单源最短路径 中的一些概念和结论

作者目前更改的写博客的思路，现在是每写完一个小节便将它上传，不再一直憋着，试图把该章写完了。

 

在最短路径问题中，给定一个带权重的有向图G = (V, E)，和权重函数w: E ->R，图中一条路径p = <v0, v1, ……, vk>的权重 w(p)是构成该路径的所有边的权重之和：

，并定义最短路径权重：

δ(u, v) = min{w(p)：u到v的路径}，若存在该路径，否则将置为∞。

在本章将讨论单源最短路径问题：给定一个图G=(V, E)，我们希望找到从给定源节点s∈V到每个结点v∈V的最短路径。

       （最短路径的最优子结构）引理1：对有向图G = （V，E），和权重函数w：E→R，设p = <V0, V1, ……, Vk>是从结点V0到Vk的一条最短路径，并且对于任意 i 和 j，0 ≤ i ≤ j ≤ k，设 Pij = <Vi, Vi+1……, Vj>为路径p中从结点Vi到结点Vj的一条子路径，那么Pij是从vi到vj的一条最短路径。

证明十分简单，即将整个路径拆分为从V0到Vi，从Vi到Vj以及从Vj到Vk的路径，倘若Vi到Vj并非最短路径，那么我们就可以找到一条最短路径来代替它，从而使路径p更短。

负权重的边：

单源最短路径问题支持存在负权重的边，不过我们不希望图中存在权重为负的环路。倘若这样的话，我们可以一直绕着环路转，从而使得经过包含这条环路的路径的权值一直减小。因此，若从s到v的某条路径存在权值为负值的边，那么我们有定义：δ(s, v) = - ∞

环路：

正如上述，在最短路径中不能包含权重为负的环路；同时，简单的，我们也不会包括一个权重为正的环路，而对于权重为0的环路，我们做的也是不包含在内，因为这样的环路不包含也罢。这样就能保证最短路径中得到的是简单路径。

那么，根据上述，我们对于图G = (V, E)，一条简单路径最多包含|V|个结点，同时因为它是无环的，因此每个结点最多经过一次，因此所经过的边的数目最多为|V| - 1。

最短路径的表示：

对于图G = （ V，E）中的每个结点V，我们维持一个前驱节点v.p，该前驱结点可能是另一个结点，或者是NIL。这样，对于某个结点v，我们反向递归打印其v.p，则能得到一条最短路径（类似于拓扑排序中对结点的操作）。

然而，在运行算法时，我们并不保证通过p就能得到一条最短路径——因为我们可能还会对它进行一些修改，在最后其不变的时候才能做出保证。

之后介绍前驱子图（尽管我们在BFS以及MST中已经提及过多次，不过此处的有所不同）：Gp = (Vp, Ep)，其中，Vp为图G中的前驱结点不为NIL的结点的集合，加上源节点s， Vp = {v∈V：v. p != NIL}∪{s}，

Ep为：

Ep = {(v.p, v)∈E，v∈Vp - {s}}.

这里，可能会有人会好奇：除了源节点还有什么结点的p属性是为NIL的？答案是那些源节点到达不了的结点，他们处于视界之外（这里是笔者补充）。

在算法终止时，Gp是一棵最短路径树，它包含从源节点s到达每个可以从s到达的结点的一条最短路径。

 

松弛技术(relaxation)

本章的算法需用用到该技术，可能名字听起来高大上，实际上十分简单。

对于每个结点，我们维持一个属性v.d，记录从源节点s到结点v的最短路径权重的上界，被称作：最短路径估计，之后将给出详细的用法。在此之前，我们先初始化：

Initialize_Single_Source(G, s)
for each vertex v ∈ G.V
         v.d = ∞
         v.p = NIL
s.d = 0

之后是松弛操作：

Relax(u, v, w)
if v.d > u.d + w(u, v)
   v.d = u.d + w(u, v)
   v.p = u

该操作的文字表述就是：对于边(u, v)进行的松弛操作，如果我之前预估得到的从源节点s到v的最短路径比源节点s到u的最短路径，加上（u, v)的权重大，那么我就调整：我将估计后者将会是我的最短路径，（尽管此时可能我们还不确定u.d是不是从s到u的最短路径，不过好歹比我原来的路径短），并且将u置为v的p.

 

最短路径和松弛操作的性质

以下给出一些相关的性质，它们将在后续得到证明，现在先做介绍，因为我们要用到它们。

1、三角不等式性质：对任意边(u, v)∈E，我们有δ(s, v) ≤ δ(s, u) + w(u, v)。

这个很形象，是上面最优子结构的引理，可以轻易得到证明。

2、上界性质：对v∈V，我们总有v.d ≥ δ(s, v)，若 v.d 的取值达到δ(s, v)，其值将不会发生变化。

这个也很显然，是上面松弛操作得来的结论。

3、非路径性质：如果从s到v不存在路径，则v.d = δ(s, v) = ∞。

这个同样很显然，因为不存在路径，那么我们就无从松弛相应的边的长度。

4、收敛性质：对某些结点s, v∈V，若从s->u→v是一条最短路径（注意，此处s->指的并不只是一条边，它也可以代表从s到u的的一条路径），在(u, v)松弛前的任意时间若 u.d = δ(s, u)，则在对(u, v)松弛后，v.d = δ(s, v)。

这个也易于证明，只需要根据上述的最优子结构得证便可：u.d = δ(s, u)后，那么它将不会发生改变，同时因为从s到v的简单路径经过u，因此对边(u, v)松弛后，再对其他到达v的边（我们称之为边(t, v))进行松弛则代表我们会将t.d + w(t, v)和 u.d + w(u, v)进行比较，显然，后者将是更小的——因为它是最短路径的权重。

5、路径松弛性质：若p = <V0, V1,……, Vk>是从源节点s = V0 到结点Vk的一条最短路径，且对p中边松弛的顺序是(V0, V1), (V1, V2), (V2, V3)……(Vk-1, Vk)，则Vk.d = δ(s, Vk)。该性质的成立与其他的松弛操作无关，即使这些松弛操作是与对p上进行的松弛操作穿插进行。

这个结论看上去十分困难，不是实际上并不难，我管理解它的方式为各扫门前雪，因为其他的松弛操作影响不到这个路径上的最短距离估计的大小：由于我们是按路径顺序进行松弛操作，因此在对路径上的边(u, v)进行操作前，u.d的大小在前一次路径上的松弛操作中的已经确定——我们将再也无法更改它的大小。因此，在这两次路径上的松弛操作中，其他的松弛操作将不会影响u.d的值，因此我们就可以放心的修改在对(u, v)的松弛操作中顺利的修改v.d的值了。