纸上谈兵: 最短路径与贪婪

  • 时间:
  • 浏览:0
  • 来源:十分时时彩_十分时时彩网投平台_线上十分时时彩投注平台

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。节点之间还时需由路径,即边的序列。根据路径,还时需从或多或少到达另或多或少。在一4个多 多样化的图中,图中两点还时需占据 或多或少路径。最短路径讨论了一4个多 非常简单的图论问题图片,图中从A点到B点 ,那条路径耗费最短?

这一问题图片又异常多样化,原因分析着网络的构成情况原因分析着很多样化。

一4个多 最简单的思路,是找出所有原因分析着的从A到B的路径,再通过比较,来寻找最短路径。然而,这并没法将问题图片多样化哪哪几个。原因分析着搜索从A到B的路径,这这一而是很多样化的事情。而大伙儿儿儿在搜索所有路径的过程中,有或多或少路径原因分析着绕了很远,完正没法搜索的必要。比如从上海到纽约的路线,完正没法必要先从上海飞到南极,再从南极飞到纽约,尽管这一路径也是二根可行的路径。

很多,大伙儿儿儿时需而是一4个多 算法:它还时需搜索路径,并当已知路径包括最短路径时,即停止搜索。大伙儿儿儿先以无权网络为例,看一4个多 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底下的总数。

大伙儿儿儿用“甩鞭子”的土方式,来寻找最短路径。鞭子的长度代表路径的距离。

手拿一4个多 特定长度的鞭子,站在A点。甩出鞭子,能打到或多或少点。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。什么点到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)。大伙儿儿儿同样还时需记录此时该点到A的距离,比如5。

 

原因分析着要记录节点E时,发现它原因分析着出现 在而是的记录中,这说明而是有更短的距离到E。此时,不将E里装记录中。毕竟,大伙儿儿儿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,没法打到A点自身。当大伙儿儿儿不断增加鞭子长度,第一次还时需打到B时,没法此时鞭子的长度,而是从A到B的最短距离。循着大伙儿儿儿的记录,倒推上游的节点,就还时需找出整个最短路径。

大伙儿儿儿的记录本是个很有意思的东西。某个点里装记录时,此时的距离,也有A点到该点的最短路径。根据记录,大伙儿儿儿还时需反推出记录中任何或多或少的最短路径。这就好像真诚对待每我其他人。这能保证,当你遇到真爱时,你原因分析着是在真诚相待了。实际上,记录将所有节点分割成4个多 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),每条边有其他人的权重。当大伙儿儿儿确定某个路径时,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,还时需坐火车,也还时需坐飞机。但这一确定耗费的时间不必同。再比如,大伙儿儿儿打出租车和坐公交车,都还时需到市区,但车资也有所不同。在计算机网络中,原因分析着硬件性能不同,连接的传输强度也有所差异。加权网络正适用于以上场景。无权网络是加权网络的一4个多 特例。

这一问题图片看起来和无权网络颇为例如。但原因分析着套用底下的土方式,大伙儿儿儿会发现,记录中的节点不必一定是最短距离。大伙儿儿儿看下面的例子:

很明显,最短路径是A->C->D->B,原因分析着它的总耗费没法4。按照底下的土方式,大伙儿儿儿先将A里装记录。从A出发,有B和C4个多 原因分析着将B和C一同里装记录,没法记录中的B不必符合最短距离的要求。

没法,为什么会么会么无权网络可行呢?假设某次记录时,鞭子长度为5,没法这次记录点的邻接点,必然是距离为6的点。原因分析着什么邻接点没法出现 过,没法6而是它们的最短距离。所有第一次出现 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的最短距离必然也有1。

对于加权网络来说,即使知道了邻接点,也无法判断它们是是是不是符合最短距离。在记录C/D/E时,大伙儿儿儿无法判断未来是是是不是占据 如下图虚线的连接,原因分析A的邻接点E并也有下一步的最短距离点:

但情况并没法大伙儿儿儿想的没法糟糕。仔细观察,大伙儿儿儿发现,虽然无法一次判定所有的邻接点为下一步的最短距离点,但大伙儿儿儿还时需确定点C原因分析着占据 从A出发的最短距离情况。A到C的其它原因分析着性,比如途径D和E,必然原因分析更大的成本。

也而是说,邻接点中,有一4个多 达到了最短距离点,即邻接点中,到达A距离最短的点,比如底下的C。大伙儿儿儿还时需安全的把C改为已知点。A和C也有已知点,点P成为新的邻接点。P到A得距离为4。

出于底下的观察,大伙儿儿儿还时需将节点分为这一:

  • 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,也有成功的原因分析着哦。”
  • 未知点:“还早得很。”

最初的已知点没法A。已知点的直接下游节点为邻接点。对于邻接点,大伙儿儿儿时需独立的记录它们。大伙儿儿儿要记录的有:

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

每次,大伙儿儿儿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。大伙儿儿儿时需计算从A出发,经由X,到达什么新增邻接点的距离:新距离 = X最短距离 + QX边的权重。此时有这一情况,

  • 原因分析着下游节点Q还也有邻接点,没法直接加入,Q最短距离 = 新距离,Q上游节点为X。
  • 原因分析着下游节点Q原因分析着是邻接点,记录在册的上游节点为Y,最短距离为y。原因分析着新距离小于y,没法最小距离改为新距离,上游节点也改为X。而是保持原记录不变。

大伙儿儿儿还用底下的图,探索A到E的路径:

第一步

  情况 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 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 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 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,还时需知道路径为E, P, C, A。正过来,而是从A到E的最短路径了。

底下的算法是经典的Dijkstra算法。本质上,每个邻接点记录的,是基于已知点的情况下,最好的确定,也而是所谓的“贪婪算法”(greedy algorithm)。当大伙儿儿儿贪婪时,大伙儿儿儿的决定是临时的,并没法做出最终的决定。转换某个点成为已知点后,大伙儿儿儿增加了新的原因分析着性,贪婪再次起作用。根据对比。而是,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原因分析着,原因分析着未知点还没法开放,必然时需经过现有的邻接点到达,只会更加绕远。好吧,该点再也没法贪婪的动力,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,大伙儿儿儿就找到了B的最短路径。

实现

理解了底下的原理,算法的实现是小菜一碟。大伙儿儿儿借用图 (graph)中的数据社会形态,略微修改,构建加权图。

大伙儿儿儿将底下的表格做成数组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 40000

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,也而是从A到C到P到E,是大伙儿儿儿的最短路径。

底下的算法中,最坏情况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,时需倒退,最多原因分析着有[$O|E|$],也而是说,算法多样化度为[$O(|V|^2 + |E|)$]。

底下的records为一4个多 数组,用于记录路径探索信息。大伙儿儿儿还时需用一4个多 优先队列来代替它,将已知的节点移除优先队列。而是还时需达到更好的运算强度。

练习: 自行设计一4个多 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。在多样化的网络中,简单的实现土方式无法运行,时需求能助 精心设计的算法,比如这里的Dijkstra算法。利用贪婪的思想,大伙儿儿儿不断的优化结果,直到找到最优解。

欢迎阅读“纸上谈兵: 算法与数据社会形态”系列