Python实现最短路问题常见求解算法2——Label Correcting Algorithm（deque）

原文链接

1. 适用场景

• 可识别网络中存在的负环
• 起点与终点间至少存在一条可行路径
• 可求解单一起点到多点的最短路径

2. 负环识别方法

在介绍网络负环识别方法之前，先定义几个符号：
$n$ ：网络节点数量
$C$ ：网络弧费用绝对值的最大值
根据《netwrok flow》文献介绍，针对label correcting algorithms有以下识别方法：

• 如果某一节点的距离标签小于 $-nC$ 则说明存在负环（在最坏情况下源点到此点经过所有节点，所有的弧费用值的绝对值都是C，则最小的cost为 $-nC$）

• 首先将源节点指定为已标记节点，而将所有其他节点指定为未标记的。然后，我们一个接一个检查每个未标记节点 $k$，并执行以下操作：标记节点 $k$，溯回节点$k$ 的前向节点并将其标记，直到我们到达第一个标记节点$l$，如果$k=l$ 则网络中存在负环。

• 标记每个网络节点被检查最优性条件的次数，如果次数超过了网络节点数-1，则网络中存在负环。

3. 测试网络

这里在测试网络中人为设立一个负环结构，如下图红色示意图。

4. 代码实现

（1）定义网络数据结构

class Network():
    def __init__(self):
        self.node_neighbors={}
        self.node_x_coord={}
        self.node_y_coord={}
        self.node_id_list=[]
        self.number_of_nodes=0
        self.number_of_check={}
        self.link_cost={}
        self.link_list=[]
        self.max_link_cost=None

        self.source_node_id=0
        self.sink_node_id=1

（2）读取网络文件

# read network csv files
def read_network_file(node_file,link_file,network):
    # read node csv file
    with open(node_file) as node_f:
        node_reader=csv.reader(node_f)
        next(node_reader)
        for row in node_reader:
            network.node_id_list.append(int(row[0]))
            network.node_x_coord[int(row[0])] = float(row[1])
            network.node_y_coord[int(row[0])] = float(row[2])
            network.node_neighbors[int(row[0])] = []
            network.number_of_check[int(row[0])]=0
    # read link csv file
    with open(link_file) as f:
        link_reader = csv.reader(f)
        next(link_reader)
        for row in link_reader:
            from_node_id = int(row[1])
            to_node_id = int(row[2])
            cost = float(row[3])
            network.node_neighbors[from_node_id].append(to_node_id)
            network.link_list.append([from_node_id, to_node_id])
            network.link_cost[from_node_id, to_node_id] = cost
    network.number_of_nodes = len(network.node_id_list)
    network.max_link_cost=max(network.link_cost.values())

（3）可视化最短路径

def show_shortest_path(net,path_node_id_list):
    for from_node_id,to_node_id in net.link_list:
        x_coords=[net.node_x_coord[from_node_id],net.node_x_coord[to_node_id]]
        y_coords=[net.node_y_coord[from_node_id],net.node_y_coord[to_node_id]]
        plt.plot(x_coords,y_coords,color='black',linewidth=0.5)
    path_x_coord=[]
    path_y_coord=[]
    for node_id in path_node_id_list:
        path_x_coord.append(net.node_x_coord[node_id])
        path_y_coord.append(net.node_y_coord[node_id])
    plt.plot(path_x_coord,path_y_coord,color='b')
    plt.xlabel('x_coord')
    plt.ylabel('y_coord')
    plt.show()

（4）保存最短路径信息

# save the shortest path information to csv file
def save_to_file(network,path_node_id_list,path_cost,node_predecessor=None,node_label_cost=None):
    outfile = open('shortest_path.csv', 'w', newline='', errors='ignore')
    write = csv.writer(outfile)

    write.writerow(['source_node_id', 'sink_node_id', 'total cost', 'path node id list'])
    path = '-'.join([str(i) for i in path_node_id_list])
    line = [network.source_node_id, network.sink_node_id,path_cost,path]
    write.writerow(line)
    # whether save the shortest path information from  the source node to other nodes
    if node_predecessor and node_label_cost:
        try:
            for node_id in network.node_id_list:
                if node_id!=network.source_node_id and node_id!=network.sink_node_id:
                    path_node_id_list = [node_id]
                    pre_node_id = node_predecessor[node_id]
                    path_cost = 0
                    if node_label_cost[node_id]<float('inf'):
                        while pre_node_id != network.source_node_id:
                            path_node_id_list.insert(0, pre_node_id)
                            path_cost += network.link_cost[path_node_id_list[0], path_node_id_list[1]]
                            pre_node_id = node_predecessor[pre_node_id]
                        path_node_id_list.insert(0, network.source_node_id)
                        path_cost += network.link_cost[path_node_id_list[0], path_node_id_list[1]]
                        path = '-'.join([str(i) for i in path_node_id_list])
                        line = [network.source_node_id, node_id, path_cost, path]
                        write.writerow(line)
                    else:
                        line = [network.source_node_id, node_id, 'inf', 'nan']
                        write.writerow(line)
        except Exception as e:
            pass
    outfile.close()

（5）采用label correcting算法的deque实现寻找最短路径（含负环识别）

# find the shortest path from source node to sink node using deque label correcting algorithm
def find_shortest_path(network):
    node_predecessor = {}
    node_predecessor[network.source_node_id]=-1
    node_label_cost = { node_id:float('inf') for node_id in network.node_id_list}
    node_label_cost[network.source_node_id] = 0
    SEList = deque()
    SEList_all = []
    SEList.append(network.source_node_id)
    SEList_all.append(network.source_node_id)
    while len(SEList)>0:
        current_node_id=SEList[0]
        SEList.popleft()
        current_node_label_cost = node_label_cost[current_node_id]
        for to_node_id in network.node_neighbors[current_node_id]:
            new_label=current_node_label_cost+network.link_cost[current_node_id,to_node_id]
            network.number_of_check[to_node_id]+=1
            if new_label<node_label_cost[to_node_id]:
                node_label_cost[to_node_id]=new_label
                node_predecessor[to_node_id]=current_node_id
                if to_node_id in SEList_all:
                    SEList.insert(0,to_node_id)
                else:
                    SEList.append(to_node_id)
                SEList_all.append(to_node_id)
                # check whether the new label has fallen below -n*max_link_cost(detecting negative cycle)
                if new_label<-network.max_link_cost or network.number_of_check[to_node_id]>network.number_of_nodes-1:
                    path_node_id_list = [to_node_id]
                    pre_node_id = node_predecessor[to_node_id]
                    while pre_node_id != to_node_id:
                        path_node_id_list.insert(0, pre_node_id)
                        pre_node_id = node_predecessor[pre_node_id]
                    path_node_id_list.insert(0, to_node_id)
                    path = '-'.join([str(i) for i in path_node_id_list])
                    print("there exists a negative cycle:%s"%path)
                    sys.exit(0)

    path_node_id_list = [network.sink_node_id]
    pre_node_id = node_predecessor[network.sink_node_id]
    path_cost = 0
    if node_label_cost[network.sink_node_id]<float('inf'):
        while pre_node_id != network.source_node_id:
            path_node_id_list.insert(0, pre_node_id)
            path_cost += network.link_cost[path_node_id_list[0], path_node_id_list[1]]
            pre_node_id = node_predecessor[pre_node_id]
        path_node_id_list.insert(0, network.source_node_id)
        path_cost += network.link_cost[path_node_id_list[0], path_node_id_list[1]]
        path = '-'.join([str(i) for i in path_node_id_list])
        print("the trave cost from node id=%s to node id=%s is: %s" % (network.source_node_id, network.sink_node_id, path_cost))
        print("the shortest path from node id=%s to node id=%s is: %s" % (network.source_node_id, network.sink_node_id, path))

        show_shortest_path(network, path_node_id_list)
        save_to_file(network, path_node_id_list, path_cost,node_predecessor,node_label_cost)
    else:
        print("there is no feasible path from node id=%s to node id=%s"%(network.source_node_id,network.sink_node_id))

（6）负环识别实现

这里实现了两种负环检测方法，一种是通过节点的距离标签判断，一种是通过节点最优性条件检查次数判断，满足任一条件即可。

 # check whether the new label has fallen below -n*max_link_cost(detecting negative cycle)
                if new_label<-network.max_link_cost or network.number_of_check[to_node_id]>network.number_of_nodes-1:
                    path_node_id_list = [to_node_id]
                    pre_node_id = node_predecessor[to_node_id]
                    while pre_node_id != to_node_id:
                        path_node_id_list.insert(0, pre_node_id)
                        pre_node_id = node_predecessor[pre_node_id]
                    path_node_id_list.insert(0, to_node_id)
                    path = '-'.join([str(i) for i in path_node_id_list])
                    print("there exists a negative cycle:%s"%path)
                    sys.exit(0)

（7）主程序

if __name__=='__main__':
    # init network data struct
    network=Network()
    # setting source node  id and sink node id
    network.source_node_id=1
    network.sink_node_id=81
    # read network files
    read_network_file('./node_2.csv','./link_2.csv',network)
    # check whether the source node id and sink node id is in the network
    if network.source_node_id not in network.node_id_list:
        print(" %s not found"%network.source_node_id)
        sys.exit(0)
    if network.sink_node_id not in network.node_id_list:
        print(" %s not found"%network.sink_node_id)
        sys.exit(0)
    # find the shortest path
    find_shortest_path(network)

5. 求解结果

（1）无负环

（2）存在负环

https://github.com/PariseC/Shortest_Path_Algorithm/tree/master/label_correcting_algorithm
参考
R.K. Ahuja, T.L. Magnanti and J.B. Orlin, Network Flows: Theory, Algorithms, and Applications. Prentice-Hall, 1993. A comprehensive recent survey of the topic.