每对顶点间的最短路径基本算法 --- 算法导论笔记

    之前有了单源最短路的基本算法，如果我们希望求每对顶点间的最短路径，可以把单源路径重复运用，也可以整体用动态规划的思路求解。

    提出两个动态规划的思路：按经过边的数量考虑（最多经过v-1条边），按增加一条边构造递推公式；按经过中间点的集合考虑（最多经过所有点），按增加一个点构造递推公式。

    其实我们可以感性地看出，后一种思路更优，因为它递推中隐含着边的数量（加一个点则最多经过的边的数量也加一）同时还具体到了哪些点（也就具体到了哪些边），也就是说这个操作过程更精细。最后事实上从复杂度上讲后一种也更优，前一O（V4）即使用了重复平方技术也只能到O（V3lgV），后一种O（V3）。

    给出伪码：

1：

SLOW-ALL-PAIRS-SHORTEST-PATHS(W)

n <- row[W]
L[1] <- W //only need to be L
for m <- 2 to n-1
  do L[m] <- EXTEND-SHORTEST-PATHS(L[m-1],W) // L <- EXTEND-SHORTEST-PATHS(L,W)
return L[n-1]  //L



EXTEND-SHORTEST-PATHS(L,W)

n <- rows[L]
let L' = (l'[i][j]) bean n*n matrix
for i <- 1 to n
  do for j <- 1 to n
       do l'[i][j] <- inf // infinity
         for k <- 1 to n
           do l'[i][j] <- min(l'[i][j],l[i][k] + w[k][j])
return L'

   这个稍作修改可以用来计算矩阵乘法，当然也可以用重复平方技术。

2（Floyd-Warshall）：

FLOYD-WARSHALL(W)

n <- rows[W]
D[0] <- W //only need to be D
for k <- 1 to n
  do for i <- 1 to n
       do for j <- 1 to n
            do d[k][i][j] <- min(d[k-1][i][j],d[k-1][i][k] + d[k-1][k][j]) // d[i][j] <- min(d[i][j],d[i][k]+d[k][j])
return D[n] // D

    对于求每对顶点的最短距离而言，这个代码简单复杂度也可以。而每对顶点的最短路包含两个点之间的连通性，我们可以借此求解传递闭包，当然如果我们只要求解闭包而不考虑距离大小，可以用bit做数据结构。

    
    同时，重复用单源路径，在稀疏图上可以做到复杂度O（V2lgV+VE），即为Johnson算法，先用 Bellman-Ford检查负权回路，对于没有负权回路的运用重赋权技术，将权全部变为非负，就可以重复用较快的 Dijkstra。

    里面在算重赋权的时候，提出一个虚拟的点，到所有点有一个权为0的边，这样来算各个顶点映射的值保证非负（不证明了。。。）。这是一个很有意思的思想，我们可以借鉴用来处理其他一些问题。比如有很多网络上有很多点是服务器，其他点是用户，要找用户到最近服务器的距离，我们可以提出一个虚拟的点到所有的服务器，权为0，这样以虚拟点做单源最短路，就不需要求所有点的最短路。也就是构图的时候可以考虑为一类点构造一个虚拟的点，将问题化简。