《算法导论3rd第二十五章》所有结点对的最短路径问题

本文链接：https://blog.csdn.net/y3over/article/details/122095235

前言

本章节，我们考虑“如何找到一个图中所有结点之间的最短路径”问题。我们通过运行|V|次上章节的单源最短路径算法解决所有结点对之间的最短路径问题，只需要每一次使用一个不同的结点作为源结点即可。显示复杂度有点高。本章要讨论的“更好”的算法，都是邻接矩阵来表示图。下面给出邻接矩阵表示的一些约定：

假定输入图G=(V,E)有n个结点，因此n=|V|。
使用大写字母来表示矩阵，如W、L或D，而用带下标的小写字母来表示矩阵中的元素，如wij、lij或dij。
一些矩阵将有带括号的上标，如 $L^{(m)}=(l_{ij}^{(m)})$ 或 $D^{(m)}=(d_{ij}^{(m)})$ 用来表示迭代。
对于一个给定的n×n矩阵A，假定矩阵的维度n存储在属性A.rows中。

最短路径和矩阵乘法

本节讨论有向图G=(V,E)上所有结点对最短路径问题的一种动态规划算法。在动态规划的每个大循环里，将调用一个与矩阵乘法非常相似的操作，因此该算法看上去就像是重复的矩阵乘法。设计动态规划算法的步骤如下：

分析最优解的结构。
递归定义最优解的值。
自底向上计算最优解的值。

最短路径的结构

假定用邻接矩阵来表示输入图，即W=(wij)。
从结点i到结点j的一条最短路径p，假定p至多包含m条边，且m为有限值
还假定没有权重为负值的环路。

如果i=j，则p的权重为0且不包含任何边。
如果结点i和结点j不同，则将路径p分解为： $\xrightarrow[]{p^1} k\xrightarrow[]{}j$ 其中路径p’至多包含m-1条边。

在这里插入图片描述可知p’是从结点i到结点k的一条最短路径，因此 $δ(i,j)=δ(i,k)+w _{kj}$ 。

所有结点对最短路径问题的递归解

现在设 $l_{ij}^{(m)}$ 为从结点i到结点j的至多包含m条边的任意路径中的最小权重.当m>0,因此递归定义：
$l_{ij}^{(m)} = \min_{1\le k \le n}(l_{ik}^{(m-1)} + w_{kj})$

自底向上计算最路径权重

将上述递归式，转为算法，给定W， L作为L(m-1)，L’作为L(m)。

EXTEND-SHORTEST-PATHS(L,W)
    n=L.rows
    let L'=(l'[i][j]) be a new n×n matrix
    for i=1 to n
        for j=1 to n
            l'[i][j]=∞
            for k=1 to n
                l'[i][j]=min(l'[i][j],l[i][k]+w[k][j])
    return L'

即通上述程序依次计算出矩阵序列L(1)=W,L(2),…,L(n-1）。因此总的算法有3层嵌套的for循环，该算法的运行时间为Θ(n3)。

该算法与矩阵乘法的关系(略)

Floyd-Warshall算法

本节将使用一种不同的动态规划公式来解决所有结点对最短路径问题，所产生的算法称为Floyd-Warshall算法，其运行时间为Θ(V3)。

最短路径结构

假定图G的所有结点为V={1,2,…,n}，考虑其中的一个子集{1,2,…,k}，这里k是某个小于n的整数。对于任意结点对i,j∈V，考虑从结点i到结点j的所有中间结点均取自集合{1,2,…,k}的路径，并且设p为其中权重最小的路径(路径p是简单路径)。

Floyd-Warshall算法利用了路径p和从i到j之间中间结点均取自集合{1,2,…,k-1}的最短路径之间的关系。该关系依赖于结点k是否是路径p上的一个中间结点：
在这里插入图片描述

所有结点对最短问题的一个递归解

设 $d_{ij}^{(k)}$ 为从结点i到结点j的所有中间结点全部取自集合{1,2,…,k}的一条最短路径的权重。当k=0时，从结点i到结点j的一条不包括编号大于0的中间结点的路径将没有任何中间结点，这样的路径最多只有一条边，因此 $d_{ij}^{(0)}=w_{ij}$ 。根据上面的讨论，递归定义 $d_{ij}^{(k)}$ 如下:
$d_{ij}^{(k)} = \begin{cases} w_{ij} &\text{if } k=0 \\ \min(d_{ij}^{(k-1)},d_{ik}^{(k-1)} + d_{kj}^{(k-1)}) &\text{if } k \ge 0 \end{cases}$