329. 矩阵中的最长递增路径c_图04---最短路径

在网络中，求两个不同顶点之间的所有路径 中，边的权值之和最小的那一条路径

• 这条路径就是两点之间的最短路径（Shortest Path）
• 第一个顶点为源点（Source）
• 最后一个顶点为终点（Destination）

单源最短路径(single-source shortest paths)

给定带权图 G = <V，E>，其中每条边 (vi，vj ) 上的权 W[vi，vj ] 是一个 非负实数 。计算从任给的一个源点 s 到所有其他顶点的最短路径

无权图的单源最短路算法

按照递增（非递减）的顺序找出到各个顶 点的最短路（BFS）

James Bond 从孤岛跳上岸，最少需要跳多少步？

void 

dist[W] = S到W的最短距离

dist[S] = 0

path[W] = S到W的路上经过的某顶点

有权图的单源最短路算法

按照递增的顺序找出到各个顶点的最短路（Dijkstra算法）

Dijkstra算法基本思想

把所有结点分成两组

第一组 U 包括已确定最短路径的结点
第二组T= V–U 包括尚未确定最短路径的结点

按最短路径长度递增的顺序逐把第二组的结点加到第一组中 ，

直至从 源点

出发可达结点 都包括进第一组中

Dijkstra 算法

令U={源点

+ 已经确定了最短路径的顶点

}

然后不断从集合T中选取到顶点

路径长度最短的顶点v加入到集合U中，集合U每加入一个新的顶点v，都要修改顶点

到集合T中剩余顶点的

最短路径长度值。不断重复此过程，直到集合T的顶点全部加入到U中或无通路为止。

算法过程

(1) 引进一个辅助向量Dist，它的每个分量

表示当前所找到的从开始点

到每个终点

的最短路径的长度。它的初态为：若从

到

有弧，则Dist[i]为弧上的权值；否则置 Dist[i]为∞。显然：

Dist[j]表示的就是从

出发的长度最短的一条最短路径。此路径为

。

对任一未收录的顶点v，定义dist[v]为

到v的最短路径长度，但该路径仅经过U中的顶点。即路径

的最小长度

若路径是按照递增（非递减）的顺序生成的，则

• 真正的最短路必须只经过U中的顶点（为什么？）
• 每次从未收录的顶点中选一个dist最小的收录（贪心）
• 增加一个v进入U，可能影响另外一个w的dist值！

dist[w] = min{dist[w], dist[v] + <v,w>的权重}

1、初始U={

}

2、从顶点

到顶点

的最短距离为{50，10，∞，∞，∞}，其最短路径为10，

进入集合U，即U={

、

}。

V_2 进入集合U

3、求次短路径的方法。

例如，当U={

、

}后，

到其它顶点

的最短路径改变为{50，25，∞，∞}，从中继续选取最小值，以此类推，直到全部元素都加到U中去。

算法描述:

（1）假设用带权的邻接矩阵ed 来表示带权有向图

（2）选择

，使得

Dist[j]:从

出发到j的最短路径长度。

（3）修改从

出发到集合T 上任一顶点

可达的最短路径长度。如果

则修改Dist[k]为Dist[k]=Dist[j]+ed[j][k]，重复操作(2)、(3)共n-1次。由此求得从

到图上其余各顶点的最短路径是路径长度递增的序列。

Dijkstra单源最短路径迭代过程

Dijkstra单源最短路径算法

class 

void 

方法1：直接扫描所有未收录顶点

对于稠密图效果好

方法2：将dist存在最小堆中

更新dist[w]的值

对于稀疏图效果好

Dijkstra算法时间代价分析

每次改变D[i].length

不删除，添加一个新值(更小的)，作为堆中新元素。旧值被找到时，该结点一定被标记 为VISITED，从而被忽略

在最差情况下，它将使堆中元素数目由

增加到

，总的时间代价

Dijkstra算法

是否支持

• 有向图、无向图
• 非连通
• 有回路的图
• 权值为负

如果不支持

• 则修改方案？

针对有向图 (且“有源”)

• 若输入无向图？
• 照样能够处理 (边都双向)

对非连通图，有不可达

• 没有必要修改

支持回路

支持负权值？

Dijkstra算法不支持负权值

如果存在总权值为负的回路，则将出现权 值为

的情况

如果不存在负权回路呢？

Dijkstra算法不受负权边的影响吗？

即使不存在负的回路，也可能有在后面出现的负权值， 从而导致整体计算错误

主要原因是 Dijkstra 算法是贪心法，当作最小取进来后，不会返回去重新计算

持负权值的最短路径算法

• Bellman－Ford 算法

• 参考书 MIT “Introduction to Algorithms”

• SPFA 算法

多源最短路径问题：

求任意两顶点间的最短路径

方法1：直接将单源最短路算法调用|V|遍

对于稀疏图效果好

方法2：

对于稠密图效果好,Floyd算法

每对结点间的最短路径

• 还能用 Dijkstra 算法吗？

• 以每个结点为起点，调用 n 次 Dijkstra 算法

void 

多源最短路算法

Floyd 算法

= 路径{

}的最小长度

即给出了 i 到 j 的真正最短距离

最初的

是什么？

当

已经完成，递推到

时：

1. 或者k
   最短路径{
   }，则
   =
2. 或者k
   最短路径{
   }，则该路径必定由两段最短路径组成：

Floyd算法求每对结点之间的最短路径

用相邻矩阵 adj 来表示带权有向图

基本思想：

初始化

为相邻矩阵 adj

在矩阵

上做 n 次迭代，递归地产生一个矩阵序列

其中经过第k次迭代，

的值等于从结点

到结点

路径上

所经过的结点序号不大于

的最短路径长度

动态规划法

最短路径组合情况分析

由于第

次迭代时已求得矩阵

，那么从结点

到

中间结点的序号不大于

的最短路径有两种情况：

一种是中间不经过结点

，那么此时就有

另中间经过结点

，此时

， 那么这条由结点

经过

到结点

的中间结点序号不大于

的最短路径由两段组成

。

用弗洛伊德算法求下图所示的带权有向图G的每一对顶点间的最短路径及路径长度的过程如下。由矩阵path可知任何一对顶点间最短路径经过结点。

图 10

图 10：当任意两点之间不允许经过第三个点时，这些点之间最短路程就是初始路程：adj矩阵，最短路径经过结点是path矩阵。

只允许经过

号顶点，求任意两点之间的最短路程.

,所以更新adj矩阵为

，最短路径经过结点是path矩阵。

图 11

图 11：只允许经过

号顶点，求任意两点之间的最短路程.

,所以更新

矩阵为

，最短路径经过结点是path矩阵。

图 12

图 12：只允许经过

号顶点，求任意两点之间的最短路程.

,所以更新

矩阵为

，最短路径经过结点是path矩阵。

void 

python:

import