SSSP:Single Source Shortest Path

SSSP:Single Source Shortest Path

Maiter 4.2.1

SSSP算法广泛应用于社交网路和网页地图。给定一个点$s$，SSSP算法算出在有向有权图中s节点到其余节点的最短距离。初始时，除节点$s$到源节点的距离$d_s^0$初始化为$0$外，其余每个节点$j$到$s$的距离$d_j^0$初始化为$\infty$。在每次迭代时，$s$到$j$的距离$d_j$根据下列公式进行更新：

d j k = m i n { d 1 k − 1 + A ( 1 , j ) , d 2 k − 1 + A ( 2 , j ) , . . . , d n k − 1 + A ( n , j ) , d j k − 1 } d_{j}^k=min\lbrace d_{1}^{k-1}+A(1,j),d_{2}^{k-1}+A(2,j),..., d_{n}^{k-1}+A(n,j),d_{j}^{k-1} \rbrace djk​=min{d1k−1​+A(1,j),d2k−1​+A(2,j),...,dnk−1​+A(n,j),djk−1​}，

其中$A(i,j)$时节点$i$到节点$j$的边权，如果节点$i$到节点$j$不存在边，则$A(i,j)=\infty$,直到收敛,即所有节点到源点$s$的距离不再改变时，停止迭代。

(以下部分可不看，建议看完Maiter论文再看以下部分，不然很有可能看不懂）
据上，我们可以确定操作符$⨁$为“$min$”，函数 g { i , j } ( d i ) = d i + A ( i , j ) g_{ \lbrace i,j \rbrace}(d_{i})=d_{i}+A(i,j) g{i,j}​(di​)=di​+A(i,j)。显然，函数 g { i , j } ( x ) g_{ \lbrace i,j \rbrace}(x) g{i,j}​(x)满足分配律，而操作符“$min$”满足交换律和结合律。

（下面这句为论文原文，我认为有误，不知如何理解）
The initialization can be $d_j^0=\infty$ and $\Delta d_j^1=0$ if $j=s$, or else $\Delta d_j=0$.

因此，SSSP可以使用DAIC（DAIC为此论文提出的方法）执行。此外，假设$\Delta d_j$用于通过“$min$”操作累计接收到的距离值，则节点$j$的调度优先级将为 d j − m i n { d j , Δ d j } d_{j}-min \lbrace {d_{j},\Delta d_{j}}\rbrace dj​−min{dj​,Δdj​}.

未完待续…