最短路径问题（单源点和多源点）

最短路径问题（单源点和多源点）

单源点

• Bellmanford算法
• Dijkstra算法

多源点

• 动态规划
• FloyWarshall算法

单源点

Bellmanford算法

算法思想：
先初始化距离数组d[ ] = INF ，d[1] = 0 。
根据d[v] = min( d[u] + w[u][v] , d[v] )，对所有的边进行"松弛"，值得注意，每一轮松弛都会更新至少一条最短路径，即得到一个最小的 d[i]。
时间复杂度： O(|V|*|W|)

Bellmanford(G, w, s)
{
	Init(G);//初始化，包括设置距离数组d[ ]，且d[s] = 0;
	
	//进行n-1次全面“松弛”，每次至少找到了一条最短路径。
	for(int i=1; i < |V|; i++){ 
		for( (u,v) in G ){
			Relax(u,v,w);
		}
	}
	//检验是否有负权边
	for( (u,v) in G ){
		if( d[v] > d[u] + w[u,v] )	return false;
	}
	return true;
}

Relax(u,v,w){
	if( d[v]  >  d[u] + w[u,v]) 
		d[v]  =  d[u] + w[u,v];	 //更新（“松弛”）距离
		parent[v]  = u; 		//记录v上一个节点
}

Dijkstra算法（迪杰斯特拉算法）

算法思想：
维持一个数组的d[ N ]记录各个点到源点的距离, s[ N ]记录已经访问过的点，1代表已经访问，0代表未访问。
每次从未访问的点中选出 最小的d[i] ， 并对其子节点进行更行距离。通过N次选取、更行后，即完成了计算所有点到单源点的距离。其中，也可以用parent[N]数组记录父节点。
时间复杂度： n次取出, 每次查找n, 总时间O(n*n)

(思考：数组d[N]可以换成一个最优队列，每次取出最优队列的最小值，更新新的d[] 时也可以在最优队列中更新)

//伪代码：
Dijkstra(){
	Init(G);
	//	s[ 1...N ] = {0}; s[1] = 1;
	Q =  V;  //初始化最优队列
	
	while( !Q.empty() ){
		u =ExtractMin(Q);
		for( v in Adj[u] ){
			Relax(u,v,w);
		}
	}
	
}

多源点

类似矩阵乘法的动态规划算法

设 i 到 j 的最短路径p 途径 k，路径p(i,j)=min (p(i,k)+w(k,j)), k=1…n 。
思考递归方程，进而可以理解动态规划思想。
即D(i,j)(m) = min( D(i,k)(m-1)+w(k,j) ）, k= 1…n

D(i，j)(m)代表第m次更新矩阵
注意第m次更新矩阵，至少可以得到路径长为m的最优路径
时间复杂度： n^4

Dynamic() //动态规划
{
	D(i,j)(0) = 0或者INF;  //初始化距离矩阵D(0)
	for( int m = 0; m<= n -1; m++)
		for( int i = 1; i<= n; k++)
			for( int j = 1; j<= n; k++)
				for( int k = 1; k<= n; k++)
					D(i,j)= min( D[i][k] + W[k][j] ，D[i][j])
	return D(n);
}

…

FloyWarshall算法（弗洛伊德算法）

算法思想：
找中间节点k；设 i 到 j 的最短路径p 途径 1，2，3… k。那么，若点k在p上，可以将路径p分成 p1: i***k 和 p2：k***j;
即 d(i,j) (k)= min( d(i,j) (k-1), d(i,k)(k-1)+d(k,j)(k-1) )
（ d(i,j)(k) 代表点i 到 点j 途径 的点在1…k中，且d(i,j)(0) = w(i,j) ）
时间复杂度：n^3

FloyWarshall()
{
	D(0) = W;  //初始化距离举证D(0)
	for( int k = 1; k<= n; k++)
		for( int i = 1; i<= n; k++)
			for( int j = 1; j<= n; k++){
					d(i,j) = min( d(i,j) , d(i,k)+d(k,j) )
			}
	
	return D(n);
}