【经典算法】最短路径算法——Bellman-Ford

十二月的猫

已于 2024-05-30 20:41:32 修改

阅读量1.7k

点赞数 28

分类专栏：算法启示录文章标签：算法

于 2024-05-30 20:33:31 首次发布

本文链接：https://blog.csdn.net/m0_67656158/article/details/139146782

版权

算法启示录专栏收录该内容

9 篇文章 1 订阅

订阅专栏

🌈 个人主页：十二月的猫-CSDN博客
🔥 系列专栏： 🏀算法启示录

💪🏻 十二月的寒冬阻挡不了春天的脚步，十二点的黑夜遮蔽不住黎明的曙光

前言

最短路径算法是图论中一类重要算法，其功能就如名字一样——求解点与点之间最短距离。

首先，先让我们对最短路径算法有一个概观，看看都有哪些种类的最短路径算法，每一个种类中代表的算法又是什么。

单源最短路径算法：从一个起点出发求解其到其他所有其他点的最短距离

多源最短路径算法：从所有点出发求解其到其他所有其他点的最短距离

松弛视角

关键点：

1、松弛和动态规划都是解决最短路径的方法。

2、松弛的本质就是对图固有属性三角理论的修正。

3、松弛和动态规划方法存在一定的重合，有时可以相互转化。两者并未有固定的优秀等次之分。

4、一些算法采用松弛视角解决，另一些采用动态规划视角来解决

伪代码展示

最短路径的求解包含两个步骤：一、初始化操作；二、松弛操作

松弛是最短路径求解过程中最好用的手段之一

两个操作的伪代码如下：

初始化操作：

INITIALIZE(G,s)
    for each vertex v ∈ G.V
        v.d=∞
        v.π=NULL
    s.d=0

松弛操作：

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

松弛操作的本质是对三角形理论的修正

三角形理论

定义：

对于任何边（u，v）∈E，都有d(s,v)<=d(s,u)+w(u,v)

d(s,v)表示s到v的最短路径

任何图都满足三角形理论，三角形理论是图形的固有性质

松弛操作可行性证明

既然三角形理论是任何图形的固有性质。那么一旦一个图形中的出发源点s到目的点v的距离不符合三角形理论，那么就说明d(s,v)是不准确的（偏大），或者d(s,u)是不准确的（偏小）。显然我们初始化时令d(s,v)都是正无穷，所以d(s,u)偏小是不可能的。因此必然是d(s,v)偏大，需要修正。此时我们就令v.d=u.d+w(u,v)，从而完成对d(s,v)的修正。

如果顶点v到s的距离满足三角形理论，那么此时的距离可能是正确的（即最短距离）。如果顶点v到s的距离经过所有其他顶点的三角形理论检验仍然满足，则说明此时得到的一定是正确的（即一定是最短距离）。

一次次的修正（松弛），点与点之间距离不断减少，直到最后得到最短路径。这就是松弛操作求解最短路径的可行性证明

较难理解！！但是希望大家可以好好看一遍

Bellman-Ford算法

贝尔曼福特算法是一个一般性的单源最短路径算法。一般性意味着它适用于存在负权重，但无负权重回路的情况。相比较于贝尔曼福特算法，运行效率更高的迪杰斯特拉算法是一个相对特殊的算法，只能用于只有正权重的图求解单源最短路径。

当然，可以这么说，贝尔曼福特算法是一种动态规划算法，迪杰斯特拉算法是一种贪婪算法。

算法思想

1.流程描述

Bellman-Ford 算法对图中的每一条边进行松弛，并且这个松弛要进行V-1轮

2.流程图解

让我们拿《算法导论》中的示例图走一遍，带大家体会算法的流程

先明确以下两个点：

1、每一个图表示每一轮松弛后的结果。即：a是原始图，b是进行第一轮松弛后的结果，c是进行第二轮松弛后的结果。总共有5个点，所以松弛了4轮。

2、阴影的线段表示：无论每一轮松弛边的内部顺序如何，进行一轮松弛后至少会达到的结果（这一句话希望大家好好体会~~）

举个b图的例子，让大家感受一下这个流程：

对b图：从a图中随机选择一条边（t，x），进行松弛x结果仍然不变；从a图中再随机选择(x,t)边，进行松弛，由于两者都是正无穷，所以t的结果也不变；从a图中随机选择（s，t），进行松弛得到结果：t为6；从a图中随机选择（y，z）边，进行松弛由于y是正无穷，所以结果z仍为正无穷；从a图中随机选择（s，y）边，进行松弛结果为y为7~~~~~等等

总结：

事实：

1、第一轮松弛只有（s，y）、（s，t）边的松弛是有效果的，其他的松弛都是无效的

事实背后的结论：

1、第n轮的松弛只能保证到s距离为n的结点得到其正确的最短路径结果

疑问：

1、那如果先随机选择到了（s，t），后选择（t，x）那么是不是（t，x）的松弛也是有效的？事实确实如此，但是我们不能保证首先松弛的是哪一个边。所以，算法导论中给我们呈现的是进行一轮松弛后至少会达到的效果。

3.流程阐释

两个问题：1、对图中所有边进行一轮松弛作用是什么。2、为什么松弛要进行V-1轮。

两个思考：

1、对图中所有边进行一轮松弛作用就是让保证取到最短路径的点到s的距离增加1（第一轮后，到s最短路径为1的点都保证获得最短路径值；第二轮后，到s最短路径为2的点都保证获得最短路径值。以此类推~

2、松弛V-1轮即可是由于图中任何一个点到s的距离最长只能为V-1

算法伪代码

//Bellman-Ford伪代码
//令G(V,E),s表示单源出发点，w是每条边的权重,v是目标点，u是途径点
Bellman-Ford(G,w,s)
    for i=1 to V-1
        for each edge(u,v)∈G.E
            RELAX(u,v,w)
    for each edge(u,v)∈G.E
        if v.d>u.d+w(u,v)
            return FALSE
    return TRUE
RELAX(u,v,w)
    if v.d>u.d+w(u,v)
        v.d=u.d+w(u,v)
        v.π=u

算法证明

贝尔曼福特算法的证明包括：1、最短路径证明；2、算法返回值完整性证明

这里我们重点来看最短路径证明：1、路径松弛性质；2、最短路径证明

路径松弛性质

理解关键点：

1、本性质的成立和松弛操作无关。也就是说这些操作不一定是连续进行的，在彼此之间可以穿插其他的松弛操作。只要按这个相对顺序进行这样一遍松弛处理，那么我们一定能够得到vk的最短路径（即使是在第一轮松弛中，我们就按这个顺序进行松弛，依旧能得到vk的最短路径）

最短路径证明

理解关键点：

1、假如路径长为k，也就是以vk为目的点。由于没有环，所以k小于等于V-1。而我们可以进行V-1次松弛，每次松弛都是对所有边进行的。也就是说第一次松弛必然有（v0，v1），第二次松弛有（v1，v2），第三次则有（v2，v3）以此类推，最后必然可以（因为k小于等于V-1）到（vk-1，vk），也就说vk必然已经得到最短路径。证毕~~