2021-1 加权有向图 最短路径 理论准备

定义

• 最短路径：在一幅加权有向图中，从顶点s到顶点v的最短路径指的是所有s到t中路径权重的最小者。
• 最短路径树：包含起点s到所有可达顶点的最短路径，s为根节点，树中的每条路径都是一条最短路径。

最短路径的性质

• 路径是定向的。 最短的路径必须遵循其边缘的方向。 权重不一定是距离。 几何直觉可能会有所帮助，但是边缘权重权重可能代表时间或成本。
• 并非所有顶点都需要可达。 如果t不能从s到达，则根本没有路径，因此从s到t没有最短的路径。 负权重会带来并发症。
• 假设边缘权重为正（或为零）。 最短路径通常很简单。 我们的算法忽略了形成循环的零权重边缘，因此它们找到的最短路径没有循环。
• 最短路径不一定是唯一的。 从一个顶点到另一个顶点可能有多个权重最低的路径；我们满足于找到其中任何一个。 可能存在平行边缘和自环。
• 假设不存在平行边，并使用符号v-> w来指代从v到w的边，但是我们的代码可以轻松地处理它们。

摘自《算法 第四版》

最短路径API

数据结构：

• 父亲数组 edgeTo[]，edgeTo[v]为 s到v的最短路径上的最后一条边。
• 距离数组 distTo[v]，s到v的最短路径的长度
• 约定：设起点为s，初始化edgeTo[s]为null，dsitTo[s]为0，其他元素的值初始化为不可达【起点s不可达的距离设为浮点数最大值DBL_MAX】。

边的松弛

• 什么是松弛？
  两颗钉子间拉着一条橡皮筋，紧绷绷的。现在，找一个更近的钉子，当把橡皮筋一端换到这里时，缓解了橡皮筋的压力。
  
• 代码描述

void relax（DirectedEdge &e）{
	int v=e.from(),w=e.to();
	if(distTo[w]>distTo[v]+e.weight()){
		distTo[w]=distTo[v]+e.weight();//换到更近的钉子上，橡皮筋成功松弛
		edgeTo[w]=e;
	}
}

• 图示说明
  左边松弛失败，右边松弛成功
  

顶点的松弛

放松从一个给定顶点指出的所有边。

注意，从任意distTo[v]【起点s到v的距离】为有限值的顶点v到distTo[]为无穷的顶点的边都是有效的。如果v被放松，那么这些有效边都会被加到edgeTo[]。显然某条从起点指出的边将会是第一条被加入到edgeTo[]中的边。

代码描述：

void relax(EdgeWeightedDigraph G,int v){
	for(DirectedEdge e: G.adj(v)){//检查v的所有邻接点
		int w=e.to();
		if(distTo[w]>distTo[v]+e.weight()){
			distTo[w]=distTo[v]+e.weight();
			edgeTo[w]=e;//起点指向w最短路径的最后一条边
		}
	}
}

命题P(最短路径的最优性条件）

令G是一幅加权有向图，顶点s是G中的起点，distTo[]是一个由顶点索引的数组，保存的是G中的路径长度。

对于从s可达的所有顶点v，distTo[v]的值是s到v的某条路径的长度，对于从s不可达的所有顶点v，该值为无穷大。

当且仅当对于v到w的任意一条边e，这些值都满足distTo[w] <= distTo[v]+e.weight()时（换句话说，不存在有效边时），他们是最短路径长度。

关于证明：

通用的最短路径算法

将distTo[s]初始化为0，其他distTo[]初始化为无穷大，继续如下操作

放松G中的任意边，直到不存在有效边为止。

对于任意从s到w的顶点，distTo[w]的值就是起点s到w的最短路径的长度，且edgeTo[w]为该路径上的最后一条边。