Bellman-Ford最短路径算法

原文地址:http://blog.csdn.net/sunnyyoona/article/details/45222073

                https://my.oschina.net/u/1378920/blog/421768

单源最短路径

给定一个图,和一个源顶点src,找到从src到其它所有所有顶点的最短路径，图中可能含有负权值的边。

Dijksra的算法是一个贪婪算法,时间复杂度是O(VLogV)(使用最小堆)。但是迪杰斯特拉算法在有负权值边的图中不适用,Bellman-Ford适合这样的图。在网络路由中，该算法会被用作距离向量路由算法。

Bellman-Ford也比迪杰斯特拉算法更简单和同时也适用于分布式系统。但Bellman-Ford的时间复杂度是O(VE),这要比迪杰斯特拉算法慢。（V为顶点的个数,E为边的个数）

算法描述

输入:图 和 源顶点src
输出:从src到所有顶点的最短距离。如果有负权回路(不是负权值的边),则不计算该最短距离，没有意义，因为可以穿越负权回路任意次，则最终为负无穷。

算法步骤

1.初始化：将除源点外的所有顶点的最短距离估计值 dist[v] ← +∞, dist[s] ←0;
2.迭代求解：反复对边集E中的每条边进行松弛操作，使得顶点集V中的每个顶点v的最短距离估计值逐步逼近其最短距离；（运行|v|-1次）
3.检验负权回路：判断边集E中的每一条边的两个端点是否收敛。如果存在未收敛的顶点，则算法返回false，表明问题无解；否则算法返回true，并且从源点可达的顶点v的最短距离保存在 dist[v]中。

关于该算法的证明也比较简单，采用反证法，具体参考： http://courses.csail.mit.edu/6.006/spring11/lectures/lec15.pdf
该算法是利用 动态规划的思想。该算法以自底向上的方式计算最短路径。
它首先计算最多一条边时的最短路径(对于所有顶点)。然后,计算最多两条边时的最短路径。外层循环需要执行|V|-1次。

例子

一下面的有向图为例：给定源顶点是0，初始化源顶点距离所有的顶点都是是无穷大的,除了源顶点本身。因为有5个顶点，因此所有的边需要处理4次。

按照以下的顺序处理所有的边：(B,E), (D,B), (B,D), (A,B), (A,C), (D,C), (B,C), (E,D).
第一次迭代得到如下的结果(第一行为初始化情况,最后一行为最终结果)：

当 (B,E), (D,B), (B,D) 和 (A,B) 处理完后，得到的是第二行的结果。
当 (A,C) 处理完后，得到的是第三行的结果。
当 (D,C), (B,C) 和 (E,D) 处理完后，得到第四行的结果。

第一次迭代保证给所有最短路径最多只有1条边。当所有的边被第二次处理后，得到如下的结果(最后一行为最终结果)：

第二次迭代保证给所有最短路径最多只有2条边。我们还需要2次迭代(即所谓的松弛操作)，就可以得到最终结果。

public class BellmanFord {

	// 原点
	private int s;

	// 从原点到达i的距离为dist[i]
	private double dist[];

	// 最短路径的前驱节点
	private int[] prev;

	// 是否含有负权重环，默认false表示不含有
	private boolean negativeCycle;

	public BellmanFord(WeightDigraph g, int s) {

		int v = g.v();
		this.s = s;

		dist = new double[v];
		prev = new int[v];

		for (int i = 0; i < v; i++) {
			dist[i] = Double.POSITIVE_INFINITY;
			prev[i] = -1;
		}

		/**
		 * 由于最短路径一定是一条不含有环的简单路径 1.如果有正环，一定不是最短路径 2.如果是0环，可以去掉改环多余部分也不影响
		 * 3.如果是负环，则表示不存在最短路径
		 * 
		 * 简单路径中，数量为V的元素个数形成的最短路径有为V-1个边，对所有边进行V-1次更新，会得到所有点的最短路径
		 */
		// 不含有负环，所以s->s的最短路径当然为0
		dist[s] = 0;

		for (int i = 0; i < v - 1; i++) {
			for (int m = 0; m < v; m++) {
				relax(m, g);
			}
		}

		/**
		 * 在完成了v-1次全部边更新之后，理应无法继续更新，因为已经找到了s距离每个点的最短路径，如果还能继续更新，说明该图中含有负环。
		 * 一旦该图含有负环，则表示可以无限次更新下去，也就是说该图根本不存在最短路径
		 */

		for (int m = 0; m < v; m++) {
			for (Edge edge : g.adj(m)) {
				int n = edge.otherSide(m);

				if (dist[n] > dist[m] + edge.weight()) {
					// 含有负权重环
					negativeCycle = true;
					return;
				}
			}
		}

	}

	private void relax(int m, WeightDigraph g) {
		for (Edge edge : g.adj(m)) {
			int n = edge.otherSide(m);

			if (dist[n] > dist[m] + edge.weight()) {
				dist[n] = dist[m] + edge.weight();
				prev[n] = m;
			}
		}
	}

	/**
	 * 
	 * @Title: distTo
	 * @Description: s->d的最短距离
	 * @param @param d
	 * @param @return 设定文件
	 * @return double 返回类型
	 * @throws
	 */
	public double distTo(int d) {
		return dist[d];
	}

	/**
	 * 
	 * @Title: hasPathTo
	 * @Description: s->d是否存在可达路径
	 * @param @param d
	 * @param @return 设定文件
	 * @return boolean 返回类型
	 * @throws
	 */
	public boolean hasPathTo(int d) {
		return distTo(d) < Double.POSITIVE_INFINITY;
	}

	/**
	 * 
	 * @Title: pathTo
	 * @Description: s->d的最短路径
	 * @param @param d
	 * @param @return 设定文件
	 * @return Iterable 返回类型
	 * @throws
	 */
	public Iterable pathTo(int d) {
		if (!hasPathTo(d))
			return null;
		Stack path = new Stack();

		for (int i = d; i != -1; i = prev[i]) {
			path.push(i);
		}

		return path;
	}

	public static void main(String[] args) {
		//不含负权重环的文本数据
		String text1="F:\\算法\\attach\\tinyEWDn.txt";
		//含有负权重环的文本数据
		String text2="F:\\算法\\attach\\tinyEWDnc.txt";
		WeightDigraph g = new WeightDigraph(new In(text1
				));
		BellmanFord d = new BellmanFord(g, 0);

		if (d.negativeCycle) {
			System.out.println("该有向加权图含有负权重环，不存在最短路径");
		} else {
			for (int i = 0; i < g.v(); i++) {
				Iterable path = d.pathTo(i);
				if (path == null) {
					System.out.println("从原点" + d.s + "到" + i + "没有可达路径");
				} else {
					System.out.println("从原点" + d.s + "到" + i + "的最短距离为："
							+ d.distTo(i));
					System.out.print("路径为：");
					for (int j : d.pathTo(i)) {
						System.out.print(j + "->");
					}
					System.out.println();
				}
			}
		}
	}
}