和π[v]的初始化过程。 松弛一条边的 (u, v) 的过程中要测试是否可以通过 u ，对迄今找到的到 v 的最短路径进行改进，若可以，则更新 d[v] 和π[v]。以上伪代码实现对边(u, v)的松弛。 Relax Relax 松弛与最短路径算法 本章的每个算法都要调用 INITIALIZE-SINGLE-SOURCE ，然后重复对边进行松弛操作。另外，松弛是改变最短路径和前驱的唯一方式。 本章中算法之间的区别在于对每条边进行松弛操作的次数，以及对边执行松弛操作的次序有所不同。 在Dijkstra算法以及对DAG图的最短路径算法中，对每条边仅执行一次松弛操作。 而在Bellman-Ford算法中，对每条边要执行多次松弛操作。 Bellman-Ford 该算法运用松弛技术，对每个顶点v ∈ V ，逐步减小从源s到v的最短路径的权的估计值d[v]直至达到实际最短路径的权δ(s, v)。算法返回TRUE ，当且仅当图中不含从源点可达的负权回路。 BELLMAN-FORD(G, w, s) 1 INITIALIZE-SINGLE-SOURCE(G, s) 2 for i ← 1 to |V[G]| - 1 3 do for each edge (u, v) ∈ E[G] 4 do RELAX(u, v, w) 5 for each edge (u, v) ∈ E[G] 6 do if d[v] d[u] + w(u, v) 7 then return FALSE 8 return TRUE 该算法的运行时间为O(VE)。 Bellman-Ford示例 源点为s. 距离 d 标记在节点内阴影边指示前驱值。每一趟按如下顺序进行松弛： (t, x), (t, y), (t, z), (x, t), (y, x), (y, z), (z, x), (z, s), (s, t), (s, y). (b)-(e)展示了每一趟的操作结果。 Bellman-Ford算法的正确性 引理 24.2： 设 G = (V, E) 为带权有向图，源点为 s ，权函数为 w : E → R，并假定 G 从s可达的负权值回路，则经过 |V| - 1 次BELLMAN-FORD算法（2-4行）的迭代，对任何s可达的节点v有： d[v] = δ(s, v) 。 Proof We prove the lemma by appealing to the path-relaxation property. Consider any vertex v that is reachable from s, and let p = 〈v0, v1,..., vk〉, where v0 = s and vk =