Dijkstra算法初探

参考资料：

《数据结构》 严蔚敏
《算法导论》  

据说这个求单源最短路径的算法是Dijkstra爷爷1956年为了展示新计算机ARMAC的计算能力，初试身手的成果，属于他的算法处女作。据Dijkstra爷爷自述，他搞出最短路径算法的时候连纸笔都没用。当时他和他老婆在阿姆斯特丹一家咖啡厅的阳台上晒太阳喝咖啡，突然就把这个算法想出来了...听到这个传说我深受打击，因为我是花了数个小时时间苦苦思索，快要把脑袋想破的时候，才想明白这个算法是怎么回事...

本文不讨论实现的细节，只是试图“比较形象地”讲明白算法中某些不易理解的关键步骤。

给定一个带权有向图G=(V,E)和源点V₀,求从V₀到G中其余各顶点的最短路径。

首先约定，图G中共有n个顶点。

该算法设置了一个dist[n]数组，一个arc[n][n]数组，和一个集合S，下面分别解释这三个量的意义。

S：若一个顶点 v_k 被纳入S，则说明从v₀到v_k的最短距离已被确定，该最短距离即为dist[k]

dist[i]：从v₀出发，只经过那些在S中的顶点而到达v_i的最短路径长度。若v_i已被纳入S，则此时的dist[i]就已经是最终找到的从v₀到v_i的最短距离，若v_i尚未被纳入S，则此时的dist[i]并非最终最短距离，尚需在以后的每一步都看看dist[i]是否能被缩的更短。

arc[i][j]：这个二维数组实际上是图G的邻接矩阵，arc[i][j]的值代表了从v_i到v_j的直接距离，即边<v_i,v_j>的权值，若从v_i到v_j没有边，则arc[i][j]被设置为∞

初始状态：

初始时S中仅有v₀

dist[i]的初始状态:若从v₀到v_i有弧，则dist[i]为该弧上的权值，否则dist[i]为∞

第一步

①先从数组dist[n]中找到一个值最小的，即找到一个j使得dist[j]=min{dist[i] | i∈V}，则易知(v₀,v_j),就是从v₀到v_j的最短路径。

证明：若有其他路径存在，比如有(v₀,v_k,v_j)存在，则 ∵ dist[j]=min{dist[i] | i∈V}，∴dist[k]≥dist[j]  ∴路径(v₀,v_k,v_j) 一定比路径(v₀,v_j)长

②既然从v₀到v_j的最短路径已被确定，即为dist[j],于是就把v_j加入S中

③审视dist[i]的意义：“从v₀出发，只经过那些在S中的顶点而到达v_i的最短路径长度”由于集合S在步骤②时被加入了新的元素v_j，于是对应的dist[i]也可能因此发生变化。此时S中有两个素v₀和v_k，我们要检查每一个v_i∉S，若dist[j]+arc[j][i] ＜ dist[i], 则意味着(v₀,v_j,v_i)这条路比(v₀,v_i)更短，于是将dist[i]的值改为dist[j]+arc[j][i]

经过步骤③之后，在S={v₀,v_j}的情况下，dist[i]仍很好地保持了其原有的意义，即“从v₀出发，只经过那些在S中的顶点而到达v_i的最短路径长度”

然后，重复上述步骤，直至所有顶点都已被纳入S

①每一次都从那些v_i∉S的顶点中选出对应的dist[i]最小的那个顶点，即找到一个dist[j]=min{dist[i] | i∈V}，可知这个dist[j]就是从v₀到v_j的最短路径长度，证明如同第一步中的①。

②将v_j纳入S

③更新dist[i]，这是关键步骤。

为方便叙述，我们设集合Li={从v₀出发只经过S中的元素而到达v_i的所有路径}。由于v_j被新加入了S，使得Li也相应扩大了。现可将Li分成两部分，一部分为 LiWithVj={Li ∩ 包含v_j的路径}，另一部分为LiWithOutVj={Li ∩ 不包含v_j的路径}，其中LiWithVj是由于v_j新加入S而使得Li在原有基础上扩大的部分。

为了更新dist[i]，我们只需找出LiWithVj中的最短路径p1和LiWithOutVj中的最短路径p2，然后比较p1和p2的长度，将较小的长度写入dist[i]即可。很显然p2的长度即为未更新前的dist[i]，所以我们只需找到p1。

现在来找p1, 请看图2。

易知“从v₀出发,经过v_j而到达v_i的最短路径”可被分为两部分，即“v₀到v_j的最短路径”+ “v_j到v_i的最短路径”,前半部分已被确定了，即为图中蓝线部分，其长度为dist[j]。所以只需要找到后半部分，即找“v_j到v_i的最短路径”，此时要注意，整个讨论都基于“只经过那些在S中的顶点”，所以问题应表述为“寻找从v_j出发只经过那些属于S的顶点而到达v_i的所有路径中的最短的一条”。

显然，当(v_j,v_i)为v_j到v_i的最短路径时，p1应该取为(v_j,v_i)，即不经过任何中间顶点由v_j直达v_i的路径。若(v_j,v_i)并非最短路径，假设存在某个v_k使得 length(v_j,v_k,v_i) < length(v_j,v_i)，如图2中 length3 + length2 < length1 ，此时依然应将p1取为(v_j,v_i)，也就是说，不管什么情况，都应该直接取p1为 dist[j]+arc[j][i]，然后拿p1和p2做比较，将较小值写入dist[i]即可。

证明：

如图2，假设存在v_k使得 length(v_j,v_k,v_i) < length(v_j,v_i)，即length3 + length2 < length1 

则 length2 < length1

又∵ dist[k] ≤ dist[j] (因为v_j比v_k加入S的时间要晚)

∴ dist[k]+length2 < dist[j]+length1 

而 dist[i] ≤ dist[k]+length2 (由dist[]数组的定义知，dist[i]是“由v₀出发只经S中元素(不含v_j)而到达v_i的最短路径的长度”即图中绿线长度，而dist[k]+length2是“由v₀出发只经S中元素(不含v_j)而到达v_i”的众多路径中的一条)

∴ dist[i] < dist[j] + length3 + length2

综上： 若存在v_k使得length(v_j,v_k,v_i) < length(v_j,v_i)成立，则p1注定要在下一步与p2的比较中被淘汰，因为即使将p1取为dist[j]+length3+length2，在下一步p1与p2(即[dist[i]])比较时也一定有dist[i] ＜ dist[j] + length3 + length2，这个p1将不会派上用场。

所以我们得到了更新dist[i]的方法：为了程序的规整，每次向S中加入一个新的顶点v_j时，对于每个尚不属于S的v_i，都比较dist[i]和dist[j]+arc[j][i]之大小，将较小的值写入dist[i]中。