python用动态规划求最短路径_动态规划之最短路径问题详解

最短路径问题

下图给出了一个地图,地图中每个顶点代表一个城市,两个城市间的连线代表道路,连线上的数值代表道路长度。

现在,我们想从城市a到达城市E。怎样走才能使得路径最短,最短路径的长度是多少?设

DiS[x]为城市x到城市E的最短路径长度(x表示任意一个城市);

map[i,j]表示i,j两个城市间的距离,若map[i,j]=0,则两个城市不通;

我们可以使用回溯法来计算DiS[x]:

var

S:未访问的城市集合;

function search(who{x}):integer;{求城市who与城市E的最短距离}

begin

if Who=E Then Search←0 {找到目标城市}

Else begin

min←maxint;{初始化最短路径为最大}

for i取遍所有城市 Do

if(map[Who,i]>0{有路})and(iS{未访问})

then begin

S←S-[i];{置访问标志}

j←map[Who,i]+search(i);{累加城市E至城市Who的路径长度}

S←S+[i];{回溯后,恢复城市i未访问状态}

if j<min Then min←j;{如果最短则记下}

end;{then}

search←min;{返回最短路径长度}

End;{else}

End;{search}

begin

S←除E外的所有城市;

Dis[a]←search(a);{计算最短路径长度}

输出Dis[a];

end.{main}

这个程序的效率如何呢?我们可以看到,每次除了已经访问过的城市外,其他城市都要访问,所以时间复杂度为O(n!),这是一个“指数级”的算法。那么,还有没有效率更高的解题方法呢?

首先,我们来观察上述算法。在求b1到E的最短路径的时候,先求出从C2到E的最短路径;而在求从b2刭E的最短路径的时候,又求了一遍从C2刭E的最短路径。也就是说,从C2到E的最短路径求了两遍。同样可以发现,在求从Cl、C2刭E的最短路径的过程中,从Dl到E的最短路径也被求了两遍。而在整个程序中,从Dl到E的最短路径被求了四遍,这是多么大的一个浪费啊!如果在求解的过程中,同时将求得的最短路径的距离“记录在案”,以便将来随时调用,则可以避免这种重复计算。至此,一个新的思路产生了,即

由后往前依次推出每个Dis值,直到推出Dis「a」为止。

问题是,究竟什么是“由后往前”呢?所谓前后关系是指对于任意一对城市i和j来说,如果满足“或者城市i和城市j不连通或者dis[i]+map[i,j]≥dis[j]”的条件,则定义为城市i在前、城市j在后。因为如果城市i和城市j连通且Dis[i]+map[i,j]<Dis「j」,则说明城市j至城市E的最短路径长度应该比Dis[j]更优。可城市j位于城市i后不可能推出此情况,以至于影响最后的解。那么,我们应该如何划分先后次序呢?

如上图所示,从城市a出发,按照与城市a的路径长度划分阶段。

阶段0包含的出发城市有{a}

阶段1所含的城市有{b1,b2}

阶段2包含的出发城市有{C1,C2,C3,C4}

阶段3包含的出发城市有{D1,D2,D3}

阶段4包含城市{E}

这种划分可以明确每个城市的次序,因为阶段的划分具有如下性质

⑴阶段i的取值只与阶段i+1有关,阶段i+1的取值只对阶段i的取值产生影响:

⑵每个阶段的顺序是确定的,不可以调换任两个阶段的顺序;

我们从阶段4的城市E出发,按照阶段的顺序倒推至阶段0的城市a。在求解的各个阶段,利用了k阶段与k+1阶段之间的如下关系

dis[k][x]=

dis[4][E]=0

k=4,3…,0,其中dis[k][x]指k阶段的城市x。由此得出程序

dis[E]←0;

for k←3 downto 0 do {倒序枚举阶段}

for x取遍k阶段的所有城市do

begin

dis[x]←∞;{初始化最短路径为最大}

for y取遍k+1阶段的所有城市doifdis[y]+map[x,y]

end;{for}

输出dis[a];

这个程序的时间复杂度为W(n2),比回溯法的时间复杂度O(n!)要小得多。

表情包
插入表情
评论将由博主筛选后显示,对所有人可见 | 还能输入1000个字符
相关推荐
©️2020 CSDN 皮肤主题: 1024 设计师:白松林 返回首页