Coursera - Algorithm (Stanford) - 课程笔记 - Week 13

Bellman Ford Algorithm

• 单源最短路问题定义
  • 输入：有向图，已知各边长度，以及源点$s$
  • 输出：计算从源点出发，到达图中个点最短路的长度
• Dijkstra算法的问题
  • 对于存在负权边的情形，并不总是正确的
  • 并不是十分的分布式
• 对于负权环的问题
  • 方案1：允许负权环的存在——得不到最短路
  • 方案2：要求无环最短路的计算——汉密尔顿遍历问题，NP完全问题
  • 方案3：允许负权边，但不允许负权环——BF算法
• 目标
  • 计算所有顶点的单源最短路径长度——BF算法
  • 或者输出负环
• 最优子结构
  • 图本身不好描述相对顺序
  • 路径的顺序比较明确
  • 问题大小的界定——路径的边个数
  • $P$：最多$i$条边的限制下，$s\to v$的最短路径长度
  • case 1：如果$P$有最多$i-1$条边，那么其必然是$s\to v$的最短路径，拥有最多$i-1$条边
  • case 2：如果$P$有$i$条边，其中最后一条为$w\to v$，那么除去最后一条边的$P^{\prime }$即为$s\to w$的$i-1$条边的最短路
  • 最优子结构条件：允许环路（由于边数限制，不会无限循环），未达节点的最短路长度为$+\infty$
  • L i , v = min ⁡ { L i − 1 , v , min ⁡ ( w , v ) ∈ E { L i − 1 , w + c w , v } } L_{i, v} = \min \{L_{i - 1, v}, \min_{(w, v) \in E} \{L_{i - 1, w} + c_{w, v}\}\} Li,v​=min{Li−1,v​,min(w,v)∈E​{Li−1,w​+cw,v​}}
    • 一个子问题只需要$(1+\mathrm{i}\mathrm{n}\mathrm{d}\mathrm{e}\mathrm{g}\mathrm{r}\mathrm{e}\mathrm{e}(\mathrm{v}))$次搜索
    • 如果没有负权环，那么我们一定能在$n-1$条边内找到最短路，且不会有环路（环路只会增加路径长度），这种情况下和其他dp算法无异
• 算法（不考虑负权环）
  • 初始化：$A[0,s]=0$，$A[0,v]=+\infty$
  • 循环：$i=1,\dots ,n-1$，$v\in V$
    • A [ i , v ] = min ⁡ { A [ i − 1 , v ] , min ⁡ } A[i, v] = \min \{ A[i - 1, v], \min \} A[i,v]=min{A[i−1,v],min}
  • 时间复杂度：$O(mn)$（考虑最后实际的计算量只有$O(n+n{\sum }_v\mathrm{i}\mathrm{n}\mathrm{d}\mathrm{g}\mathrm{r}\mathrm{e}\mathrm{e}(\mathrm{v}))$）
  • 一个优化手段（保证达不到$O(n^2)$）：提前终止
    • 在某一次$i$的迭代中，如果所有的$A[i,v]=A[i-1,v]$都成立，则终止程序
• 如果输入的图确实有负权环怎么办？
  • 定理：图$G$没有负权环，当且仅当在BF算法中，$A[n-1,v]=A[n,v]$
  • 结论：运行BF算法之后，检查$A[n-1,v]$与$A[n,v]$是否相同，已确定图中是否有无权环
  • 时间复杂度$O(mn)$
  • 极端情况：$s$与任何其他点没有边相连，且其他点共同组成一个 负权环——加入一个零距离的虚拟节点
• 空间优化
  • 实际上，我们在计算当前迭代最优解时只需要前一次迭代的结果
  • 空间优化可以达到 $O(n)$
  • 问题：如何在优化后的模式中重建最优解
  • 计算另外一个表$B$，其中$B[i,v]$表示$s$到$v$的不超过$i$条边上的最短路的倒数第二个节点（前序指针）——重建时，逆序沿着前序指针得到最优解
  • 可以利用这个逆序指针辅助检查负权环：迭代过程中$B$检查到环，必然是一个负权环

All Pairs Shortest Paths

• 问题定义

  • 输入：图（允许负权边）
  • 输出：计算所有点对之间的最短路长度 或者 报告图中存在负权环

• 直接使用单源最短路算法？时间复杂度太高，含负权边的稠密图（$n$遍BF）可以达到$O(N^4)$

• Floyd-Warshall算法：$O(N^3)$复杂度

• 最优子结构（不考虑负权环）

  • $P$为固定的源点$i$和目标点$j$，使用任意中间点$V^{(k)}$
  • case 1：点$k$不在$P$中，那么$P$是使用任意中间点$V^{(k-1)}$的最短路
  • case 2：点$k$在$P$中，那么$P_1$为$i$到$k$的$V^{(k-1)}$的最短路，$P_2$为$k$到$j$的$V^{(k-1)}$最短路

• 算法

  • 三维数组$A$，$A[i,j,k]$表示使用节点$1,\dots ,k$实现的$i$到$j$的最短路径
  • 初始化，对$i=j$，置0；对$i\ne j,k=0，(i,j)\in E$，置$c_{ij}$；对$i\ne j,(i,j)\notin E$，置$+\infty$
  • 三重循环k，i，j：
    • A [ i , j , k ] = min ⁡ { A [ i , j , k − 1 ] , A [ i , k , k − 1 ] + A [ k , j , k − 1 ] } A[i, j, k] = \min \{A[i, j, k - 1], A[i, k, k - 1] + A[k, j, k - 1] \} A[i,j,k]=min{A[i,j,k−1],A[i,k,k−1]+A[k,j,k−1]}
  • 时间复杂度$O(N^3)$

• 如何检查负权环？检查对角线，如果存在$A[i,i,n]<0$，那么存在负权环

• 解重建

  • 除了$A$本身，还需要计算一个$B$，表示$i$和$j$最短路上最大的标签
  • 在第二个情景，需要将$B$重置为对应的$k$
  • 得到最大点之后，在ik，kj之间继续寻找最短路

• Johnson算法：归约到1次BF调用，$n$次Dijkstra调用

• 重加权：对于节点$u$和$v$，定义其权重$p_u$和$p_v$，对于其边$<u,v>$权$c_e$，定义新的边权重$c_e^{\prime }=c_e+p_u-p_v$

  • 性质：对所有调整后的边，对$s$和$t$之间的所有路径，其路径权重只变化$p_s-p_v$
  • 结论：上述重加权过程不会影响最短路结果
  • 思路：使用这种重加权方法对负权环进行处理——需要考虑点权重的获得

• 点权重获得和重加权

  • 设置一个虚拟节点$s$，其到所有既有节点的距离为0
  • 使用BF算法，计算$s$到各点$v$的最短距离
  • 该距离即为对应既有点的权重$p_v$
  • 根据所有的点权重，定义$c_e^{\prime }=c_e+p_u-p_v$

• 通过这样的方式，将所有的边的权重处理为非负，同时不改变最短路结果，在可行的情况下可以采用更快的Dijkstra算法

• Johnson算法

  • 输入：可能含有负权环的有向加权边图$G$
  1. 建立一个虚拟节点$s$，其到达所有的点的距离均为0
  2. 在该新图上运行BF算法，计算从$s$到达各店的最短路（在此阶段即可判断是否存在负权环并终止算法）
  3. 根据上述描述确定各点权重，并更新边权
  4. 接下来可以运行$n$次Dijkstra算法计算最短路
  5. 在得到最短路之后，将最短路$d^{\prime }(u,v)$，减去变化的权重得到最终得结果$d(u,v)=d^{p}rime(u,v)-p_u+p_v$

• 时间复杂度（稀疏图）：$O(nm\log n)$

• 新边权非负性保证

  • 已知新点权$p_v$和$p_u$
  • $P$为到达$u$的最短路，长度显然为$p_u$
  • 针对边$(u,v)$，存在一条到达$v$的路径$p_u+c_{uv}$
  • 根据最短路性质$p_v\le p_u+c_{uv}$
  • 则有$c_{uv}^{\prime }=p_u+c_{uv}-p_v\ge 0$