数据结构与算法-100 days of learning-day1

有权图的单源最短路算法

如上图所示，左边这个有权图中，要找到v1到v6这两个顶点的最短路径，可以按照递增的顺序找出到各个顶点的最短路（也就是Dijkstra 算法）。但该算法不适用于负值圈，也就是上图中右边的有权图。如果把每条边的权看做“金钱”，那么为了花费最少，他可以按照图示走无数次。
Dijkstra 算法具体描述

图 6
相关结论
若路径是按照递增（非递减）的顺序生成的，则
1.真正的最短路必须只经过集合S中的顶点。
这里可以采用反证法来看其正确性。假设最短路不是必须只经过集合S中的顶点。如图6左边的图所示，顶点w为集合S之外且可令dist[v]最小的顶点。那么这种情况下最短路径为s->w->v，显然s->w的距离小于s->v的距离。然而，与之相矛盾的是，路径是按照递增的顺序生成的。那么此时顶点w应该是被收在集合S中的顶点了，因为它是相较于顶点v，距离源点s更近的顶点。所以，假设不成立。
2.每次从未收录的顶点中选一个dist最小的收录（贪心）。
3.增加一个v进入S，可能影响另外一个w1的dist值！
从这里可以看出以下两点：
1)v一定在s到w1的路径上。
2)v到w1一定有一条直接相连的边，或者说w1一定是v的邻接点。
同样是反证法。如图6右边的图所示，假设v到w1的路径上有一个顶点v1。那么由于路径是按照递增的顺序生成的，所以说源点s到v1的距离一定大于s到v的距离。而dist[w]指的是s到w的最短路径长度，而且该路径所经过的顶点肯定都属于集合S。顶点v是最新加入的顶点，所以除了顶点w1，v就是距离源点s最远的顶点。既然v1相较于v来说，离源点s更远，那么它一定不属于集合S。所以说v到顶点w1的路径上没有其他顶点。
所以新加入一个v到集合S中，可能会影响到其邻接点的dist值。就是这个语句一样，dist[w] = min{dist[w], dist[v] + <v,w>的权重}，当dist[v] + <v,w>的权重小于dist[w]时，更新dist[w]的值。
算法描述


执行该程序时，首先需要传入源点s。先从dist数组当中找出dist值最小得所对应的顶点v并将其收到collected数组中。因为路径是按照递增的顺序生成的，那么首先要开始搜索源点s的邻接点。如果有其邻接点v未被收录，则看 dist[s]+E<s,v>是否小于 dist[v]。同理，如果小于，则更新dist[v]的值，则为dist[v] = dist[s] + E<s,v>,然后记录源点s。在将源点s的邻接点均遍历之后，跳出内层循环。继续寻找剩余未被收录的顶点中dist最小的。然后遍历其邻接点。以此规律不断循环。直到所有点均被收录为止。