理论知识
边的放松
边的放松(Edge Relaxation)是图算法中的一个关键操作,主要用于解决最短路径问题。它的核心思想是在遍历图的过程中,通过比较和更新路径的长度,逐步找到从起点到每个顶点的最短路径。
边的放松过程
假设我们有一个从顶点 v 到顶点 w 的边 e
,其权重为 weight(v, w)
。边的放松操作如下:
- 检查当前路径:检查通过 v 到达 w 的路径是否比已经记录的从起点到 w 的路径更短。
- 更新路径:如果通过 v 到达 w 的路径更短,则更新 w 的最短路径长度,并将 w 的前驱顶点设置为 v。
数学表达式为:
IF
d i s t T o [ w ] > d i s t T o [ v ] + w e i g h t ( v , w ) distTo[w]>distTo[v]+weight(v,w) distTo[w]>distTo[v]+weight(v,w)
THEN
d i s t T o [ w ] = d i s t T o [ v ] + w e i g h t ( v , w ) distTo[w]=distTo[v]+weight(v,w) distTo[w]=distTo[v]+weight(v,w)
e d g e T o [ w ] = e edgeTo[w]=e edgeTo[w]=e
其中:
distTo[w]
表示从起点到 w 的当前已知最短路径长度。distTo[v] + weight(v, w)
表示通过 v 到达 w 的路径长度。edgeTo[w]
表示当前最短路径中 w 的前驱节点。
已知树结点所对应的 distTo[] 值均为最短路径的长度。对于优先队列中的任意顶点 w,distTo[w]是从 s 到 w 的最短路径的长度,该路径上的中间顶点在树中且路径结束于横切边edgeTo[w]。优先级最小的顶点的 distTo[] 值就是最短路径的权重,它不会小于已经被放松过的任意顶点的最短路径的权重,也不会大于还未被放松过的任意顶点的最短路径的权重。这个顶点就是下一个要被放松的顶点。所有从 s 可达的顶点都会按照最短路径的权重顺序被放松。
实验数据
java
8
15
4 5 0.35
5 4 0.35
4 7 0.37
5 7 0.28
7 5 0.28
5 1 0.32
0 4 0.38
0 2 0.26
7 3 0.39
1 3 0.29
2 7 0.34
6 2 0.40
3 6 0.52
6 0 0.58
6 4 0.93
算法轨迹
是算法处理样图 tinyEWD.txt 时的轨迹。在这个例子中,算法构造最短路径
树的过程如下所述。
将顶点 0 添加到树中,将顶点 2 和 4 加入优先队列。
从优先队列中删除顶点 2,将 0 → 2 添加到树中,将顶点 7 加入优先队列。
从优先队列中删除顶点 4,将 0 → 4 添加到树中,将顶点 5 加入优先队列,边
4 → 7 失效。
从优先队列中删除顶点 7,将 2 → 7 添加到树中,将顶点 3 加入优先队列,边
7 → 5 失效。
从优先队列中删除顶点 5,将 4 → 5 添加到树中,将顶点 1 加入优先队列,边
5 → 7 失效。
从优先队列中删除顶点 3,将 7 → 3 添加到树中,将顶点 6 加入优先队列。
从优先队列中删除顶点 1,将 5 → 1 添加到树中,边 1 → 3 失效。
从优先队列中删除顶点 6,将 3 → 6 添加到树中。
代码实现
java
import edu.princeton.cs.algs4.In;
import edu.princeton.cs.algs4.StdOut;
public class myDijkstraSP {
private myDirectedEdge[] edgeTo;
private double[] distTo;
private myIndexMinPQ<Double> pq;
public myDijkstraSP(myEdgeWeightedDigraph G, int s)
{
edgeTo = new myDirectedEdge[G.V()];
distTo = new double[G.V()];
pq = new myIndexMinPQ<Double>(G.V());
for(int v = 0; v<G.V(); v++)
distTo[v] = Double.POSITIVE_INFINITY;
distTo[s] = 0.0;
pq.insert(s,0.0);
while(!pq.isEmpty())
relax(G,pq.delMin());
}
private void relax(myEdgeWeightedDigraph G, int v)
{
for(myDirectedEdge e:G.adj(v))
{
int w = e.to();
if(distTo[w] > distTo[v] + e.weight())
{
distTo[w] = distTo[v] + e.weight();
edgeTo[w] = e;
if(pq.contains(w)) pq.change(w,distTo[w]);
else pq.insert(w,distTo[w]);
}
}
}
public double distTo(int v) {return distTo[v];}
public boolean hasPathTo(int v)
{ return distTo[v]<Double.POSITIVE_INFINITY;}
public Iterable<myDirectedEdge> pathTo(int v)
{
if(!hasPathTo(v)) { return null; }
myLInkedStack<myDirectedEdge> path = new myLInkedStack<myDirectedEdge>();
for(myDirectedEdge e = edgeTo[v];e!=null;e = edgeTo[e.from()])
path.push(e);
return path;
}
public static void main(String[] args)
{
myEdgeWeightedDigraph G = new myEdgeWeightedDigraph(new In(args[0]));
int s = Integer.parseInt(args[1]);
myDijkstraSP sp = new myDijkstraSP(G,s);
for(int i = 0; i<G.V(); i++)
{
StdOut.print(s + " to " + i);
StdOut.printf(" (%.2f): ",sp.distTo(i));
if(sp.hasPathTo(i))
for(myDirectedEdge e:sp.pathTo(i))
StdOut.print(e + " ");
StdOut.println();
}
}
}
代码详解
这段代码实现了 Dijkstra 最短路径算法,用于计算加权有向图中从给定起点到所有其他顶点的最短路径。Dijkstra 算法是一种广泛应用的图算法,特别适用于边权重非负的图。下面我们将详细讲解代码的各个部分。
类变量和构造函数
java
private myDirectedEdge[] edgeTo; // 存储从起点到每个顶点的最短路径上的最后一条边
private double[] distTo; // 存储从起点到每个顶点的最短路径长度
private myIndexMinPQ<Double> pq; // 索引优先队列,用于动态找到具有最小distTo值的顶点
public myDijkstraSP(myEdgeWeightedDigraph G, int s) {
edgeTo = new myDirectedEdge[G.V()];
distTo = new double[G.V()];
pq = new myIndexMinPQ<Double>(G.V());
for (int v = 0; v < G.V(); v++)
distTo[v] = Double.POSITIVE_INFINITY;
distTo[s] = 0.0;
pq.insert(s, 0.0);
while (!pq.isEmpty())
relax(G, pq.delMin());
}
edgeTo:存储到达每个顶点的最短路径的最后一条边,用于在构建路径时回溯。
distTo:存储从起点 s 到每个顶点的最短路径长度。初始化为正无穷大(表示未知路径),起点 s 的距离设置为 0.0。
pq:索引优先队列,用于在算法执行过程中动态获取当前距离最短的顶点。
构造函数:初始化 edgeTo 和 distTo 数组,设置起点 s 的初始距离,并将 s 插入优先队列,然后开始循环放松(relax)过程,逐步确定最短路径。
relax 方法
java
private void relax(myEdgeWeightedDigraph G, int v) {
for (myDirectedEdge e : G.adj(v)) {
int w = e.to();
if (distTo[w] > distTo[v] + e.weight()) {
distTo[w] = distTo[v] + e.weight();
edgeTo[w] = e;
if (pq.contains(w)) pq.change(w, distTo[w]);
else pq.insert(w, distTo[w]);
}
}
}
功能:relax 方法用于"放松"从顶点 v 出发的所有边。对于每条边 e(从 v 到 w),如果通过 v 到达 w 的路径比当前已知的最短路径更短,则更新 distTo[w] 和 edgeTo[w],并更新优先队列 pq。
放松操作:如果通过 v 到达 w 的路径更短(即 distTo[v] + e.weight() 小于 distTo[w]),就更新 distTo[w] 和 edgeTo[w],并调整优先队列中的位置。
其他方法
java
public double distTo(int v) { return distTo[v]; }
public boolean hasPathTo(int v) { return distTo[v] < Double.POSITIVE_INFINITY; }
public Iterable<myDirectedEdge> pathTo(int v) {
if (!hasPathTo(v)) { return null; }
myLInkedStack<myDirectedEdge> path = new myLInkedStack<myDirectedEdge>();
for (myDirectedEdge e = edgeTo[v]; e != null; e = edgeTo[e.from()])
path.push(e);
return path;
}
distTo(int v):返回从起点 s 到顶点 v 的最短路径长度。
hasPathTo(int v):检查从起点 s 到顶点 v 是否存在路径(即 distTo[v] 是否为正无穷大)。
pathTo(int v):返回从起点 s 到顶点 v 的最短路径。通过回溯 edgeTo 数组构建路径。
main 方法
java
public static void main(String[] args) {
myEdgeWeightedDigraph G = new myEdgeWeightedDigraph(new In(args[0]));
int s = Integer.parseInt(args[1]);
myDijkstraSP sp = new myDijkstraSP(G, s);
for (int i = 0; i < G.V(); i++) {
StdOut.print(s + " to " + i);
StdOut.printf(" (%.2f): ", sp.distTo(i));
if (sp.hasPathTo(i))
for (myDirectedEdge e : sp.pathTo(i))
StdOut.print(e + " ");
StdOut.println();
}
}
main 方法:从文件读取有向加权图 G,然后调用 myDijkstraSP 类计算从给定起点 s 出发的最短路径。
打印结果:对于每个顶点 i,打印从起点 s 到 i 的最短路径和路径长度。如果路径存在,则按顺序打印路径上的每条边。
总结
这段代码实现了 Dijkstra 最短路径算法。通过优先队列 myIndexMinPQ,代码能够高效地找到当前最短路径,并通过 relax 操作不断优化和更新路径信息。最终,算法能够求得从给定起点到图中所有其他顶点的最短路径,并通过 pathTo 方法返回最短路径的具体边。
实验步骤
实验步骤
java
C:\Users\xyz\IdeaProjects\algrithoms\src>javac myDijkstraSP.java
C:\Users\xyz\IdeaProjects\algrithoms\src>java myDijkstraSP data\tinyEWD.txt 0
0 to 0 (0.00):
0 to 1 (1.05): 0 -> 4 0.38 4 -> 5 0.35 5 -> 1 0.32
0 to 2 (0.26): 0 -> 2 0.26
0 to 3 (0.99): 0 -> 2 0.26 2 -> 7 0.34 7 -> 3 0.39
0 to 4 (0.38): 0 -> 4 0.38
0 to 5 (0.73): 0 -> 4 0.38 4 -> 5 0.35
0 to 6 (1.51): 0 -> 2 0.26 2 -> 7 0.34 7 -> 3 0.39 3 -> 6 0.52
0 to 7 (0.60): 0 -> 2 0.26 2 -> 7 0.34
辅助方法
myDirectedEdge
java
public class myDirectedEdge {
private int v;
private int w;
private final double weight;
public myDirectedEdge(int v, int w, double weight)
{
this.v = v;
this.w = w;
this.weight = weight;
}
public double weight()
{ return weight; }
public int from()
{ return v; }
public int to()
{ return w; }
public String toString()
{ return String.format("%d -> %d %.2f",v,w,weight); }
}
myEdgeWeightedDigraph
java
import edu.princeton.cs.algs4.In;
import edu.princeton.cs.algs4.StdOut;
public class myEdgeWeightedDigraph {
private myBag<myDirectedEdge>[] adj;
private int V;
private int E;
private static final String NEWLINE = System.getProperty("line.separator");
public myEdgeWeightedDigraph(int V)
{
this.V = V;
this.E = 0;
adj = (myBag<myDirectedEdge>[]) new myBag[V];
for(int v=0;v<V;v++)
adj[v] = new myBag<myDirectedEdge>();
}
public myEdgeWeightedDigraph(In in)
{
this(in.readInt());
int E = in.readInt();
for(int i = 0; i<E; i++)
{
int v = in.readInt();
int w = in.readInt();
double weight = in.readDouble();
myDirectedEdge e = new myDirectedEdge(v,w,weight);
addEdge(e);
}
}
public void addEdge(myDirectedEdge e)
{
adj[e.from()].add(e);
E++;
}
public int V() {return V;}
public int E() {return E;}
public Iterable<myDirectedEdge> adj(int v) { return adj[v]; }
public Iterable<myDirectedEdge> edges()
{
myBag<myDirectedEdge> bag = new myBag<myDirectedEdge>();
for(int v = 0;v<V;v++)
for(myDirectedEdge e:adj[v])
bag.add(e);
return bag;
}
public String toString() {
StringBuilder s = new StringBuilder();
s.append(V + " vertexes " + E + " edges " + NEWLINE);
for (int v = 0; v < V; v++) {
s.append(v + ": ");
for (myDirectedEdge e : adj[v]) {
s.append(e + " ");
}
s.append(NEWLINE);
}
return s.toString();
}
public static void main(String[] args)
{
In in = new In(args[0]);
myEdgeWeightedDigraph G = new myEdgeWeightedDigraph(in);
StdOut.println(G);
}
}