算法合集之最短路算法及其应用.pptVIP

第1页，共30页，星期日，2025年，2月5日最短路问题是图论中的核心问题之一，它是许多更深层算法的基础。同时，该问题有着大量的生产实际的背景。不少问题从表面上看与最短路问题没有什么关系，却也可以归结为最短路问题。乘汽车旅行的人总希望找出到目的地尽可能短的行程。如果有一张地图并在地图上标出了每对十字路口之间的距离，如何找出这一最短行程？一个在生活中常见的例子是:第2页，共30页，星期日，2025年，2月5日一种可能的方法是枚举出所有路径，并计算出每条路径的长度，然后选择最短的一条。然而我们很容易看到，即使不考虑含回路的路径，依然存在数以百万计的行车路线!实际上，其中绝大多数路线我们是没必要考虑的。这时候，我们应该用一种系统的方法来解决问题，而不是通常人们所用的凑的方法和凭经验的方法。第3页，共30页，星期日，2025年，2月5日定义在最短路问题中，给出的是一有向加权图G=(V,E)，在其上定义的加权函数W:E→R为从边到实型权值的映射。路径P=(v0,v1,……,vk)的权是指其组成边的所有权值之和：定义u到v间最短路径的权为：从结点u到结点v的最短路径定义为权的任何路径。第4页，共30页，星期日，2025年，2月5日在乘车旅行的例子中，我们可以把公路地图模型化为一个图：结点表示路口，边表示连接两个路口的公路，边权表示公路的长度。我们的目标是从起点出发找一条到达目的地的最短路径。边的权常被解释为一种度量方法，而不仅仅是距离。它们常常被用来表示时间、金钱、罚款、损失或任何其他沿路径线性积累的数量形式。第5页，共30页，星期日，2025年，2月5日重要性质定理1(最优子结构)给定有向加权图G=(V,E)，设P=v1,v2,…,vk为从结点v1到结点vk的一条最短路径，对任意i,j有i=j=k，设Pij=vi,vi+1,…,vj为从vi到vj的P的子路径,则Pij是从vi到vj的一条最短路径。证明：我们把路径P分解为v1,v2,…,vi,vi+1,…vj,…vk。则w(P)=w(P1i)+w(Pij)+w(Pjk)。现在假设从vi到vj存在一路径P’ij，且w(P’ij)w(Pij)，则将P中的路径Pij=(vi,vi+1,…vj)替换成P’ij，依然是从v1到vk的一条路径，且其权值w(P1i)+w(P’ij)+w(Pjk)小于w(P)，这与前提P是从v1到vk的最短路径矛盾。（证毕）第6页，共30页，星期日，2025年，2月5日推论推论1.1给定有向加权图G=(V,E),源点为s，则对于所有边(u,v)E，有：证明：从源点s到结点v的最短路径P的权不大于从s到v的其它路径的权。特别地，路径P的权也不大于某特定路径的权，该特定路径为从s到u的最短路径加上边(u,v)。（证毕）第7页，共30页，星期日，2025年，2月5日松弛技术INITIALIZE-SINGLE-SOURCE(G,s)1.For每个结点vV[G]2.Dod[v]←3.[v]←NIL4.d[s]0对每个结点vV，我们设置一属性d[v]来描述从源s到v的最短路径的权的上界，称之为最短路径估计。我们通过下面的过程对最短路径估计和先辈初始化。RELAX(u,v,w)1.Ifd[v]d[u]+w(u,v)2.Thend[v]←d[u]+w(u,v)3.[v]←u一次松弛操作可以减小最短路径的估计值d[v]并更新v的先辈域[v]第8页，共30页，星期日，2025年，2月5日常用算法一、Dijkstra算法二、Bellman-Ford算法三、SPFA算法第9页，共30页，星期日，2025年，2月5日Dijkstra算法Dijkstra算法中设置了一结点集合S，从源结点s到集合S中结点的最终最短路径的权均已确定，即对所有结点vS，有d[v]=(s,v)。算法反复挑选出其最短路径估计为最小的结点uV-S，把u插入集合S中，并对离开u的所有边进行松弛。Dijkstra(G,w,s)1.INITIALIZE-SINGLE-SOURCE(G,S)2.S3.Q←V[G