应用单源最短路径算法解决套利交易问题

导言

最短路径问题是图论领域中的核心问题之一，也是许多更深层次算法的基础。在日常生活中最短路径算法也被大量的应用，不仅仅包括简单的地图上的寻路问题，还包括了许多较为抽象的、看似与路径问题无关的、但也可以归结为最短路径的问题。

一个简单的生活中常见例子：一名教授希望找到一条从北京到上海的最短路径，给定一张中国的道路交通图，上面标有所有的相邻城市之间的距离，这位教授应该怎样找到这样一条最短的路径呢？对于这样一个简单的寻找最短路径的问题，凭感觉找便可以快速找到一条较短的路线。但如果在较为复杂的问题条件下，并要求必须找到一条数学意义上的最短路径，则必须通过一定的算法实现。最根本的思想是将从北京到上海之间可以经过的所有路线都找出来，然后依次算出每种路线的距离，并选出其中距离最短的路径。显然对于一张高度连通的图，这样的做法复杂度是无穷大的，并且会包含很多无意义的计算，例如从北京到乌鲁木齐，再到上海，这样一条路径就是没有计算的意义的。

同样，我们也可以将许多较为抽象的问题化为最短路径问题。例如套利交易问题中，我们可以用权重值代表不同货币之间的汇率，再运用算法来寻找获利的路线，此问题将在下文中具体阐释。我们将要用到一些算法来高效的解决这个问题，本文将阐述其中的部分原理。

基本定义与延伸

---

基本概念与定义

在生活中寻路的例子中，我们可以把地图化作一幅图，其中每个结点表示路口或是可以到达的地点，每条边表示连接结点的道路表示，每条边的权重代表这条路的距离。首先我们定义一个最短路径的案例应当发生在一个带权重的有向图$G=(V,E)$中以及对于有向图中的每一条边的权重都有权重函数$w$: $E\to \text{R}$，对于图中的一条路径 $p=⟨v_0,v_1,\dots ,v_k⟩$ 的权重（也就是通俗的距离）$w(p)$是构成该路径的所有边的权重之和：
$$w(p)=\sum _{i=1}^{k}w(v_{i-1},v_i)$$
令从结点$u$到结点$v$的最短路径权重为$\delta (u,v)$。

边的权重只是一种度量方法，而并不只能代表距离。在不同的案例中，也可以代表不同的含义，例如损失、金钱和其他会沿路线积累的属性。

概念延伸

引理 对于有向图$G=(V,E)$，和路径$P=⟨v_1,v_2,\dots ,v_k⟩$为已知的$v_1,v_k$之间的最短路径，我们设 1 < i < j < k 1<i<j<k </