单源最短路径（Bellman-Ford、Dijkstra）

单源最短路径

  本文参考整理及图片来源：《算法导论》P374-P386

1 预备知识

1.1 最短路径问题

  假设你需要找到一条从$A$市到$B$市的一条最短路径，先给定一幅道路交通图，上面标有所有相邻城市之间的距离。你要怎样才能找出$A$到$B$的最短距离呢？

  要解决这个问题，我们最直观的想法就是把$A$到$B$的所有路径都找出来，计算这些路径的长度，选取其中最短的路径。但这种方法太麻烦了，我们要检查许多种可能的路径，而且大部分路径都不值得检查。因此需要探索如何高效地解决这个问题。

  在最短路径问题中，我们给定一个带权重的有向图$G=(V,E)$和权重函数$w:E\to R$，该权重函数将每条边映射到实数值的权重上。图中一条路径$p=⟨v_0,v_1,\cdots ,v_k⟩$的权重$w(p)$是构成该路径的所有边的权重之和：
$$w(p)=\sum _{i=1}^{k}w(v_{i-1},v_i)$$

定义从节点$u$到节点$v$的最短路径权重$\delta (u,v)$如下：
δ ( u , v ) = { m i n { w ( p ) : u → p v } 如 果 存 在 一 条 从 节 点 u 到 节 点 v 的 路 径 ∞ 其 他 \delta(u, v)=\begin{cases} min\{w(p):u\stackrel{p}{\rightarrow} v\} & 如果存在一条从节点u到节点v的路径\\ \infty&其他 \end{cases} δ(u,v)={min{w(p):u→pv}∞​如果存在一条从节点u到节点v的路径其他​
从节点$u$到节点$v$的最短路径则定义为一条权重为$w(p)=\delta (u,v)$的从$u$到$v$的路径$p$

  那么单源最短路径问题为：给定一个图$G=(V,E)$，我们希望找到从给定源节点$s\in V$到每个节点$v\in V$的最短路径。

1.2 最短路径的几个变体问题

  单源最短路径可以解决几个变体问题：

• 单目的地最短路径问题：找到每个节点$v$到给定目的地的节点$t$的最短路径。
• 单节点对最短路径问题：找到从给定节点$u$到给定节点$v$的最短路径。
• 所有节点对最短路径问题：对于每对节点$u$和$v$，找到从节点$u$到节点$v$的最短路径。

1.3 最短路径的最优子结构

  最短路径算法通常依赖最短路径的一个重要性质：两个节点之间的一条最短路径包含着其他的最短路径，下述引理精确地描述了最短路径的最优子结构性质。

  最短路径的子路径也是最短路径：给定带权重的有向图$G=(V,E)$和权重函数$w:E\to R$。设$p=⟨v_0,v_1,\cdots ,v_k⟩$为从节点$v_0$到节点$v_k$的一条最短路径，并且对于任意的$i$和$j$，$0\le i\le j\le k$，设$p_{ij}=⟨v_i,v_{i+1},\cdots ,v_j⟩$为路径$p$中从节点$v_i$到$v_j$的子路径。那么$p_{ij}$是从节点$v_i$到节点$v_j$的一条最短路径。

1.4 负权重的边

  某些单源最短路径问题可能包括权重为负值的边，下面来看看负权重的边可能带来的一些问题，并以一个实例进行讲解。

  如果图$G=(V,E)$不包含从源节点$s$可以到达的权重为负值的环路（即环路中的边权重和为负值），则对于所有的节点$v\in V$，最短路径权重$\delta (s,v)$都有精确定义，即便其取值为负数。

  相反，如果图$G=(V,E)$包含从源节点$s$可以到达的权重为负值的环路，则最短路径权重无定义。（因为我们只要沿着任何“最短”路径再遍历一次权重为负值的环路，就可以找到一条权重更小的路径）。

  如果从节点$s$到$v$的某条路径上存在权重为负值的环路，那我们定义$\delta (s,v)=-\infty$。

  下面是一个例子，帮助理解这段话。根据下图，求源节点$s$到其它所有节点的最短路径权重。

• $\delta (s,a)=w(s,a)=3$，$s$到$a$只有一条路径；
• $\delta (s,b)=w(s,a)+w(a,b)=-1$，原因同上；
• $\delta (s,c)=w(s,c)=5$，$s$到$c$有无数条路径，$⟨s,c⟩,⟨s,c,d,c⟩$等，由于$c,d$组成的环路权重为$3>0$，因此最短路径权重应该不含环；
• $\delta (s,d)=w(s,c)+w(c,d)=11$，原因同上；
• $\delta (s,e)=-\infty$，$s$到$e$有无数条路径，$⟨s,e⟩,⟨s,e,f,e⟩$，由于$e,f$组成的环路权重为$-3<0$，因此总能找到更小的权重，故为$-\infty$；
• $\delta (s,f)=-\infty$，原因同上；
• $\delta (s,g)=-\infty$，由于$s$到$g$的某条路径上存在权重为负值的环路，故为$-\infty$；
• $\delta (s,h)=\delta (s,i)=\delta (s,j)=\infty$，这三个节点根本无法到达，故为$\infty$。

1.5 环路

  思考一个问题，一条最短路径可以包含环路吗？

  首先它肯定是不能包含权重为负值的环路了；其次如果它包含权重为正的环路，那我们只要将环路从路径上删除就可以得到一条权重更小的路径；这样就只剩下权重为$0$的环路了，这时我们也可以从任何路径上删除权重为$0$的路径而得到另一条权重相同的路径。

  因此，不失一般性，我们可以假定在找到的最短路径中没有环路，即它们都是简单路径。由于图$G=(V,E)$中的任意无环路径最多包含$|V|$个不同的节点，它也最多包含$|V|-1$条边。因此我们可以将注意力集中到至多只包含$|V|-1$条边的最短路径上。

1.6 最短路径的表示

  通常情况下，我们不但希望计算出最短路径权重，还希望计算出最短路径上的节点。给定图$G=(V,E)$，对于每个节点$v$，我们维持一个前驱节点$v.\pi$。该前驱节点可能是另一个节点或者$None$。最短路径算法将对每个节点的$\pi$属性进行设置，这样，将从节点$v$开始的前驱节点链反转过来，就是$s$到$v$的一条最短路径。

  但是，在最短路径算法过程中，$\pi$值不一定能给出最短路径。我们感兴趣的是由$\pi$值所诱导的前驱子图$G_{\pi }=(V_{\pi },E_{\pi })$其中：

V π = { v ∈ V : v . π ≠ N o n e } ∪ { s } E π = { ( v . π , v ) ∈ E : v ∈ V π − { s } } V_{\pi}=\{v\in V:v.\pi\ne None\} \cup \{s\}\\ E_{\pi}=\{(v.\pi, v)\in E:v\in V_{\pi}-\{s\}\} Vπ​={v∈V:v.π​=None}∪{s}Eπ​={(v.π,v)∈E:v∈Vπ​−{s}}

  最短路径算法终止时所产生的$G_{\pi }$是一棵根节点为$s$的”最短路径树“（一个有向子图），该树包含了从源节点$s$到每个可以从$s$到达的节点的一条最短路径。

  注意：最短路径不一定唯一，最短路径树也不一定唯一。下图是一个带权重的有向图和两棵根节点相同的最短路径树。

1.7 松弛操作

  最短路径算法需要使用松弛技术。对于每个节点$v$来说，我们维持一个属性$v.d$用来记录从源节点$s$到节点$v$的最短路径权重的上界。我们将$v.d$称之为$s$到$v$的最短路径估计。下面的伪代码用来对$v.d$和$v.\pi$进行初始化：

$INITIALIZE-SINGLE-SOURCE(G,s)$：初始化$v.d$和$v.\pi$

for each vertex v ∈ G.V：
	v.d = ∞				//初始化每个节点的最短路径估计为无穷大，也就是上界为无穷
	v.π = None			//初始化前驱节点为None
end for
s.d = 0					//初始化源节点的最短路径估计为0

  对每一条边$(u,v)$的松弛过程为：首先测试一下是否可以对从$s$到$v$的最短路径进行改善。测试的方法是，将从节点$s$到节点$u$之间的最短路径距离加上节点$u$与$v$之间的边的权重，并与当前的$s$到$v$的最短路径估计进行比较，如果前者更小，则对$v.d$和$v.\pi$进行更新。松弛步骤可能降低最短路径的估计值$v.d$并更新$v$的前驱属性$v.\pi$。下面的伪代码就是对边$(u,v)$的松弛操作：

$RELAX(u,v,w)$：对$(u,v)$进行松弛操作。

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

下图展示了对两条边进行松弛操作的例子，第一个$v.d$因松弛而减小，第二个则没变。

  下面介绍的每个算法都会调用$INITIALIZE-SINGLE-SOURCE$和$RELAX$。

1.8 最短路径和松弛操作的性质

  为了证明后面算法的正确性，需要使用最短路径和松弛操作的一些性质（证明略）。

• 三角不等式性质：对于任何边$(u,v)\in E$，我们有$\delta (s,v)\le \delta (s,u)+w(u,v)$
• 上界性质：对于所有的节点$v\in V$，我们总是有$v.d\ge \delta (s,v)$。一旦$v.d$的取值达到$\delta (s,v)$，其值将不再发生变化。
• 非路径性质：如果从节点$s$到节点$v$之间不存在路径，则总是有$v.d=\delta (s,v)=\infty$。
• 收敛性质：对于某些节点$u,v\in V$，如果$s\to \cdots \to u\to v$是图$G$中的一条最短路径，并且在对边$(u,v)$进行松弛前的任意时间有$u.d=\delta (s,u)$，则在之后的所有时间有$v.d=\delta (s,v)$
• 路径松弛性质：如果$p=⟨v_0,v_1,\cdots ,v_k⟩$是从源节点$s=v_0$到节点$v_k$的一条最短路径，并且我们对$p$中的边进行松弛的次序为$(v_0,v_1),(v_1,v_2),\cdots ,(v_{k-1},v_k)$，则$v_k.d=\delta (s,v_k)$。该性质的成立与任何其他的松弛操作无关，即使这些松弛操作是与对$p$上的边所进行的松弛操作穿插进行的。
• 前驱子图性质：对于所有的节点$v\in V$，一旦$v.d=\delta (s,v)$，则前驱子图是一棵根节点为$s$的最短路径树。

2 Bellman-Ford 算法

  Bellman-Ford算法解决的是一般情况下的单源最短路径问题，所谓一般情况是指边的权重可以为负值。给定一个带权重的有向图$G=(V,E)$和权重函数$w:E\to R$，Bellman-Ford算法返回一个布尔值，以表明是否存在源节点可到达的权重为负值的环路，如果存在则算法告诉我们不存在解决方案；如果不存在则算法将给出最短路径和它们的权重。

  Bellman-Ford算法通过对边进行松弛操作来渐近地降低从源节点$s$到每个节点$v$的最短路径的估计值$v.d$，直到该估计值与实际的最短路径权重$\delta (s,v)$相同时为止。该算法返回$TRUE$当且仅当输入图不包含可以从源节点到达的权重为负值的环路。下面是Bellman-Ford算法的伪代码描述：

$Bellman-Ford(G,w,s)$：解决单源最短路径问题。

INITIALIZE-SINGLE-SOURCE(G, s)	//初始化v.d和v.π
for i = 1 to |G.V|-1:			//对每一条边进行|G.V|-1次处理
	for each edge(u, v) ∈ G.E:
		RELAX(u, v, w)
	end for 
end for
for each edge(u, v) ∈ G.E:
	if v.d > u.d + w(u, v):
		return False
	end if
end for
return True

  下图展示了Bellman-Ford的算法流程，这里每一次的松弛操作对边的处理次序都是：$(t,x),(t,y),(t,z),(y,x),(y,z),(z,x),(z,s),(s,t),(s,y)$

3 有向无环图中的单源最短路径问题

  根据节点的拓扑排序次序来对带权重的有向无环图$G=(V,E)$进行边的松弛操作，我们便可以在$O(V+E)$的时间内计算出从单个源节点到所有节点之间的最短路径。在有向无环图中，即时存在权重为负值的边，但因为没有权重为负值的环路，最短路径都是存在的。

  算法流程就是：首先对有向无环图进行拓扑排序，以便确定节点之间的一个线性词序，然后只需要按照拓扑排序的次序对节点进行一遍处理即可。每次对一个节点进行处理时，我们对从该节点出发的所有的边进行松弛操作。算法的伪代码描述如下：

$DAG-SHORTEST-PATHS(G,w,s)$：计算源节点$s$到所有节点之间的最短路径。

topologically sort the vertices of G		//对G进行拓扑排序
INITIALIZE-SINGLE-SOURCE(G,s)				//初始化v.d和v.π
for each vertex u, taken in topologically sorted order:
	for each vertex v ∈ G.Adj[u]:
		RELAX(u,v,w)

  下图展示了这个过程，其中$(a)$为拓扑排序并初始化$v.d$和$v.\pi$的状态，$(b)$到$(g)$表示的是对每个当前节点的邻接边进行松弛操作之后的结果，粗边表示$v.\pi$。

4 Dijkstra 算法

  Dijkstra算法解决的是带权重的有向图上单源最短路径问题，该算法要求所有边的权重都为非负值。

  Dijkstra算法在运行过程中维持的关键信息是一组节点集合$S$。从源节点$s$到该集合中每个节点之间的最短路径已经被找到。算法重复从节点集$V-S$中选择最短路径估计最小的节点$u$，将$u$加入到集合$S$，然后对所有从$u$出发的边进行松弛。因此我们需要采用一个最小优先队列$Q$来保存节点集合，每个节点的关键字为其$d$值。算法的伪代码描述如下：

$DIJKSTRA(G,w,s)$：对不含负权重的图计算单源最短路径。

INITIALIZE-SINGLE-SOURCE(G,s)
S = ∅
Q = G.V
while Q != ∅:
	u = EXTRACT-MIN(Q)
	S = S ∪ {u}
	for each vertex v ∈ G.Adj[u]:
		RELAX(u, v, w)
	end for
end while

  下面图展示了Dijkstra算法的过程。

5 一个练习

  下面这道题就是单源最短路径问题，可以使用Bellman-ford和Dijkstra两种方法实现：

• Leetcode 743.网络延迟时间