图论中的优先级搜索——DFS,BFS,Prim,Dijkstra

图论中的优先级搜索——DFS,BFS,Prim,Dijkstra


  在图算法中经常要执行遍历每个顶点和每条边的操作,即图搜索。许多图算法都以图搜索为基础,如2-着色问题、连通性计算基于深度优先搜寻(depth-first search, DFS),而无权最短路径则基于广度优先搜索(breadth-first search, BFS)。基于搜索的算法还包括计算最小生成树的Prim算法以及计算最短路径的Dijkstra算法,这4个算法就是今天的主题。我写这篇文章无意证明算法的正确和有效性,而是希望能揭示图搜索算法背后统一的思想。

 

DFS非常简单,在搜索的过程中一旦遇到一个未标记的顶点,就沿着这个顶点继续搜索,直至遍历完所有可达的顶点。DFS具有回溯的性质,由此形成的搜索树很瘦很高。执行DFS时,同时会维护一个时间戳(time-stamp),以此记录每个顶点被搜索到的顺序,DFS形成的搜索树包含不同类型的边(树边,回边,下边以及交叉边),边的性质能通过时间戳识别出来。

BFS则相反,遇到一个未搜索的顶点时,先将与该顶点邻接的搜索完,然后进入下一轮搜索。与源点距离为k+1的顶点总是在所有与源点距离小于等于k的所有顶点都搜索完之后才被遍历。对于不区分边权值的图,BFS能计算出最短路径——DFS对此无能为力。

Prim算法是计算最小生成树(minimum spanning treeMST)的经典算法,在计算最小生成树的过程中,Prim算法维护图的一个割(cut),割区分了树顶点(被选入MST的顶点)和非树顶点,树顶点集合构成了该图的部分MSTpart MST)。每一次向树顶点集合加入新顶点时,都选取距离部分MST最近的非树顶点,显然,相同的操作重复V-1次后,所有顶点都已加入树顶点集,最小生成树计算完毕。

Dijkstra算法可以解决非负权值的单源最短路径问题(shortest-paths problem),我们可以采用与Prim算法几乎一样的思想:计算最短路径的过程中维护一棵最短路径树(shortest-paths treeSPT),包含了最短路径上的顶点。最开始这棵树中只有源点,作为树根。每次向SPT增加新顶点时,都选取非树顶点中与源点距离最近的顶点。相同的操作重复V-1次后,最短路径树计算完毕。与BFS类似,Dijkstra算法形成的搜索树偏胖~

 

仔细观察可以发现,这4种图搜索算法都具有相同的模式:首先它们都遍历了所有顶点,并且在遍历的过程中维护了一个顶点集,搜索一个顶点时把相邻的顶点按照某种规则加入到这个集合中,搜索下一个顶点时再按照某种规则从这个顶点集中取出顶点;取出顶点的规则是第二个共同点——它们都是贪心算法,在选择下一个顶点的时刻都依据某种优先级,选择优先级最大的顶点。

换言之,DFSBFSPrim算法和Dijkstra算法其实都是优先级优先搜索(priority-first searchPFS),它们依赖预定义的优先级执行搜索,而存放顶点的顶点集就是广义优先队列(priority queuePQ)。显然,搜索算法的效率严重依赖于优先队列的操作效率。

既然这4种图搜索算法都有共同的思想,理所当然的,它们具有共同的代码接口(蓝色的函数调用包含与优先队列相关的操作):


 

void GraphPFS(Graph G, int src) {

  PQinit(G, src);

  while (!PQempty(){

int PQdelmax()// 取出优先级最大的顶点

Update(v);

Link t;

for (t G->adj[v]; != NULL; t->next) {

  if (ShouldInsert(t))

    PQinsert(t, v)// 顶点t->v加入优先队列

  else if (ShouldChange(t))

    PQchange(t, v)// 改变顶点t->v的优先级

}

  }

}

 

优先级搜索的算法接口基于图的邻接表(adjacency list)实现,其中顶点用int型数据表示,权值以double型表示,GraphLink的声明如下,graph中的VE分别表示图中顶点和边的数目:

 

typedef struct Node* Link;

struct Node int v; double wt; Link next; };

 

typedef struct graph* Graph;

struct graph int V, E; Link* adj; };


 

GraphPFS函数完整地包含了优先级搜索的模式,只需要按照算法的要求选择合适的数据结构作为PQ,就能利用GraphPFS完成DFSBFSPrim算法和Dijkstra算法。


 

Depth-first search

大动干戈地用优先级队列实现DFS,无异于大炮打蚊子。但这个例子非常经典,所以我忍不住开一炮~

DFS中的优先级是什么呢?DFS总是选择刚搜到的顶点进行下一轮搜索,显然,最近加入队列的顶点具有最高的优先级。不多想就能想到可以用栈(stack)作为DFSPQ:栈总能访问到最近加入的元素。

 

#define PQinit(G, src)  int v; \

    for (v 0; G->V; ++v) \

      ts[v] -1; \

    cnt 0; \

    StackInit(G->V); \

    StackPush(src); \

    ts[src] cnt++; \

}

#define PQempty()   StackEmpty()

#define PQdelmax()  StackPop()

#define Update(v)   ts[v] cnt++

#define ShouldInsert(t) ts[t->v] == -1

#define PQinsert(t, v)  StackPush(t->v)

#define ShouldChange(t) 0

#define PQchange(t, v)


 

为了记录顶点的时间戳time-stamp,增加了一个辅助数组tsts[v] -1表示顶点v没有被访问过。Update记录了将顶点从PQ中取出时要更新的变化,在DFS中只需要记录时间戳即可,但不是所有的更新都在此处执行,有些更新还需要父顶点信息,所以在PQinsert中执行,在下一个例子中我们马上会遇到这种情况。DFS不需要中途改变优先级,所以PQchange定义为空操作。

不过要注意的是,DFSPFS实现与直接递归实现有一些区别,递归DFS会在发现一个新顶点的时候立即进一步搜索,PFS是在遍历完邻接顶点后才选择下一个顶点,所以ts数组记录的时间戳会不一样。比如以0为源点遍历下面这个图:

图论中的优先级搜索——DFS,BFS,Prim,Dijkstra


 

PFS的时间戳(time-stampts

vertex

0

1

2

3

4

5

ts

0

4

5

3

1

2

直接递归的时间戳

vertex

0

1

2

3

4

5

ts

0

1

2

3

4

5

虽然PFS与递归搜索的路径有所不同,但它仍然是正宗的深度优先搜寻,栈的结构确保了它总是优先沿着更深的路径搜索。


 

Breadth-first search

BFS中,我们希望离源点近的顶点先被搜索,然后再搜索那些离源点更远的顶点。这要求先加入PQ的顶点要先被搜索,只要利用队列(queue)先进先出(first in, first outFIFO)的性质实现PQ就能达到目的。


 

#define PQinit(G, src)  int v; \

    for (v 0; G->V; ++v) \

      pl[v] -1; \

    QueueInit(G->V); \

    QueuePut(src); \

    pl[src] src; \

}

#define PQempty()  QueueEmpty()

#define PQdelmax()  QueueGet()

#define Update(v)

#define ShouldInsert(t) pl[t->v] == -1

#define PQinsert(t, v)  do { \

    QueuePut(t->v); pl[t->v] v; \

while(0)

#define ShouldChange(t) 0

#define PQchange(t, v)

 


BFS的结果以父链接表示的形式保存在plparent link)数组中,父链接的意思就是BFS树中顶点的父节点,如若从源点s出发到顶点w的最短路径上要经过边v-w,那么pl[w] vBFS树根的父链接等于自身。另外pl数组也表示一个顶点是否有被搜索到,辅助了顶点集的插入操作。由于父链接的信息在插入顶点时已更新,所以Update不需要做任何事。

图论中的优先级搜索——DFS,BFS,Prim,Dijkstra

图论中的优先级搜索——DFS,BFS,Prim,Dijkstra

 

vertex

0

1

2

3

4

5

6

pl

0

0

0

0

1

2

3

父链接表示最终结果

 

BFS还可以获取到许多信息,比如顶点到源点之间经过的边数,以及BFS的时间戳等等,只要向PQinsertUpdate内加入相应的代码即可获取。


 

 

Prim's Algorithm

DFSBFS几乎是最简单的图算法,现在来个稍微高级一点的——最小生成树(minimum spanning treeMST)。Prim算法的思想在文章最开始的时候就说过了,现在从PFS的角度审视这个算法。

Prim算法计算MST的过程中维护了一个割(cut),区分了树(tree)顶点和非树(nontree)顶点,树顶点即是被选入MST的顶点。显然的,每一次从PQ中取出的顶点应该都是树顶点,关键在于:如何确定顶点的优先级(priority)?

由于Prim算法的框架是每次选择距离树最近的非树顶点,选择V-1次之后计算结束,因此顶点的优先级理所应当的由非树顶点与树顶点之间的距离决定,距树最近的非树顶点具有最大的优先级。

确定了优先级之后,接下来要做的就是挑选合适的数据结构充当PQ。事实上我们有许多选择:无序数组、有序数组、自组织链表,都可以。但注意到队列操作的效率直接决定了整个算法的效率,我们应当选择能够快速插入和搜索最大值的数据结构,显然堆(heap)可以胜任。注意各顶点的优先级不是一开始就明确的,而是可能在搜索过程中发生变化,所以堆还必须具有修改元素优先级的功能。普通的堆没有这样的功能,而索引堆(即以目标数组索引作为元素的堆)可以轻松实现这个功能,所以我们选择索引堆作为PQP.S. 不熟悉索引堆的读者请google“索引堆”,点击第一个搜索结果 :-))。

好了,PQ的数据结构也选好了,接下来考虑如何表示Prim算法的中间过程和结果。

首先,Prim算法计算的是MST,表示一棵树的方式在BFS中已经介绍过一种,既父链接表示。这种表示非常方便更新,所以在Prim算法中同样使用一个plparent link)数组存放最终形成的MST父链接结构。

其次,刚才提到索引堆的元素是目标数组的索引,目标数组涉及到顶点的优先级,因此目标数组的元素即是各个非树顶点到MST的距离。由于边权值是double型,所以用一个doubledistdistance)数组作为索引堆的目标数组。

最后,在计算MST的每一步中,都要知道当前与每个非树顶点最近的树顶点,才能从其中选出所有非树顶点中与MST最近的的一个。这些信息保存在frfringe)数组中。换言之,fr存放了阶段性的搜索结果。

以上这些信息的保存方式与PQ一样有许多选择,但最简单的实现是使用顶点索引数组。OK,现在可以上代码了。


 

#define              t->wt

#define PQinit(G, src)  int v; \

    for (v 0; G->V; ++v) \

      pl[v] -1; fr[v] -1; \

    \

    PQInit(G->V); \

    priority dist; \

    fr[src] src; \

    PQInsert(src); \

}

#define PQempty()  PQEmpty()

#define PQdelmax()  PQDelmin()

#define Update(v)  pl[v] fr[v]

#define ShouldInsert(t) fr[t->v] == -1

#define PQinsert(t, v)  do \

    dist[t->v] P; PQInsert(t->v); fr[t->v] v; \

while(0)

#define ShouldChange(t) (pl[t->v] == -1) && (P dist[t->v])

#define PQchange(t, v)  do \

    dist[t->v] P; PQDec(t->v); fr[t->v] v; \

while(0)


 

第一行用P表示优先级,即树顶点到非树顶点直接的距离t->wt,可以简化代码。PQinit重置了plfr,并设置了PQ的目标数组(priority dist)。随后初始化索引堆并将源点插入索引堆。由于PQDelmin选出的顶点必然属于MST,所以Update可以放心地设置它的父链接。

算法的重点在于PQinsertPQchange。在搜索顶点的过程中,如果一个顶点w是通过v首次被搜索到(t->vfr[t->v] == -1),显然目前没有其它路径比v-w更短了,随即可以设置dist[w]fr[w],并将w插入PQ。另一方面,如果通过v遇到了一个已知的非树顶点w,并且v-w的距离比已知距离更短,此时就该通过PQchange修改顶点w的优先级——变高了。

经过V-1次迭代,所有的顶点最终都会成为树顶点。


 

Dijkstra's algorithm

伟大的Dijkstra又登场了。

Dijkstra算法用于计算无负权值图的单源最短路径,与Prim算法一样,我们从PFS出发,一一解决Dijkstra算法中将要遇到的问题。

既然是求最短路径,优先级当然由顶点到源点的路径长度决定,路径长度越短,优先级越高。与Prim算法一样,PQ仍然可以用索引堆实现。

Prim算法一样的还有最终结果的表示。Dijkstra算法计算最短路径,最终结果应该完整地包含这两个信息:一、最短路径怎么走;二、最短路径的长度。第一个信息,首先最短路径肯定不会包含环,所以可以用最短路径树(shortest-paths treeSPT)的方式表示,表示树的简便方法我们已经很熟悉了,用一个父链接数组pl即可。第二个信息更不用想:一个dist数组,dist[v]即表示顶点v到源点s的距离。

算法的运行方式如同文章开头所写,维护一棵SPT,最开始只有源点。随后逐步向SPT中添加非树顶点,规则是每一次都选择距离源点最近的非树顶点。遍历顶点的同时,反复地执行一项被称为松弛relaxation)的操作——对于顶点v,每当遇到一个比已知从源点到达v的最短路径还要短的路径,就更新关于v的路径信息(其实我觉得“松弛”这个术语很不恰当,一旦遇到更短的路径,那么这条路径应该更短更紧才对,怎么会是“松弛”呢?)。松弛是在遍历顶点的过程中进行的,从PQ中取出V-1个顶点、或所有可达顶点后,算法结束。


 

#define      dist[v] t->wt

#define PQinit(G, src)  \

    PQInit(G->V); \

    priority dist; \

    int v; \

    for (v 0; G->V; ++v) \

      pl[v] -1; dist[v] MAX_WT; PQInsert(v); \

    \

    dist[src] 0.0; \

    PQDec(src); \

}

#define PQempty() PQEmpty()

#define PQdelmax() PQDelmin()

#define Update(v) if (wt[v] == MAX_WT) break;

#define ShouldInsert(t)  0

#define PQinsert(t, v)

#define ShouldChange(t)  wt[t->v]

#define PQchange(t, v)   do \

    wt[t->v] P; PQDec(t->v); pl[t->v] v; \

while (0)


 

Dijkstra算法同样定义了一个P,即源点到目标顶点的距离,方便写代码。注意算法初始化PQ的时候就已经把所有顶点都插入索引堆(为什么?),因此PQinsert也不需要做任何事情,这也是Dijkstra算法与Prim算法的一个区别。刚才提到Dijkstra算法在计算完所有从源点可达的顶点后结束,此处不可达的顶点以距离MAX_WT表示,所以Update做的事情并不是更新什么信息,而是判断当前是否遇到了一个不可到达的顶点,如果是,那么算法也没有继续进行下去的必要了。初始情况下,顶点到自己的距离为0,其它所有顶点都不可达,随着松弛操作的进行,其它顶点的正确路径信息也会慢慢明晰,所有的松弛操作都在PQchange内完成。

 

Dijkstra算法与Prim算法是如此的相似,所以把它们对比一下是件有趣的事情。它们的相通之处贯穿全文:优先级优先搜索的本质。然而它们有个明显的区别,即刚才提到的:Prim算法在计算过程中维护了一个fr数组,记录每一步当前与每个非树顶点最近的树顶点,每当遇到一个未曾搜索过的顶点就加入到fr

之所以要这样做是因为Prim算法必须区分树顶点和非树顶点,Prim的优先级取决于非树顶点与树的距离,必须在计算过程中保存这些中间结果——每个非树顶点所关联的最近的树顶点。Dijkstra算法不需要,所以一开始就把所有顶点插入到PQ中,然后不断地松弛。其实Dijkstra算法也要做出某种区分,然而它只需要区分源点和非源点……


 

 

无论是“看起来不太像”的DFSBFS,还是“看起来很像”的Prim算法和Dijkstra算法,都通过优先级优先搜索(PFS)这一算法思想联系到一起。现在再度总结一下:PFS是一种搜索图(Graph)的一般性算法,它先将图中的顶点(部分或全部地)加入到一个广义的优先队列中,然后根据特定的优先级,每次从队列里选取一条优先级最高的边,加入到特定的搜索树。搜索树就是PFS的最终结果(如最小生成树、最短路径树、DFS树……)。由此,DFSBFSPrim算法和Dijkstra算法都表征出相同的思想:


算法

优先级/P

优先队列(PQ

结果

DFS

逆先序

DFS tree

BFS

先序

队列

SPT

Prim

边权值/t->wt

MST

Dijkstra

路径长度/dist[v] t->wt

SPT


其实,你可以选择任何你想得到的优先级对图进行搜索,也许会得到意想不到的结果哦~

发布了268 篇原创文章 · 获赞 12 · 访问量 11万+
展开阅读全文

没有更多推荐了,返回首页

©️2019 CSDN 皮肤主题: 大白 设计师: CSDN官方博客

分享到微信朋友圈

×

扫一扫,手机浏览