算法复习——图算法篇之单源最短路径之Dijkstra算法

算法复习——图算法篇之单源最短路径之Dijkstra算法

以下内容主要参考中国大学MOOC《算法设计与分析》，墙裂推荐希望入门算法的童鞋学习！

1. 问题背景

​ 如何计算带权图中源点到所有其他顶点的最短路径？

2. 问题定义

单源最短路径问题（边权为正）（Single Source Shortest Paths Problem with Positive Weights）

输入：

• 带权图$G=<V,E,W>$，其中$w(u,v)\ge 0$（圈中所有边权为正），$(u,v)\in E$
• 源点编号$s$

输出：

• 源点$s$到所有其他顶点$t$的最短距离$\delta (s,t)$和最短路径$<s,\dots ,t>$

3. 算法思想

• 辅助数组
  • $dist$表示距离上界（估计距离）
    • 源点$s$，$dist[s]=0$；其他顶点$u$，$dist[u]$初始化为∞
    • $dist[u]$：源点$s$到顶点$u$的距离上界，$\delta (s,u)\le dist[u]$
  • $color$表示顶点状态
    • 黑色：到顶点$u$最短路已被确定
    • 白色：到顶点$u$最短路尚未确定
  • $pred$表示前驱顶点
    • $(pred[u],u)$为最短路径上的边
• 核心思想
  • 步骤1：新建空的黑色顶点集$V_A$
  • 步骤2：选择一个白色顶点变为黑色（到该顶点最短路被确定）
  • 步骤3：重复步骤2，直至所有顶点均为黑色

​ 针对这个核心思想，可以提出以下两个问题：

• 问题1：选择哪个白色顶点变为黑色？采用贪心策略

  • 对每个顶点$y\in V-V_A$，都有一个估计距离$dist[y]$
  • 选择估计距离最小的顶点$v$，$dist[v]\le dist[y]$，$v,y\in V-V_A$

• 问题2：如何更新每个顶点的估计距离？

  • 当前到顶点$v$的最短路径：$<s,w,v>$，距离为$dist[v]$
  • 通过顶点$u$的新路径：$<s,\dots ,u,v>$，距离为$dist[u]+w(u,v)$
  • 如果新路径更短（$dist[u]+w(u,v)<dist[v]$）
    • 更新$dist[v]$：$dist[v]=dist[u]+w(u,v)$
    • 该操作被称为松弛操作

4. 伪代码

Dijkstra(G, S)

输入：图G=<V, E, W>，源点​s​

输出：单源最短路径P

新建一维数组color[1..|V|],dist[1..|V|],pred[1..|V|]
// 初始化
for u ∈ V do
	color[u] ← WHITE
	dist[u] ← ∞
	pred[u] ← NULL
end
dist[s] ← 0
// 执行单源最短路径算法
for i ← 1 to |V| do
	minDist ← ∞
	rec ← 0
	for j ← 1 to |V| do
		if color[j] != BLACK and dist[j] < minDist then
			minDist ← dist[j]
			rec ← j
		end
	end
	for u ∈ G.Adj[rec] do
		if dist[rec] + w(rec, u) < dist[u] then
			dist[u] ← dist[rec] + w(rec, u)
			pred[u] ← rec
		end
	end
	color[rec] ← BLACK
end

​ 通过这种方法实现的时间复杂度是$O(|V{|}^2)$。

5. 优先队列优化

​ 但很显然我们可以通过优先队列，来加速查询。优先队列部分可参考算法复习——图算法篇之最小生成树之Prim算法。

Dijkstra-PriQueue(G, s)

输入：图G=<V, E, W>，源点s

输出：单源最短路径P

新建一维数组color[1..|V|],dist[1..|V|],pred[1..|V|]
新建空优先队列Q
// 初始化
for u ∈ V do
	color[u] ← WHITE
	dist[u] ← ∞
	pred[u] ← NULL
end
dist[s] ← 0
Q.Insert(V, dist)
// 执行单源最短路径算法
while 优先队列Q非空 do
	v ← Q.ExtractMin()
	for u ∈ G.Adj[v] do
		if dist[v] + w(u, v) < dist[u] then
			dist[u] ← dist[v] + w(u, v)
			pred[u] ← v
			Q.DecreaseKey((u, dist[u]))
		end
	end
	color[v] ← BLACK
end

​ 所以经过优化后，该算法的时间复杂度是$O(|E|log|V|)$

6. 算法正确性证明

• 定理：Dijkstra算法中，顶点$u$被添加到$V_A$时，$dist[u]=\delta (s,u)$

• 证明：

  • 采用反证法，假设Dijkstra算法将顶点$u$添加到$V_A$时，$dist[u]\ne \delta (s,u)$

  • 由于$dist[u]$作为$\delta (s,u)$的上界，故$dist[u]>\delta (s,u)$

  • 应存在一条长度为$\delta (s,u)$的从$s$到$u$的最短路径，不妨设其为$<s,\dots ,x,y,\dots ,u>$，其中边$(x,y)$横跨$<V_A,V-V_A>$，$x\in V_A$，$y\in V-V_A$

• 算法令$V_A$中的顶点满足：$dist[x]=\delta (x,s)$，$x\in V_A$

• $<s,\dots ,x,y>$是最短路径$<s,\dots ,x,y,\dots ,u>$的子路径，故：

  • $\delta (s,y)=\delta (s,x)+w(x,y)=dist[x]+w(x,y)$（公式1）

• 算法对顶点$x$出发的所有边（包括边$(x,y)$）已进行松弛操作，故：

  • $dist[y]\le dist[x]+w(x,y)$（公式2）

• 合并上述公式1和公式2，可得$dist[y]=\delta (s,y)$

• 最短路径$s,\dots ,x,y,\dots ,u>$中，$y$出现在$u$之前，故：

  • $dist[u]>\delta (s,u)\ge \delta (s,y)=dist[y]$

• $dist[u]>dist[y]$，$u\ne y$，$u$不应是下一个被添加顶点，故产生矛盾

​ 本质上，我们是证明了定理的逆否命题，若$dist[u]\ne \delta (s,u)$，就不应该是$u$被添加到$V_A$，并使用了反证法。