纸上谈兵: 最短路径与贪婪

  • 时间:
  • 浏览:0

作者:Vamei 出处:http://www.cnblogs.com/vamei 欢迎转载,也请保留这段声明。谢谢!

图是由节点和连接节点的边构成的。节点之间可以 由路径,即边的序列。根据路径,可以 从某些到达另某些。在哪几块 繁复的图中,图中两点可以 占据 某些路径。最短路径讨论了哪几块 非常简单的图论哪几种的问题报告 ,图中从A点到B点 ,那条路径耗费最短?

什儿 哪几种的问题报告 又异常繁复,为社 让网络的构成情况汇报为社 让很繁复。

哪几块 最简单的思路,是找出所有为社 让的从A到B的路径,再通过比较,来寻找最短路径。然而,这并越来越将哪几种的问题报告 繁复哪几块。为社 让搜索从A到B的路径,这某种为社 让很繁复的事情。而我们歌词 我们歌词 在搜索所有路径的过程中,有某些路径为社 让绕了很远,全版越来越搜索的必要。比如从上海到纽约的路线,全版越来越必要先从上海飞到南极,再从南极飞到纽约,尽管什儿 路径也是二根可行的路径。

很多,我们歌词 我们歌词 还要原来哪几块 算法:它可以 搜索路径,并当已知路径包括最短路径时,即停止搜索。我们歌词 我们歌词 先以无权网络为例,看哪几块 可行的最短路径算法。

无权网络

无权网络(unweighted network)是相对于加权网络的,这里的“权”是权重。每条边的耗费相同,都为1。路径的总耗费即为路径里边的总数。

我们歌词 我们歌词 用“甩鞭子”的土妙招,来寻找最短路径。鞭子的长度代表路径的距离。

手拿哪几块 特定长度的鞭子,站在A点。甩出鞭子,能打到某些点。比如C和D。

将鞭子的长度增加1。再甩出鞭子。此时,从C或D出发,寻找距离为1的邻接点,即E和F。哪几种点到A点的距离,为此时鞭子的长度。

记录点E和F,并记录它们的上游节点。比如E(C), F(D)。我们歌词 我们歌词 同样可以 记录此时该点到A的距离,比如5。

 

为社 让要记录节点E时,发现它为社 让老出在要我的记录中,这说明原来有更短的距离到E。此时,不将E装下 去记录中。毕竟,我们歌词 我们歌词 感兴趣的是最短路径。如下图中的E:

黄色的E不被记录

最初的鞭子长度为0,站在A点,只有打到A点自身。我们歌词 我们歌词 我们歌词 不断增加鞭子长度,第一次可以 打到B时,越来越此时鞭子的长度,为社 让从A到B的最短距离。循着我们歌词 我们歌词 的记录,倒推上游的节点,就可以 找出整个最短路径。

我们歌词 我们歌词 的记录本是个很有意思的东西。某个点装下 去记录时,此时的距离,后会 A点到该点的最短路径。根据记录,我们歌词 我们歌词 可以 反推出记录中任何某些的最短路径。这就好像真诚对待每自己。这能保证,当你遇到真爱时,你为社 让是在真诚相待了。实际上,记录将所有节点分割成哪几块 世界:记录内的,已知最短距离的;记录外的,未知的。

加权网络

加权网络中(weighted network),每条边有人及所有的权重。我们歌词 我们歌词 我们歌词 选取某个路径时,总耗费为路径上所有边的权重之和。

加权网络在生活中很常见,比如从北京到上海,可以 坐火车,也可以 坐飞机。但某种选取耗费的时间暂且同。再比如,我们歌词 我们歌词 打出租车和坐公交车,都可以 到市区,但车资后会 所不同。在计算机网络中,为社 让硬件性能不同,连接的传输速率 后会 所差异。加权网络正适用于以上场景。无权网络是加权网络的哪几块 特例。

什儿 哪几种的问题报告 看起来和无权网络颇为之类。但为社 让套用里边的土妙招,我们歌词 我们歌词 会发现,记录中的节点暂且一定是最短距离。我们歌词 我们歌词 看下面的例子:

很明显,最短路径是A->C->D->B,为社 让它的总耗费只有4。按照里边的土妙招,我们歌词 我们歌词 先将A装下 去记录。从A出发,有B和C哪几块 为社 让将B和C一块儿装下 去记录,越来越记录中的B暂且符合最短距离的要求。

越来越,为哪几种无权网络可行呢?假设某次记录时,鞭子长度为5,越来越这次记录点的邻接点,必然是距离为6的点。为社 让哪几种邻接点越来越老出过,越来越6为社 让它们的最短距离。所有第一次老出的邻接点,都将加入到下次的记录中。比如下面的例子,C/D/E是到达A的邻接点,它们到A的最短距离必为社 让会 1。

对于加权网络来说,即使知道了邻接点,也无法判断它们是与非 符合最短距离。在记录C/D/E时,我们歌词 我们歌词 无法判断未来是与非 占据 如下图虚线的连接,原因分析分析分析A的邻接点E并后会 下一步的最短距离点:

但情况汇报并越来越我们歌词 我们歌词 想的越来越糟糕。仔细观察,我们歌词 我们歌词 发现,实在 无法一次判定所有的邻接点为下一步的最短距离点,但我们歌词 我们歌词 可以 选取点C为社 让占据 从A出发的最短距离情况汇报。A到C的其它为社 让性,比如途径D和E,必然原因分析分析分析更大的成本。

也为社 让说,邻接点中,有哪几块 达到了最短距离点,即邻接点中,到达A距离最短的点,比如里边的C。我们歌词 我们歌词 可以 安全的把C改为已知点。A和C后会 已知点,点P成为新的邻接点。P到A得距离为4。

出于里边的观察,我们歌词 我们歌词 可以 将节点分为某种:

  • 已知点:已知到达A最短距离的点。“我是成功人士。”
  • 邻接点:有从记录点出发的边,直接相邻的点。“和成功人士接触,后会 成功的为社 让哦。”
  • 未知点:“还早得很。”

最初的已知点只有A。已知点的直接下游节点为邻接点。对于邻接点,我们歌词 我们歌词 还要独立的记录它们。我们歌词 我们歌词 要记录的有:

  • 当前情况汇报下,从A点出发到达该邻接点的最短距离。比如对于里边的点D,为6。
  • 此最短距离下的上游节点。对于里边的点D来说,为A。

每次,我们歌词 我们歌词 将邻接点中最短距离最小的点X转为已知点,并将该点的直接下游节点,改为邻接点。我们歌词 我们歌词 还要计算从A出发,经由X,到达哪几种新增邻接点的距离:新距离 = X最短距离 + QX边的权重。此时有某种情况汇报,

  • 为社 让下游节点Q还后会 邻接点,越来越直接加入,Q最短距离 = 新距离,Q上游节点为X。
  • 为社 让下游节点Q为社 让是邻接点,记录在册的上游节点为Y,最短距离为y。为社 让新距离小于y,越来越最小距离改为新距离,上游节点也改为X。为社 让保持原记录不变。

我们歌词 我们歌词 还用里边的图,探索A到E的路径:

第一步

  情况汇报 已知距离 上游
A 已知 0 A
邻接 1 A
D 邻接
E 邻接
P 未知  无穷  

第二步

  情况汇报 已知距离 上游
A 已知 0 A
已知 1 A
D 邻接
E 邻接
P 邻接 4 C

第二步

  情况汇报 已知距离 上游
A 已知 0 A
已知 1 A
D 邻接
E 邻接 7 P
P 已知  4 C

第三步

  情况汇报 已知距离 上游
A 已知 0 A
已知 1 A
D 已知
E 邻接 7 P
P 已知  4 C

最后,E成为已知。倒退,可以 知道路径为E, P, C, A。正过来,为社 让从A到E的最短路径了。

里边的算法是经典的Dijkstra算法。本质上,每个邻接点记录的,是基于已知点的情况汇报下,最好的选取,也为社 让所谓的“贪婪算法”(greedy algorithm)。我们歌词 我们歌词 我们歌词 贪婪时,我们歌词 我们歌词 的决定是临时的,并越来越做出最终的决定。转换某个点成为已知点后,我们歌词 我们歌词 增加了新的为社 让性,贪婪再次起作用。根据对比。要我,某个邻接点成为新的“贪无可贪”的点,即经由其它任意邻接点,到达该点都只会造成更高的成本; 经由未知点到达该点更不为社 让,为社 让未知点还越来越开放,必然还要经过现有的邻接点到达,只会更加绕远。好吧,该点再也越来越贪婪的动力,就被扔到“成功人士”里,成为已知点。成功学不断传染,最后感染到目标节点B,我们歌词 我们歌词 就找到了B的最短路径。

实现

理解了里边的原理,算法的实现是小菜一碟。我们歌词 我们歌词 借用图 (graph)中的数据底部形态,略微修改,构建加权图。

我们歌词 我们歌词 将里边的表格做成数组records,用于记录路径探索的信息。

重新给点A,C,D,E,P命名,为0, 1, 2, 3, 4。

代码如下:

/* By Vamei */
#include <stdio.h>
#include <stdlib.h>

#define NUM_V 5
#define INFINITY 1000

typedef struct node *position;
typedef struct record *label;

/* node */
struct node {
    int element;
    position next;
    int weight;
};

/* table element, keep record */
struct record {
    int status;
    int distance;
    int previous;
};

/* 
 * operations (stereotype)
 */
void insert_edge(position, int, int, int);
void print_graph(position, int);
int new_neighbors(position, label, int, int);
void shortest_path(position, label, int, int, int);

/* for testing purpose */
void main()
{
    struct node graph[NUM_V];
    struct record records[NUM_V];
    int i;

    // initialize the vertices
    for(i=0; i<NUM_V; i++) {
        (graph+i)->element = i;
        (graph+i)->next    = NULL;
        (graph+i)->weight  = -1;
    }

    // insert edges
    insert_edge(graph,0,1,1);
    insert_edge(graph,0,2,6);
    insert_edge(graph,0,3,9);
    insert_edge(graph,1,4,3);
    insert_edge(graph,4,3,3);

    print_graph(graph,NUM_V);
    
    // initialize the book
    for (i=0; i<NUM_V; i++){
        (records+i)->status   = -1;
        (records+i)->distance = INFINITY;
        (records+i)->previous = -1;
    }
    
    shortest_path(graph, records, NUM_V, 0, 3);
    
    // 
}
void shortest_path(position graph, label records, int nv, int start, int end) {
    int current;
    
    (records+start)->status   = 1;
    (records+start)->distance = 0;
    (records+start)->previous = 0;
    
    current = start;
    while(current != end) {
        current = new_neighbors(graph, records, nv, current);
    }
    
    while(current != start) {
        printf("%d <- ", current);
        current = (records+current)->previous;
    }
    printf("%d\n", current);
}

int new_neighbors(position graph, label records, int nv, int current) {
    int newDist;
    int v;
    int i;
    int d;
    
    position p;
    
    // update the current known
    (records + current)->status = 1;
    
    // UPDATE new neighbors
    p = (graph+current)->next;
    while(p != NULL) {
        v = p->element;
        (records + v)->status = 0;
        newDist = p->weight + (records + current)->distance;
        if ((records + v)->distance > newDist) {
            (records + v)->distance = newDist;
            (records + v)->previous = current;
        }
        p = p->next;
    }
    
    // find the next known
    d = INFINITY;
    for (i=0; i<nv; i++) {
        if ((records + i)->status==0 && (records + i)->distance < d){
            d = (records + i)->distance;
            v = i;
        }
    }
    return v;
}

/* print the graph */
void print_graph(position graph, int nv) {
    int i;
    position p;
    for(i=0; i<nv; i++) {
        p = (graph + i)->next;
        printf("From %3d: ", i);
        while(p != NULL) {
            printf("%d->%d; w:%d ", i, p->element, p->weight);
            p = p->next;
        }
        printf("\n");
    }
}

/*
 * insert an edge
 * with weight
 */
void insert_edge(position graph,int from, int to, int weight)
{
    position np;
    position nodeAddr;

    np = graph + from;

    nodeAddr = (position) malloc(sizeof(struct node));
    nodeAddr->element = to;
    nodeAddr->next    = np->next;
    nodeAddr->weight  = weight;
    np->next = nodeAddr;
}

运行结果如下:

From   0: 0->3; w:9 0->2; w:6 0->1; w:1 

From   1: 1->4; w:3 

From   2: 

From   3: 

From   4: 4->3; w:3 

3 <- 4 <- 1 <- 0

即从0到1到4到3,也为社 让从A到C到P到E,是我们歌词 我们歌词 的最短路径。

里边的算法中,最坏情况汇报是目标节点最后成为已知点,即要寻找[$O(|V|)$]。而每个已知点是通过寻找[$O(|V|)$]个节点的最小值得到的。最后,打印出最短的路径过程中,还要倒退,最多为社 让有[$O|E|$],也为社 让说,算法繁复度为[$O(|V|^2 + |E|)$]。

里边的records为哪几块 数组,用于记录路径探索信息。我们歌词 我们歌词 可以 用哪几块 优先队列来代替它,将已知的节点移除优先队列。原来可以 达到更好的运算速率 。

练习: 自行设计哪几块 加权网络,寻找最短路径。

总结

最短路径是寻找最优解的算法。在繁复的网络中,简单的实现土妙招无法运行,还要求有益于精心设计的算法,比如这里的Dijkstra算法。利用贪婪的思想,我们歌词 我们歌词 不断的优化结果,直到找到最优解。

欢迎阅读“纸上谈兵: 算法与数据底部形态”系列