贪心算法-最短路径问题(从动态规划优化到贪心)

最短路径问题

问题描述

给定一个图$G=⟨V,E⟩$，对于图中每条边$e=⟨i,j⟩$都有一个距离$d_{i,j}$。起始点是s，终点是t，问从s到t的最短路径是多少？

解决方法

1.动态规划

最短路径问题是一个多步决策问题，所以可以先考虑用动态规划来求解。如果我们用OPT(i,j)表示点i到点j的最短路径，如果图中存在负值的边、负值环路，就转移方程会出现类似陷入循环等问题，而且转移方程无法与明确的d(u,v)做关联。所以我们通过引入一个新变量k，使得OPT(i,j)变成OPT(i,j,k)（从i到j经过最多k条边的最短路径），因为起点是固定的，我们只用考虑终点即可，最终定义OPT(v,k)：从s到点v最多经过k条边的最短路径。由此我们可以得到转移方程如下：
O P T ( v , k ) = min ⁡ { O P T ( v , k − 1 ) min ⁡ ⟨ u , v ⟩ ∈ E { O P T ( u , k − 1 ) + d u , v } OPT(v,k) = \min \begin {cases} OPT(v,k-1) \\ \min_{\lang u,v\rang \in E}\{OPT(u,k-1)+d_{u,v}\} \end{cases} OPT(v,k)=min{ OPT(v,k−1)min⟨u,v⟩∈E​{ OPT(u,k−1)+du,v​}​
我们要在最多经过k条边内到达v，有两种可能，一是直接最多经过k-1条边就可以到达；二是先经过最多k-1条边到达u，存在一条边从u到v，经过此边到达v(可能有多个u满足，取最小者)，二者取较小即OPT(v,k)。

这个是Bellman Ford算法，是一种求解单源最短路径的算法。

伪代码如下：

通过上面算法，我们可以算出s到v的最短路径为4,下面表格还可以继续延申（k最多可能为8）。

2.贪心算法

在有了动态规划算法之后，我们观察上图示例可以发现是存在冗余计算的。

优化1：去除冗余计算

这个表格里的值的计算，要么是走了k-1条边后再走一条边从而让路径更短，要么是走k-1条边就能到，再多走一条边，路径也没有更短。后者这种在表格里就是横着平移，有很多重复的值是不需要计算的，为了找到什么时候可以不再继续计算该点的最小值（即该点不可能再被更新地更小了）。为此，我们定义一个特殊点 v ∗ v^∗