《算法导论》笔记__所有结点对的最短路径

符号说明

• $V$：结点；
• $E$：边集；
• $G=(V,E)$：带权重的有向图；
• $W$：邻接矩阵；
• $\delta (u,v)$：结点$u$到结点$v$的最短距离。

邻接矩阵

邻接矩阵$W$是一个$n\times n$的矩阵，$W=w_{ij}$
$$w_{ij}=\{\begin{array}{ll}0& i=j\\ 有向边(i,j)的权重& i\ne j且(i,j)\in E\\ \infty & i\ne j且(i,j)\notin E\end{array}$$

最短路径和矩阵乘法

所有结点对最短路径问题的递归解

设$l_{ij}^{(m)}$为从结点$i$到结点$j$的至多包含$m$条边的任意路径的最小权重。当$m=0$时，有：
$$l_{ij}^{(m)}=\{\begin{array}{ll}0& i=j\\ \infty & i\ne j\end{array}$$
对于$m\ge 1$，我们有：
$$l_{ij}^{(m)}=\min (l_{ij}^{(m-1)},\underset{1\le k\le n}{\min }(l_{ik}^{(m-1)}+w_{kj}))=\underset{1\le k\le n}{\min }(l_{ik}^{(m-1)}+w_{kj})$$
（因为$w(j,j)=0$，所以后面的等式成立）

由于我们假设图中不包含负权环，所以结点$i$到结点$j$的最短路径至多包含$n-1$条边，所以我们有：
$$\delta (i,j)=l_{ij}^{(n-1)}=l_{ij}^{(n)}=l_{ij}^{(n+1)}=\cdots$$

自底向上计算最短路径权重

根据邻接矩阵$W$，我们可以计算出矩阵序列$L^{(1)},L^{(2)},\cdots ,L^{(n-1)}$。特别地，$L^{(1)}=W$。

下面的伪代码展示了如何根据$W$和$L^{(m-1)}$计算$L^{(m)}$：

EXTEND-SHORTEST-PATHS(L,W)
	n = L.rows
	let L' 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'

由于上述算法有3层嵌套for循环，所以时间复杂度为$O(n^3)$。

可以看出，EXTEND-SHORTEST-PATHS算法和矩阵乘法在形式上是非常相似的。

下面的算法给出了如何在$O(n^4)$的时间内计算所有节点对的最短路径：

SLOW-ALL-PAIRS-SHORTEST-PATHS(W)
	n = W.rows
	L(1) = W
	for m = 2 to n-1
		let L(m) be a new n*n matrix
		L(m) = EXTEND-SHORTEST-PATHS(L(m-1),W)
	return L(n-1)

改进算法的运行时间

我们知道：$\forall m>n-1⟹L^{(m)}=L^{(n-1)}$。所以我们在求解所有结点对的最短路径时，未必一定要计算出$L^{(n-1)}$。
下面的算法采用重复平方技术，使算法的时间复杂度降至$O(n^3\log n)$：

FASETER-ALL-PAIRS-SHORTEST-PATHS(W)
	n = W.rows
	L(1) = W
	m = 1
	while m < n-1
		let L(2*m) be a new n*n matrix
		L(2*m) = EXTEND-SHORTEST-PATHS(L(m),L(m))
		m = 2*m
	return L(m)

Floyd-Warshall算法

最短路径的结构

Floyd-Warshall算法主要关注最短路径上的中间结点。

假定图$G$中的所有结点为{1,2,⋯ ,n}\{1,2,\cdots,n\}{1,2,⋯,n}，考虑其中的一个子集{1,2,⋯ ,k}\{1,2,\cdots,k\}{1,2,⋯,k}，对于任意的结点对$i,j\in V$，设$p$为所有中间结点均取自集合{1,2,⋯ ,k}\{1,2,\cdots,k\}{1,2,⋯,k}的路径中的最短路。对于路径$p$，我们讨论以下两种情况：

• $k$不在路径$p$上：p也是中间结点均取自集合{1,2,⋯ ,k−1}\{1,2,\cdots,k-1\}{1,2,⋯,k−1}的路径中的最短路。
• $k$在路径$p$上：将p拆分为：$i{⇝}^{p_1}k{⇝}^{p_2}j$，$p_1$为结点$i$到$k$的、所有中间结点取自集合{1,2,⋯ ,k−1}\{1,2,\cdots,k-1\}{1,2,⋯,k−1}的最短路径，$p_2$同理。

所有结点对最短路径问题的递归解

设$d_{ij}^{(k)}$为从结点$i$到结点$j$的、所有中间结点均取自集合{1,2,⋯ ,k}\{1,2,\cdots,k\}{1,2,⋯,k}的最短路径权值。$d_{ij}^{(0)}$表示$i,j$的路径上没有任何中间结点，所以有：$d_{ij}^{(0)}=w_{ij}$。递归定义$d_{ij}^{(k)}$如下：
$$d_{ij}^{(k)}=\{\begin{array}{ll}{w}_{i,j}& k=0\\ \min (d_{ij}^{(k-1)},d_{ik}^{(k-1)}+d_{kj}^{(k-1)})& k>0\end{array}$$
因为对于图$G$中的任何路径来说，所有中间结点均取自集合{1,2,⋯ ,n}\{1,2,\cdots,n\}{1,2,⋯,n}，所以$d_{ij}^{(n)}=\delta (i,j)$。

自底向上计算最短路径权重

FLOYD-WARSHALL(W)
	n = w.rows
	D(0) = W
	for k = 1 to n
		let D(k) be a new n*n matrix
		for i = 1 to n
			for j = 1 to n
				d(k)[i][j] = min(d(k-1)[i][j], d(k-1)[i][k]+d(k-1)[k][j])
	return D(n)

时间复杂度为$O(n^3)$。

构建一条最短路径

我们在求解矩阵序列$D^{(0)},D^{(1)},\cdots ,D^{(n)}$的同时求解矩阵序列${\Pi }^{(0)},{\Pi }^{(1)},\cdots ,{\Pi }^{(n)}$。
对${\Pi }^{(0)}$有：
$${\pi }_{ij}^{(0)}=\{\begin{array}{ll}i,& i\ne j且w(i,j)\ne \infty \\ NIL,& i=j或w(i,j)=\infty \end{array}$$
对${\Pi }^{(k)}(k\ge 1)$有：
$${\pi }_{ij}^{(k)}=\{\begin{array}{ll}{\pi }_{ij}^{(k-1)},& d_{ij}^{(k-1)}\le d_{ik}^{(k-1)}+d_{kj}^{(k-1)}\\ {\pi }_{kj}^{(k-1)},& d_{ij}^{(k-1)}>d_{ik}^{(k-1)}+d_{kj}^{(k-1)}\end{array}$$

有向图的传递闭包

给定有向图$G=(V,E)$，定义图$G$的传递闭包为$G^{\ast }=(V,E^{\ast })$，其中E∗={(i,j)E^*=\{(i,j)E∗={(i,j)：如果图G中包含一条从i到j的路径$\}$。

我们对Floyd-Warshall算法进行一点改进，用以更好地求解有向图的传递闭包。

定义：若图中存在一条从$i$到$j$的、所有中间结点均取自集合{1,2,⋯ ,k}\{1,2,\cdots,k\}{1,2,⋯,k}的路径，则$t_{ij}^{(k)}=1$，否则$t_{ij}^{(k)}=0$。

根据定义我们容易得到：
$$t_{ij}^{(0)}=\{\begin{array}{ll}1,& i=j或w(i,j)\ne \infty \\ 0,& i\ne j且w(i,j)=\infty \end{array}$$
当$k\ge 1$时，有：
$$t_{ij}^{(k)}=t_{ij}^{(k-1)}\vee (t_{ik}^{(k-1)}\wedge t_{kj}^{(k-1)})$$

Johnson算法

使用斐波那契堆实现最小优先队列时，Johnson算法的时间复杂度为$O(V^2\log V+VE)$。使用二叉堆实现最小优先队列时，时间复杂度为$O(VE\log V)$在算法的执行过程中需要使用Dijkstra和Bellman-Ford算法。

Johnson算法使用了重赋权重技术。具体如下：

• 如果图中均为非负权值的边，则对每个结点执行Dijkstra算法，从而找到所有结点对的最短路径。
• 如果图中包含负权边，但不包含负权环，则需要计算出一组新的权重，然后再对每个结点调用Dijkstra算法。

新的权重$\hat{w}$必须满足如下性质：

• 对任意结点对$u,v$，如果在原权重$w$下，存在一条最短路径$p$当且仅当在新权重下$\hat{w}$下，$p$仍然为两结点间的最短路径。
• 对于所有的边$(u,v)$，新权重$\hat{w}(u,v)$为非负值。

重赋权重来维持最短路径

令$\hat{w}(u,v)=w(u,v)+h(u)-h(v)$，我们假设在新权重$\hat{w}$下的最短路径权重为$\hat{\delta }$。

首先证明，对$v_0,v_k$的最短路$p=⟨v_0,v_1,\cdots ,v_k⟩$，$w(p)=\delta (u,v)$当且仅当$\hat{w}(p)=\hat{\delta }(u,v)$。对任意路径，我们有:
$$\begin{gathered} \hat{w}(p)=\sum _{i=1}^k\hat{w}(v_{i-1},v_i) \\ =\sum _{i=1}^k(w(v_{i-1},v_i)+h(v_{i-1})-h(v_i)) \\ =\sum _{i=1}^{k}w(v_{i-1},v_i)+h(v_0)-h(v_k) \\ =w(p)+h(v_0)-h(v_k) \end{gathered}$$
由于$h(v_0),h(v_k)$不依赖于任何具体路径，所以新权重下的路径之间的大小关系保持不变，由此证明了：$w(p)=\delta (u,v)$当且仅当$\hat{w}(p)=\hat{\delta }(u,v)$。

然后证明，若原权重$w$下存在负权环，则新权重$\hat{w}$下仍然存在负权环。考虑任意环路$c=⟨v_0,v_1,\cdots ,v_k⟩,v_0=v_k$，我们有$\hat{w}(c)=w(c)+h(v_0)-h(v_k)=w(c)$。命题得证。

通过重赋权值来生成非负权重

我们制作一幅新图$G^{\prime }=(V^{\prime },E^{\prime })$，其中V′=V∪{s},E′=E′∪{(s,v):v∈V}，w(s,v)=0V'=V\cup\{s\},E'=E'\cup \{ (s,v):v\in V\}，w(s,v)=0V′=V∪{s},E′=E′∪{(s,v):v∈V}，w(s,v)=0。
我们定义：对所有结点$v\in V^{\prime }$，$h(v)=\delta (s,v)$。根据三角不等式我们知道：$\delta (s,v)\le \delta (s,u)+w(w,v)$，变形得：$\delta (s,u)-\delta (s,v)\ge w(w,v)$，即$h(u)-h(v)\ge w(u,v)$，从而有$\hat{w}(u,v)=w(u,v)+h(u)-h(v)\ge 0$。