算法学习--图论

最短路问题

最短路问题最关键的概念是松弛

单源最短路径

bellman-ford算法

d[v]表示从源点到v的当前最短路径长度，先将所有d[v]初始化为无穷,再将源点的d[s]标记为0，然后对循环v-1次，每一次对所有边进行一次松弛操作，循环结束后检查是否还有边可以松弛，若有代表图中有负权回路，算法无解

算法的适用范围

无负权环，可以有负权边

算法的时间复杂度

o(VE)

算法的正确性证明

考虑求v号节点的最短路径值：当前图中必定存在一条从源点s到v号节点的最短路径path
假设是从$s\to v_1\to v_2\to v3...$在上述例子中我们可以看s到z的最短路径是$s\to y\to x\to t\to z$下面证明每一轮的松弛操作后，s到z的最短路径上的$d[v_i]$被更新且$d[v_1],d[v_2],d[v_3]...d[v_i-1]$在当前松弛操作下不发生变化

1. 由于path是从s到z的最短路径，则对于path上的每一个点y,x,t,z，s沿着path到其距离也是y,x,t,z的最短路径距离，因为最短路问题具有优化子结构
2. 因为path是s到z的最短路径，则第一轮更新后$d[v_1]$也就是d[y]一定等于s到y的最短路径长度
3. 一方面，第二轮更新后d[y]值不会改变，因为假设d[y]值改变，意味着存在u使得d[u]+w(u,y)$\le$d[y]这样s到u再沿(u,y)到y的路径长度小于d[y],与s到y已经是最短路径长度矛盾；另一方面，第二轮更新中一定松弛(y,x)这条边而更新d[x],且d[x]最后的值一定等于d[y]+w(y,x),因为path是s到x的最短路径
4. 由以上分析可知，每一轮松弛操作会确定最短路上的一个节点的d[v]，且s到z的节点数不超过v-1个（总节点数为v，不包含s本身），则v-1轮后所有节点的d[v]值都正确

bellman-ford算法的应用-K站中转内最便宜的航班

问题的定义

有 n 个城市通过 m 个航班连接。每个航班都从城市 u 开始，以价格 w 抵达 v。现在给定所有的城市和航班，以及出发城市 src 和目的地 dst，你的任务是找到从 src 到 dst 最多经过 k 站中转的最便宜的价格。 如果没有这样的路线，则输出 -1。
提示：
n 范围是 [1, 100]，城市标签从 0 到 n - 1.
航班数量范围是 [0, n * (n - 1) / 2].
每个航班的格式 (src, dst, price).
每个航班的价格范围是 [1, 10000].
k 范围是 [0, n - 1].
航班没有重复，且不存在环路

问题的求解

应用bellman-ford算法，最多经过k站中转等价于循环k+1次，由算法的正确性证明可知，若存在这样的路线，则k+1次松弛后d[dst]会确定并正确，若不存在这样的路线，k+1次松弛后d[dst]仍未被更新

问题的伪代码

需要注意的是我们的转机数要小于等于k,这就使得我们在一轮松弛操作中不能确定两个及以上的d[v]
比如我们在上一次循环中确定了d[a]，src到dst上存在最短路a->b->c，在这一轮松弛中我们先松弛了a->b这条边使得d[b]被确定，再松弛了b->c这条边使得d[c]被确定，即我们在一轮循环中确定了2个及以上的中转站，使得我们在k+1轮循环后最终找到的src到dst的最短路径上可能有大于k个中转站，对于这一情况，我们需要在每次循环时拷贝一个上一次循环后每个点的d[v]的副本，保证在这一次松弛时每条边的出度点的d[v]是按上一次循环后确定的

Bellman-Ford(G,src,dst)
	n<-G.node;
	flights<-G.edge;
	for i<-0 to n-1 do
		d[i]<-inf;
	d[src]<-0;
	for i<-0 to k do
		for i<-0 to n-1 do
			cost[i]<-d[i];//拷贝副本
		for each edge(u,v) in flights do
			if(cost[v]>d[u]+w(u,v)) do
				cost[v]<-d[v]+w(u,v);
		for i<-0 to n-1 do
			d[i]<-cost[i];
	return d[dst]==inf? -1:d[dst];	 
			

有向无环图中BF算法的优化

使用拓扑排序

dijkstra算法

S标注当前已经确定了最短路径的集合，Q是一个以d[V]为键的优先队列，Q=V-S,，当把u从Q中取出时，表示u为当前与S中节点相连的节点中距离最小的节点，将u添加到S中，再对u的每一条出度边进行松弛，循环上述操作直到所有节点都在S中

算法的使用范围

无负权图
为什么不能包含负权？若包含负权，则u从Q中取出时，它还不一定收敛，即还不一定找到源点到u的最短路径

算法的时间复杂度

算法的正确性证明

运用数学归纳法：对算法执行的循环次数n进行归纳
*数学符号含义：
d[v]表示v号节点与源节点的最短路径长度
u为第k+1号节点,在V-S中
w(u,v)表示节点u和v之间的权值
证明：

1. n=1时，w(s,s)=0,故d[s]=0由算法的初始化得到
2. 假设n=k时，前k步得到的S中的K+1个节点的最短路径已经知道并可用d[$v_i$]获得，$1\le i\le k$
3. 当n=k+1时，下面证明算法得到的$\ast d[u]$确实是s到u的最短路径：

• 假设path为s到u的最短路径，若path中u的上一号节点y在S中，根据归纳S中的所有节点的最短路径已经被确定且可用d[$v_i$]获得，而算法又是搜索和S中节点直接相连的具有最短距离的节点u,$\ast d[u]=min(d[v_i]+w(v_i,u),d[u])$且此时的d[u]是上一轮已经更新过的u到s的最短距离，所以此时算法第n步得到的*d[u]确实是源s到u的真实最短路径长度
• 假设y是path中第一个存在于V-S中的节点，则$\exists x\in S,y\in V-S,st.\ast d[u]=d[y]+\delta (u,v)又\delta (y,u)\ge 0,故\ast d[u]>d[y]【d[y]=min(d[v_i]+w(v_i,y),d[y])】$即$\exists y\in V-S,st.d[y]<\ast d[u]$那么算法在选取第k+1个点时应该选取y而不是u,产生矛盾

综上,当n=k+1时，算法得到的*d[u]确实是s到u的最短路径

多源最短路径

floyd算法

运用动态规划思想

算法的伪代码

p矩阵用于存路径

网络流-最大流问题

问题的定义

假设现在有一个地下水管道网络，有m根管道，n个管道交叉点，现在自来水厂位于其中一个点，向网络中输水，隔壁老王在另外一个点接水，已知由于管道修建的年代不同，有的管道能承受的水流量较大，有的较小，现在求在自来水厂输入的水不限的情况下，隔壁老王能接到的水的最大值？

问题的求解

Ford-Fulkerson算法伪代码

匹配问题

问题的定义

匈牙利算法求二分图的最大匹配伪代码