图—单源有权最短路径概述——《算法导论》

背景：

在图的BFS中我整理了用BFS求最短路径的方法，但是前提是这个图必须是无权的，但是不是所有图的路径距离都是无权的（单位权值），甚至大多数的图都是有权的，因为很多都是联系实际的问题，而在现实中，两个点之间距离是有权值的，比如实际上的距离，比如时间、成本、罚款、损失等等等等，都可以作为权值，所以我们需要解决带权值的最短路问题。

---

最短路径问题：

分单源最短路径和多源最短路径：
我着重学习了一下单源最短路。
即给定一个图G=(V , E)，找到从给定源结点s∈V到每个结点v∈V的最短路径。

而单源最短路径问题可以解决许多其他问题：

最短路径的变体问题：

• 单目的地最短路径问题：找到从每个结点v到给定目的地结点t的最短路径。如果将图的每条边的方向翻转过来，就可以将此问题转换为单源最短路径问题。

• 单结点对最短路径问题：找到从给定结点u到给定结点v的最短路径。如果解决了针对单个结点u的单源最短路径问题，那么也就解决了这个问题。

• 所有结点对最短路径问题：对于每个结点u和v，找到从结点u到结点v的最短路径。

一个性质：最短路径的子路径也是最短路径。

---

负权重的边：

某些单源最短路径问题可能包括权重为负值的边，那么这决定了我们之后用什么方法来解决此类问题。因为有了负权重值并且图中有环路，那么定义最短路径权重δ(s,v)就是无定义了，因为我们就可以沿着任何”最短“路径再遍历一次权重为负值的环路，则可以找到一条权重更小的路径。则此时的δ(s,v) = -∞。但是只要没有环路，就是有定义的了，这时就可以用Bellman-Ford算法。而Dijkstra只能解决非负权值最短路问题。

---

最短路径的表示：

有时候，我们不但要计算出最短路径，还要把最短路径的结点给表示出来。
这要求我们对于每个结点v，我们维持一个 前驱结点 v.π。该前驱结点可能是另一个结点或NULL。这样，将从结点v开始的前驱结点链反转过来，就是从s到v的一条最短路径。

由π值所诱导的前驱子图Gπ = (Vπ,Eπ)，我们定义结点集Vπ为图G中的前驱结点不为NULL的结点的集合，再加上源结点s，即
Vπ = {v∈V:v.π≠NIL}∪{s}
有向边集合Eπ是由Vπ中的结点的π值所诱导的边的集合，即
Eπ = {(v.π,v)∈E:v∈Vπ-{s}}

在算法终止时，Gπ是一棵”最短路径树“。这棵树是一棵有着根结点的树，它包括了从源结点s到每个可以从s到达的结点的一条最短路径。
它是一个有向子图G’ = (V’ , E’)，并满足：
1. V’是图G中从源结点s可以到达的所有结点的集合。
2. G’形成一棵根结点为s的树。
3. 对于所有的结点v∈V’，图G’中从结点s到结点v的唯一简单路径是图G中从结点s到结点v的一条最短路径.
最短路径不一定是唯一的，最短路径树也不一定是唯一的

---

松弛操作

对于每个结点v来说，维持一个属性v.d，用来记录从源结点s到结点v的最短路径权重的上界。称v.d为s到v的最短路径估计。

初始化操作：

初始化对于所有的结点v属于V，我们都有v.π = NIL，s.d = 0，对于所有结点v∈G.V-{s}，我们都有v.d = ∞。
伪代码如下：

INITIALIZE-SINGLE-SOURCE(G,s)
    for each vertex v∈G.V
        v.d = ∞
        v.π = NIL
    s.d = 0

松弛过程：

首先测试一下是否可以对从s到v的最短路径进行改善。
方法：将从结点s到结点u之间的最短路径距离加上结点u与v之间的边权重，并与当前的s到v的最短路径估计进行比较，如果前者小，则进行对v.d和v.π的更新。
伪代码如下：

RELAX(u,v,w)
    if(v.d>u.d+w(u,v)
        v.d = u.d+w(u,v)
        v.π = u

---

《算法导论》中单源最短路径的概述的关键部分就是这些，值得反复理解。