SPF vs Bellman-Ford 图解

SPF算法

百度百科：SPF算法也被称为Dijkstra算法，这是因为最短路径优先算法SPF是由荷兰计算机科学家狄克斯特拉于1959年提出的。
SPF算法将每一个路由器作为根（ROOT）来计算其到每一个目的地路由器的距离，每一个路由器根据一个统一的数据库会计算出路由域的拓扑结构图，该结构图类似于一棵树，在SPF算法中，被称为最短路径树。SPF算法是OSPF、IS-IS路由协议计算最短路径的基础。
在OSPF路由协议中，最短路径树的树干长度，即OSPF路由器至每一个目的地路由器的距离，称为OSPF的Cost，其算法为：Cost = 100Mbps/链路带宽。

参考文章

SPF（Dijkstra）算法完美教程
ospf学习-----SPF最短路径算法

SPF案例

如图，V0~V8是9台路由器节点，节点之间的值是cost开销值的大小，我们以V0节点作为根，计算到其他节点的最短路径，也就是在V0看来去往其他节点最近的路径。

我们创建两个集合，分别是：
S集合：每求得一条最短路径 , 就将其节点加入到集合S中，直到全部顶点都加入到S时，算法就结束，初始时S中只有一个源点V0，且自己到自己的cost为0
U集合：其余未确定最短路径的顶点集合，初始时U中有除V0以外的所有节点，且从V0到其他所有节点的cost为无穷

第一次，我们先从V0开始发散，V0与V1、V2直连的cost值分别是1和5，与其他节点不直连所以cost设为无穷大，因为V0->V1的cost值在U集合中最小，所以将V1标红并加入到S集合当中

第二次，我们从V1开始发散，V1与V2、V3、V4直连的cost值分别是3、5、7，与其他节点不直连所以cost同样设为无穷大，因为V0->V1->V2的cost值4最小（且小于第一次发散的V0->V2的cost值5），所以将V2标红并加入到S集合当中

第三次，我们从V2开始发散，V2与V4、V5直连的cost值分别是1和7，与其他节点不直连所以cost同样设为无穷大，因为V0->V1->V2->V4的cost值5最小（且小于第二次发散的V0->V1->V4的cost值6），所以将V4标红并加入到S集合当中

第四次，我们从V4开始发散，V4与V3、V5、V6、V7直连的cost值分别是2、3、6、9，与其他节点不直连所以cost同样设为无穷大，因为V0->V1->V2->V4->V3的cost值7最小（且小于第二次发散的V0->V1->V3的cost值8），所以将V3标红并加入到S集合当中

第五次，我们从V3开始发散，V3与V6直连的cost值是3，与其他节点不直连所以cost同样设为无穷大，这里要注意一下，V0->V1->V2->V4->V5的cost值为8最小，所以这一步不移动V6，将V5标红并加入到S集合当中

第六次，我们从V5开始发散，因为V0->V1->V2->V4->V5->V7的cost值为13所以更新前往V7的cost值为13，但是U集合里前往V6的cost值10为最小，所以将V6标红并加入到S集合当中

第七次，我们从V6开始发散，V6与V7、V8直连的cost值分别是2、7，与其他节点不直连所以cost同样设为无穷大，因为V0->V1->V2->V4->V3->V6->V7的cost值12最小（且小于第六次发散的V0->V1->V2->V4->V5->V7的cost值13），所以将V7加入到S集合当中

第八次，我们从V7开始发散，因为V0->V1->V2->V4->V3->V6->V7->V8的cost值16最小（且小于第六次发散的V0->V1->V2->V4->V3->V6->V8的cost值17），所以将V8加入到S集合当中

最终形成的SPF路径

最终的SPF路径以及由V0节点到其他各个节点的cost值分别如下

Bellman-Ford算法

百度百科：贝尔曼-福特算法（Bellman-Ford）是由理查德·贝尔曼（Richard Bellman） 和 莱斯特·福特 创立的，求解单源最短路径问题的一种算法。它的原理是对图进行V-1次松弛操作，得到所有可能的最短路径。其优于迪科斯彻（Dijkstra）算法的方面是边的权值可以为负数、实现简单，缺点是时间复杂度过高，高达O(VE)，V和E分别是节点和边的数量。但算法可以进行若干种优化，提高了效率。

参考文章

Bellman-Ford算法
最短路径——Bellman-Ford算法
【墙裂推荐】Bellman Ford 单源最短路径算法 视频【中字】

负权回路

介绍案例之前，我们需要知道Bellman-Ford算法有两个特点，一个是它的每条路径都有方向，另一个就是有负权回路（negative cycle），所以没有负权回路的话介意不要用这个算法。另外，Bellman-Ford算法虽然能够检测出负权回路，但是处在负权回路内以及周边被影响的那些节点，都不能计算出最短路径，因为cost越算值越小。

如下图，负权回路就是从0节点到2节点每转一圈cost值还减少了，那转个无数圈就变成负无穷了，这样最短路径就是无解的。

Bellman-Ford案例

因为没有找到合适的图，采用了参考文章当中B站上的一个图，图示有10个节点，所以我们我们需要进行9次的松弛操作，我在这里管它叫迭代

第一次迭代

初始状态的话，节点0自己到自己cost为0，到其他节点均为无穷

从节点0到节点1的cost为5，所以节点0到节点1的cost更新为5

从节点1到节点2的cost为20，所以节点0到节点2的cost更新为5+20=25

将所有的边都跟上面操作一样更新一遍，一旦出现更小的cost值的话就将之前的给替换掉
所有边都更新一遍cost的操作叫作迭代（Iteration），以下的图才是第一次迭代完的cost图，我们还需要迭代8次

第二次迭代

下图是第二次迭代的结果，我们跳过剩下的迭代直接进入最后一次迭代的图

第九次迭代

下图是第九次迭代的结果，因为图中有负权回路，所以我们再重复一次V-1=9次的迭代，直到把这个负权回路的影响传播到整张图上的所有节点

负权回路的第一次迭代

因为这一次迭代前往节点3的cost较之前更小，所以将节点3的cost值更新为负无穷

接着节点4也被影响到了，到节点4的cost值变小，所以将4节点的cost值也更新为负无穷

同样的，节点2和9也不能幸免，cost值都更新为负无穷

负权回路的第九次迭代

像上面的迭代，我们总共要执行9次，最后得出的图如下所示，节点2、3、4、9因为负权回路直接或间接的影响，求最短路径无解，其他节点的最短路径cost都已经计算出来并且不会改变了

Dijkstra vs Bellman-Ford对比视频

求解最短路径问题的一快与一慢(Dijkstra vs Bellman-Ford)