通俗地告诉你：为什么Dijkstra算法是正确的?

2019独角兽企业重金招聘Python工程师标准>>>

通俗地告诉你：为什么Dijkstra算法是正确的?

// 大牛可以自动忽略以下内容 ==========================================================================

这里不采用严格数学方法证明，只是给出一些有助于记忆原理的想法。


先引入一个有关的问题。
如果一个整数N的约数只含有2，3, 5中若干的话，我们把N称作ugly_number。譬如说，2，4，12，15，60都是ugly_number。
现在的问题是，要求你按大小顺序输出前K个ugly_number。

这个问题的一个可行解法是：
(1). 建立一个最小堆h，将2丢进去
(2). lastOutput = -1
(3). m = 取出最小堆里的最小元素
(4). 如果 lastOutput 不等于 m，那么输出m，并且令lastOutput = m；否则回到(3)
(5). 将m * 2， m * 3，m * 5丢进最小堆里
(6). 回到（3）


这个算法为什么是正确的？
为了方便叙述，如果一个数a是ugly_number，那么a * 2，a * 3，a * 5 被称作是 a 的 儿子，a是它们的父亲
假设我们把所有ugly_number按照递增顺序列出来，那么，大数肯定是由前面的小数派生出来，或者说，第n个数肯定是由前面的某个数k派生出来的(k*2, k*3, k*5中的一个)。
所以，如果我们手上得到了前r个ugly_number数的时候，我们把这r个数的儿子全部放进一个容器里，找出容器里最小的那个数，那么，那个数必定就是第r+1个ugly_number，因为第r+1个数肯定是前面r个数里的某个数的儿子



回到标题：为什么Dijkstra是正确的？
其实原理跟上面那个问题的解答一样。对于一个含有N个点的图，起点为v0，我们可以按照长度递增列出N条最短路径：
p1, p2, p3, ....pn （此序列称作序列#）
其中，p1={v0}是肯定的。
由于最短路径具有最优子结构，所以，对于序列里的某一个最短路径p[r]，如果去掉它的最后一个点，必定可以得到它前面的某个p[m]，m < r。
因此，如果我们手上有了前面的p1,p2,p3...p[r]，然后我们算出所有这些路径派生出来的“儿子”最短路径”，其中那个最短的那个肯定就是p[r+1]。

慢着，这里漏了一个关键点，刚才我们说，去掉p[r]的最后一个点得到路径p[m]，p[m]必定位于p[r]的前面，也就是说，p[m]必定小于p[r]。这个命题的正确性至关重要，因为只有当这个命题成立的时候，我们才能保证“长的最短路径是由短的最短路径派生出来的”。
那么，这个命题是不是一定成立？
其实不一定的，因为图的边可以具有负数的权值，如果一个图含有负数权值的边，我们就不能保证上面命题的成立了。
所以，我们平时会说，Dijkstra算法，只能应用于没有负数权值的图，就是这个原因了。

总结一下就是，Dijkstra算法的正确性需要两个条件：
1. 最短路径问题具有最优子结构 => 这个条件告诉我们：一个最短路径可以由其他某个最短路径推算（派生）出来。

2. 图不包含负数权值的边 => 这个条件告诉我们： 一个长的最短路径肯定是由一个比它短的最短路径派生出来的。也就是说，最短路径的发现过程可以存在单调性，先发现短的，然后利用短的来发现长的。又或者说，如果两个最短路径具有派生关系的话，我们就认为有一条边从“父亲”指向“儿子”。按照长度对最短路径序列排序后，我们会看到，所有的边都是从左指向右的（类似于拓扑排序后的效果），所以我们可以先算左边的，然后算右边的。这个技巧，其实就是动态规划里的那一套！

说到DP，其实无论是图的最短路径还是DP，归根到底，都是“具有最优子结构”的问题，这一类问题，其实就是计算若干个最优解，而计算它们的策略，是可以有很多种的，千万不要绑住自己的想象力，只要能正确地算出来，用什么方法都ok。

完了。

转载于:https://my.oschina.net/mustang/blog/56216