Алгоритм Дейкстраса - Dijkstras algorithm - Wikipedia

Не путать с Алгоритм проектирования Дикстры.

Алгоритм Дейкстры

Алгоритм Дейкстры для поиска кратчайшего пути между а и б. Он выбирает непосещенную вершину с наименьшим расстоянием, вычисляет расстояние через нее до каждого непосещенного соседа и обновляет расстояние до соседа, если оно меньше. Отметьте посещенный (красный цвет), когда закончите с соседями.
Учебный класс	Алгоритм поиска Жадный алгоритм Динамическое программирование[1]
Структура данных	График Обычно используется с Приоритетная очередь /Куча для оптимизации[2][3]
Худший случай спектакль	${\displaystyle \Theta (|E|+|V|\log |V|)}$[3]

Алгоритм Дейкстры (или же Алгоритм поиска кратчайшего пути Дейкстры, Алгоритм SPF)^[4] является алгоритм для поиска кратчайшие пути между узлы в график, который может представлять, например, дорожные сети. Это было задумано специалист в области информатики Эдсгер В. Дейкстра в 1956 году и опубликован тремя годами позже.^[5][6][7]

Алгоритм существует во многих вариантах. Исходный алгоритм Дейкстры нашел кратчайший путь между двумя заданными узлами,^[7] но более распространенный вариант фиксирует единственный узел как "исходный" узел и находит кратчайшие пути от источника ко всем другим узлам в графе, создавая дерево кратчайшего пути.

Для данного исходного узла в графе алгоритм находит кратчайший путь между этим узлом и любым другим.^{[8]:196–206} Его также можно использовать для поиска кратчайших путей от одного узла к одному узлу назначения путем остановки алгоритма после определения кратчайшего пути к узлу назначения. Например, если узлы графа представляют города, а затраты на граничные пути представляют собой расстояния между парами городов, соединенных прямой дорогой (для простоты игнорируйте красный свет, знаки остановки, платные дороги и другие препятствия), можно использовать алгоритм Дейкстры. найти кратчайший маршрут между одним городом и всеми другими городами. Широко используемым применением алгоритма кратчайшего пути является сеть протоколы маршрутизации, в первую очередь IS-IS (От промежуточной системы к промежуточной системе) и сначала откройте кратчайший путь (OSPF ). Он также используется как подпрограмма в других алгоритмах, таких как Джонсона.

Алгоритм Дейкстры использует метки, которые являются положительными целыми или действительными числами, которые полностью заказанный. Его можно обобщить для использования любых меток, которые частично заказанный при условии, что следующие метки (последующая метка получается при пересечении кромки) монотонно неубывающая. Это обобщение называется общим алгоритмом поиска кратчайшего пути Дейкстры.^[9]

Алгоритм Дейкстры использует структуру данных для хранения и запроса частичных решений, отсортированных по расстоянию от начала. В то время как исходный алгоритм использует очередь с минимальным приоритетом и бежит в время ${\displaystyle \Theta ((|V|+|E|)\log |V|)}$(куда ${\displaystyle |V|}$ количество узлов и ${\displaystyle |E|}$ количество ребер), его также можно реализовать в ${\displaystyle \Theta (|V|^{2})}$ используя массив. Идея этого алгоритма также дана в Leyzorek et al. 1957 г.. Фредман и Тарьян 1984 предложить использовать Куча Фибоначчи очередь с минимальным приоритетом для оптимизации сложности времени выполнения до ${\displaystyle \Theta (|E|+|V|\log |V|)}$. Это асимптотически самый быстрый из известных источников алгоритм кратчайшего пути для произвольных ориентированные графы с неограниченными неотрицательными весами. Однако специализированные случаи (такие как ограниченные / целочисленные веса, ориентированные ациклические графы и т. Д.) Действительно могут быть улучшены, как подробно описано в Специализированные варианты.

В некоторых областях искусственный интеллект в частности, алгоритм Дейкстры или его вариант известен как поиск единой стоимости и сформулирован как пример более общей идеи поиск лучшего первого.^[10]

История

Какой самый короткий способ добраться из Роттердам к Гронинген, в общем: из данного города в данный город. Это алгоритм кратчайшего пути, который я разработал примерно за двадцать минут. Однажды утром я делал покупки в Амстердам С моей молодой невестой, уставшие, мы сели на террасе кафе, чтобы выпить чашку кофе, и я просто подумал, смогу ли я это сделать, и затем разработал алгоритм кратчайшего пути. Как я уже сказал, это было двадцать минутное изобретение. Фактически, он был опубликован в 59-м году, три года спустя. Публикация по-прежнему читабельна, на самом деле неплохая. Одна из причин, по которой он такой красивый, заключалась в том, что я разработал его без карандаша и бумаги. Позже я узнал, что одним из преимуществ проектирования без карандаша и бумаги является то, что вы почти вынуждены избегать всех сложностей, которых можно избежать. В конце концов, этот алгоритм стал, к моему большому изумлению, одним из краеугольных камней моей славы.

— Эдсгер Дейкстра, в интервью Филиппу Л. Франа, Коммуникации ACM, 2001^[6]

Дийкстра думал о проблеме кратчайшего пути, работая на Математический центр в Амстердаме в 1956 году в качестве программиста, чтобы продемонстрировать возможности нового компьютера под названием ARMAC.^[11] Его цель состояла в том, чтобы выбрать и проблему, и решение (которое будет создано компьютером), понятные людям, не занимающимся компьютерами. Он разработал алгоритм кратчайшего пути и позже реализовал его для ARMAC для немного упрощенной транспортной карты 64 городов в Нидерландах (64, так что 6 битов будет достаточно для кодирования номера города).^[6] Год спустя он столкнулся с другой проблемой инженеров по аппаратному обеспечению, работающих над следующим компьютером института: минимизировать количество проводов, необходимых для соединения контактов на задней панели машины. В качестве решения он заново открыл алгоритм, известный как Алгоритм минимального остовного дерева Прима (известный ранее Ярник, а также заново открыл Prim ).^[12][13] Дейкстра опубликовал алгоритм в 1959 году, через два года после Прима и через 29 лет после Ярника.^[14][15]

Алгоритм

Иллюстрация алгоритма Дейкстры, находящего путь от начального узла (нижний левый, красный) к целевому узлу (верхний правый, зеленый) в робот планирование движения проблема. Открытые узлы представляют собой «предварительный» набор (он же набор «непосещенных» узлов). Залитые узлы - это посещаемые узлы, цвет которых представляет расстояние: чем зеленее, тем ближе. Узлы во всех разных направлениях исследуются одинаково, выглядя более или менее как круглая волновой фронт поскольку алгоритм Дейкстры использует эвристический тождественно равно 0.

Пусть узел, с которого мы начинаем, назовем начальный узел. Пусть расстояние до узла Y быть расстоянием от начальный узел к Y. Алгоритм Дейкстры назначит некоторые начальные значения расстояния и попытается улучшить их шаг за шагом.

1. Отметьте все узлы как непосещенные. Создайте набор всех непосещенных узлов, называемых непосещенный набор.
2. Назначьте каждому узлу примерное значение расстояния: установите его равным нулю для нашего начального узла и бесконечности для всех остальных узлов. Установите начальный узел как текущий.^[16]
3. Для текущего узла рассмотрите всех его непосещенных соседей и вычислите их пробный расстояния через текущий узел. Сравните вновь рассчитанные пробный расстояние до текущего присвоенного значения и присвоить меньшее. Например, если текущий узел А отмечен расстоянием 6, а ребро, соединяющее его с соседом B имеет длину 2, то расстояние до B через А будет 6 + 2 = 8. Если B был ранее отмечен расстоянием больше 8, измените его на 8. В противном случае будет сохранено текущее значение.
4. Когда мы закончим рассмотрение всех непосещенных соседей текущего узла, отметьте текущий узел как посещенный и удалите его из списка. непосещенный набор. Посещенный узел больше никогда не будет проверен.
5. Если целевой узел отмечен как посещенный (при планировании маршрута между двумя конкретными узлами) или если наименьшее предварительное расстояние между узлами в непосещенный набор равно бесконечности (при планировании полного обхода; возникает, когда нет связи между начальным узлом и оставшимися непосещенными узлами), затем остановитесь. Алгоритм закончен.
6. В противном случае выберите непосещенный узел, отмеченный наименьшим ориентировочным расстоянием, установите его как новый «текущий узел» и вернитесь к шагу 3.

При планировании маршрута на самом деле нет необходимости ждать, пока целевой узел будет "посещен", как указано выше: алгоритм может остановиться, как только целевой узел будет иметь наименьшее предварительное расстояние среди всех "непосещенных" узлов (и, таким образом, может быть выбран в качестве следующий "текущий").

Описание

Примечание: Для простоты понимания в данном обсуждении используются термины пересечение, Дорога и карта - однако в формальной терминологии эти термины вершина, край и график, соответственно.

Предположим, вы хотите найти кратчайший путь между двумя перекрестки на карте города: a отправная точка и пункт назначения. Алгоритм Дейкстры изначально отмечает расстояние (от начальной точки) до каждого другого перекрестка на карте с помощью бесконечность. Это сделано не для того, чтобы подразумевать, что существует бесконечное расстояние, а для того, чтобы отметить, что эти перекрестки еще не посещались. Некоторые варианты этого метода оставляют расстояния пересечений немаркированный. Теперь выберите текущий перекресток на каждой итерации. Для первой итерации текущее пересечение будет начальной точкой, а расстояние до него (метка пересечения) будет нуль. Для последующих итераций (после первой) текущее пересечение будет ближайший непосещаемый перекресток до отправной точки (это будет легко найти).

От текущего перекрестка, Обновить расстояние до каждого непосещаемого перекрестка, который напрямую с ним связан. Это делается путем определения сумма расстояния между непосещенным перекрестком и значением текущего перекрестка, а затем перемаркировка непосещенное пересечение с этим значением (сумма), если оно меньше текущего значения непосещенного пересечения. Фактически, перекресток помечается заново, если путь к нему через текущий перекресток короче, чем ранее известные пути. Чтобы облегчить определение кратчайшего пути, отметьте карандашом дорогу стрелкой, указывающей на перемаркированный перекресток, если вы пометили / перемаркировали его, и сотрите все остальные, указывающие на него. После обновления расстояний до каждого соседний перекресток, отметьте текущее пересечение как посетил и выберите непосещаемый перекресток с минимальным расстоянием (от начальной точки) или самой нижней меткой в ​​качестве текущего перекрестка. Перекрестки, отмеченные как посещенные, помечаются кратчайшим путем от начальной точки до нее и не будут пересмотрены или возвращены.

Продолжайте этот процесс обновления соседних перекрестков с помощью кратчайших расстояний, отмечая текущий перекресток как посещенный и переходя к ближайшему непосещаемому перекрестку, пока вы не отметите пункт назначения как посещенный. После того, как вы отметили пункт назначения как посещенный (как в случае с любым посещенным перекрестком), вы определили кратчайший путь к нему от начальной точки и можете проследите свой путь назад, следуя стрелкам в обратном направлении. В реализациях алгоритма это обычно делается (после того, как алгоритм достиг целевого узла), следуя за родителями узлов от целевого узла до начального; вот почему мы также отслеживаем родителя каждого узла.

Этот алгоритм не делает попытки прямого «исследования» к месту назначения, как можно было бы ожидать. Скорее, единственное соображение при определении следующего «текущего» пересечения - это его расстояние от начальной точки. Поэтому этот алгоритм расширяется наружу от начальной точки, интерактивно рассматривая каждый узел, который находится ближе с точки зрения кратчайшего пути, пока он не достигнет пункта назначения. При таком понимании становится ясно, как алгоритм обязательно находит кратчайший путь. Однако это может также выявить одну из слабых сторон алгоритма: его относительную медлительность в некоторых топологиях.

Псевдокод

В следующих псевдокод алгоритм, код u ← вершина в Q с минимальным расстоянием [u], ищет вершину ты в наборе вершин Q у которого меньше всего dist [ты] ценить. длина(ты, v) возвращает длину ребра, соединяющего (то есть расстояние между) двумя соседними узлами ты и v. Переменная альт в строке 18 - длина пути от корневого узла до соседнего узла v если бы это должно было пройти ты. Если этот путь короче текущего кратчайшего пути, записанного для v, этот текущий путь заменяется этим альт дорожка. В предыдущий массив заполняется указателем на узел «следующего перехода» на исходном графе, чтобы получить кратчайший путь к источнику.

Демонстрация алгоритма Дейкстры, основанного на евклидовом расстоянии. Красные линии - это кратчайший путь, покрывающий, т. Е. Соединяющий ты и предыдущая [ты]. Синие линии показывают, где происходит расслабление, т.е. v с узлом ты в Q, что дает более короткий путь от источника до v.

 1  функция Дийкстра (График, источник): 2 3 создать набор вершин Q 4 5 для каждого вершина v в График: 6 расст [v] ← БЕСКОНЕЧНОСТЬ 7 пред. [v] ← НЕ ОПРЕДЕЛЕНА 8 добавить v к Q                      9 расст [источник] ← 0                       10     11      пока Q не пусто: 12 ты ← вершина в Q с минимальным расстоянием [u] 13 14 удалить ты из Q15         16          для каждого сосед v из ты:           // только v, которые все еще в Q17              альт ← dist [ты] + длина (ты, v)18              если альт v]: 19 расст [v] ← альт20 пред [v] ← ты2122      возвращаться dist [], prev []

Если нас интересует только кратчайший путь между вершинами источник и цель, мы можем прекратить поиск после строки 15, если ты = цель.Теперь мы можем прочитать кратчайший путь из источник к цель обратной итерацией:

1  S ← пустая последовательность2 ты ← цель3  если пред [ты] определено или же ты = источник:          // Делаем что-то, только если вершина достижима4      пока ты определено: // Строим кратчайший путь со стеком S5 вставка ты в начале S        // Помещаем вершину в стек6          ты ← предыдущая [ты]                           // Переход от цели к источнику

Теперь последовательность S - список вершин, составляющих один из кратчайших путей из источник к цельили пустая последовательность, если путь не существует.

Более общая проблема - найти все кратчайшие пути между источник и цель (их может быть несколько одинаковой длины). Тогда вместо того, чтобы хранить только один узел в каждой записи предыдущая [] мы бы сохранили все узлы, удовлетворяющие условию релаксации. Например, если оба р и источник присоединиться цель и оба они лежат на разных кратчайших путях через цель (поскольку стоимость края одинакова в обоих случаях), тогда мы добавим оба р и источник к пред [цель]. Когда алгоритм завершится, предыдущая [] структура данных будет фактически описывать граф, который является подмножеством исходного графа с некоторыми удаленными ребрами. Его ключевым свойством будет то, что если алгоритм был запущен с некоторым начальным узлом, то каждый путь от этого узла к любому другому узлу в новом графе будет кратчайшим путем между этими узлами в исходном графе и всеми путями этой длины от исходный график будет представлен в новом графике. Затем, чтобы найти все эти кратчайшие пути между двумя заданными узлами, мы будем использовать алгоритм поиска пути на новом графе, например поиск в глубину.

Использование очереди с приоритетом

Очередь с минимальным приоритетом - это абстрактный тип данных, который обеспечивает 3 основные операции: add_with_priority (), уменьшение_приорити () и extract_min (). Как упоминалось ранее, использование такой структуры данных может привести к сокращению времени вычислений, чем использование базовой очереди. В частности, Куча Фибоначчи (Фредман и Тарьян 1984 ) или же Бродальская очередь предложить оптимальные реализации для этих 3 операций. Поскольку алгоритм немного отличается, мы упоминаем об этом здесь, также в псевдокоде:

1  функция Дийкстра (График, источник): 2 расст [источник] ← 0                           // Инициализация34 создать очередь с приоритетом вершин Q56 для каждого вершина v в График:          7          если v ≠ источник8 расст [v] ← БЕСКОНЕЧНОСТЬ // Неизвестное расстояние от источника до v9 пред [v] ← НЕ ОПРЕДЕЛЕН // Предшественник v1011         Q.add_with_priority (v, dist [v])121314     пока Q не пусто: // Основной цикл15         ты ← Q.extract_min () // Удаляем и возвращаем лучшую вершину16         для каждого сосед v из ты:              // только v, которые все еще в Q17             альт ← dist [ты] + длина (ты, v)18             если альт v] 19 расст [v] ← альт20 пред [v] ← ты21                 Q.decrease_priority (v, альт)2223     возвращаться dist, prev

Вместо того, чтобы заполнять очередь приоритетов всеми узлами на этапе инициализации, также можно инициализировать ее, чтобы она содержала только источник; затем внутри если альт v] блок, reduce_priority становится add_with_priority операция, если узел еще не находится в очереди.^[8]:198

Еще одна альтернатива - безоговорочно добавить узлы в приоритетную очередь и вместо этого после извлечения проверить, что более короткое соединение еще не найдено. Это можно сделать, дополнительно извлекая связанный приоритет п из очереди и только дальнейшая обработка если п ≤ dist [ты] внутри пока Q не пусто петля.

Эти альтернативы могут использовать очереди приоритетов, полностью основанные на массивах, без функции уменьшения ключа, которая, как было обнаружено, обеспечивает на практике еще более быстрое время вычислений.^[17]

Доказательство правильности

Доказательство алгоритма Дейкстры строится индукцией по количеству посещенных узлов.

Инвариантная гипотеза: Для каждого узла v, dist [v] это кратчайшее расстояние от источник к v при перемещении только через посещенные узлы или бесконечность, если такой путь не существует. (Примечание: мы не предполагаем dist [v] - фактическое кратчайшее расстояние для непосещенных узлов.)

Базовый случай - это когда есть только один посещаемый узел, а именно начальный узел. источник, и в этом случае гипотеза банальный.

В противном случае предположим гипотезу для п-1 посещенные узлы. В этом случае мы выбираем ребро ву куда ты имеет меньше всего dist [u] любых непосещенных узлов и края ву таково, что dist [u] = dist [v] + длина [v, u]. dist [u] считается кратчайшим расстоянием от источник к ты потому что если бы был более короткий путь, и если бы ш был первым непосещенным узлом на этом пути тогда, согласно исходной гипотезе расстояние [ш] > dist [u] что создает противоречие. Аналогично, если бы был более короткий путь к ты без использования непосещенных узлов, и если предпоследний узел на этом пути был ш, тогда у нас было бы dist [u] = dist [w] + длина [w, u], тоже противоречие.

После обработки ты по-прежнему будет верно, что для каждого непосещенного узла ш, расстояние [ш] будет кратчайшим расстоянием от источник к ш используя только посещенные узлы, потому что если бы был более короткий путь, который не проходит ты мы бы нашли его раньше, и если бы был более короткий путь, используя ты мы бы обновили его при обработке ты.

После посещения всех узлов кратчайший путь от источник к любому узлу v состоит только из посещенных узлов, поэтому dist [v] это кратчайшее расстояние.

Продолжительность

Границы времени работы алгоритма Дейкстры на графе с ребрами E и вершины V можно выразить как функцию количества ребер, обозначенную ${\displaystyle |E|}$, и количество вершин, обозначенное ${\displaystyle |V|}$, с помощью нотация big-O. Граница сложности зависит в основном от структуры данных, используемой для представления набора Q. В дальнейшем можно упростить верхние границы, поскольку ${\displaystyle |E|}$ является ${\displaystyle \Theta (|V|^{2})}$ для любого графа, но это упрощение не учитывает тот факт, что в некоторых задачах другие верхние границы ${\displaystyle |E|}$ может держать.

Для любой структуры данных для набора вершин Q, время работы в^[2]

${\displaystyle \Theta (|E|\cdot T_{\mathrm {dk} }+|V|\cdot T_{\mathrm {em} }),}$

куда ${\displaystyle T_{\mathrm {dk} }}$ и ${\displaystyle T_{\mathrm {em} }}$ сложность клавиша уменьшения и экстракт-минимум операции в Q, соответственно. В простейшей версии алгоритма Дейкстры хранится набор вершин Q как обычный связанный список или массив, а extract-minimum - это просто линейный поиск по всем вершинам в Q. В этом случае время работы составляет ${\displaystyle \Theta (|E|+|V|^{2})=\Theta (|V|^{2})}$.

Если граф хранится как список смежности, время работы для плотного графа (т. Е. Где ${\displaystyle |E|\in \Theta (|V|^{2})}$) является

${\displaystyle \Theta ((|V|^{2})\log |V|)}$.

За разреженные графики, то есть графы с гораздо меньшим, чем ${\displaystyle |V|^{2}}$ рёбер, алгоритм Дейкстры можно реализовать более эффективно, сохранив граф в виде списки смежности и используя самобалансирующееся двоичное дерево поиска, двоичная куча, куча сопряжения, или же Куча Фибоначчи как приоритетная очередь реализовать добычу минимум эффективно. Чтобы эффективно выполнять шаги с уменьшением ключа в двоичной куче, необходимо использовать вспомогательную структуру данных, которая отображает каждую вершину в ее положение в куче, и поддерживать эту структуру в актуальном состоянии в качестве очереди приоритетов. Q изменения. С самобалансирующимся двоичным деревом поиска или двоичной кучей алгоритм требует

${\displaystyle \Theta ((|E|+|V|)\log |V|)}$

время в худшем случае (где ${\displaystyle \log }$ обозначает двоичный логарифм ${\displaystyle \log _{2}}$); для связных графов эту временную границу можно упростить до ${\displaystyle \Theta (|E|\log |V|)}$. В Куча Фибоначчи улучшает это до

${\displaystyle \Theta (|E|+|V|\log |V|).}$

При использовании двоичных куч средний случай временная сложность ниже, чем в наихудшем случае: предполагается, что затраты на границу рассчитываются независимо от общего распределение вероятностей, ожидаемое количество клавиша уменьшения операции ограничены ${\displaystyle \Theta (|V|\log(|E|/|V|))}$, что дает общее время работы^{[8]:199–200}

${\displaystyle O\left(|E|+|V|\log {\frac {|E|}{|V|}}\log |V|\right).}$

Практические оптимизации и бесконечные графики

В обычных представлениях алгоритма Дейкстры изначально все узлы помещаются в очередь приоритетов. Однако в этом нет необходимости: алгоритм может начинаться с очереди с приоритетом, содержащей только один элемент, и вставлять новые элементы по мере их обнаружения (вместо нажатия клавиши уменьшения проверьте, находится ли ключ в очереди; если он есть, уменьшите его ключ, иначе вставьте его).^[8]:198 Этот вариант имеет те же границы наихудшего случая, что и общий вариант, но на практике поддерживает очередь с меньшим приоритетом, что ускоряет операции с очередью.^[10]

Более того, отсутствие вставки всех узлов в граф позволяет расширить алгоритм для поиска кратчайшего пути от единственного источника до ближайшего из набора целевых узлов на бесконечных графах или тех, которые слишком велики для представления в памяти. Полученный алгоритм называется поиск по единой стоимости (UCS) в литературе по искусственному интеллекту^[10][18][19] и может быть выражен в псевдокоде как

процедура uniform_cost_search (График, начало, цель) является    узел ← начальная стоимость ← граница 0 ← приоритетная очередь, содержащая только исследуемый узел ← пустой набор делать        если граница пуста тогда            возвращаться узел сбоя ← frontier.pop () если узел это цель тогда            возвращаться решение explored.add (узел) для каждого соседей узла п делать            если п не исследуется тогда                frontier.add (п)

Сложность этого алгоритма может быть выражена альтернативным способом для очень больших графов: когда C^* - длина кратчайшего пути от начального узла до любого узла, удовлетворяющего предикату "цель", каждое ребро имеет стоимость не менее ε, а количество соседей на узел ограничено б, то наихудшая временная и пространственная сложность алгоритма находится в О(б^{1+⌊C* ​⁄ ε⌋}).^[18]

Дальнейшие оптимизации алгоритма Дейкстры для случая единственной цели включают двунаправленный варианты, целевые варианты, такие как Алгоритм A * (видеть § Связанные проблемы и алгоритмы ), сокращение графа, чтобы определить, какие узлы, вероятно, образуют средний сегмент кратчайших путей (маршрутизация на основе охвата), и иерархическая декомпозиция входного графа, которая сокращает s–т маршрутизация для подключения s и т к их соответствующим "транзитные узлы "с последующим вычислением кратчайшего пути между этими транзитными узлами с использованием" шоссе ".^[20]Комбинации таких методов могут потребоваться для оптимального практического выполнения конкретных задач.^[21]

Специализированные варианты

Когда веса дуги - маленькие целые числа (ограниченные параметром ${\displaystyle C}$), специализированные очереди, которые используют этот факт, могут использоваться для ускорения алгоритма Дейкстры. Первый алгоритм этого типа был Алгоритм набора (Набери 1969 ) для графов с положительным целочисленным весом ребер, который использует очередь ведра чтобы получить время работы ${\displaystyle O(|E|+|V|C)}$. Использование Дерево Ван Эмде Боаса поскольку приоритетная очередь усложняет ${\displaystyle O(|E|\log \log C)}$ (Ахуджа и др. 1990 г. ). Еще один интересный вариант, основанный на сочетании нового куча системы счисления а известная куча Фибоначчи работает во времени ${\displaystyle O(|E|+|V|{\sqrt {\log C}})}$ (Ахуджа и др. 1990 г. ). Наконец, лучшие алгоритмы в этом частном случае следующие. Алгоритм, представленный (Thorup 2000 ) работает в ${\displaystyle O(|E|\log \log |V|)}$ время и алгоритм (Раман 1997 ) работает в ${\displaystyle O(|E|+|V|\min\{(\log |V|)^{1/3+\varepsilon },(\log C)^{1/4+\varepsilon }\})}$ время.

Связанные проблемы и алгоритмы

Функциональность оригинального алгоритма Дейкстры может быть расширена с помощью множества модификаций. Например, иногда желательно представить решения, которые не являются оптимальными с математической точки зрения. Чтобы получить ранжированный список неоптимальных решений, сначала вычисляется оптимальное решение. Единственное ребро, появляющееся в оптимальном решении, удаляется из графа, и вычисляется оптимальное решение для этого нового графа. Каждое ребро исходного решения по очереди подавляется и вычисляется новый кратчайший путь. Затем вторичные решения ранжируются и представляются после первого оптимального решения.

Алгоритм Дейкстры обычно является принципом работы протоколы маршрутизации по состоянию канала, OSPF и IS-IS самые распространенные.

В отличие от алгоритма Дейкстры, Алгоритм Беллмана – Форда может использоваться на графах с отрицательными весами ребер, если граф не содержит отрицательный цикл достижимый из исходной вершины s. Наличие таких циклов означает, что кратчайшего пути нет, так как общий вес уменьшается каждый раз при прохождении цикла. (Этот оператор предполагает, что «путь» может повторять вершины. теория графов это обычно не допускается. В теоретическая информатика это часто допускается.) Алгоритм Дейкстры можно адаптировать для обработки ребер с отрицательным весом, объединив его с алгоритмом Беллмана-Форда (для удаления отрицательных ребер и обнаружения отрицательных циклов), такой алгоритм называется Алгоритм Джонсона.

В Алгоритм A * является обобщением алгоритма Дейкстры, который сокращает размер подграфа, который необходимо исследовать, если доступна дополнительная информация, которая обеспечивает нижнюю границу «расстояния» до цели. Этот подход можно рассматривать с точки зрения линейное программирование: есть естественный линейная программа для вычисления кратчайших путей, и решения его двойная линейная программа возможны тогда и только тогда, когда они образуют последовательная эвристика (грубо говоря, поскольку условные обозначения знаков в литературе различаются). Эта возможная двойная / согласованная эвристика определяет неотрицательный сниженная стоимость а A *, по сути, выполняет алгоритм Дейкстры с этими уменьшенными затратами. Если двойник удовлетворяет более слабому условию допустимость, то A * больше похож на алгоритм Беллмана – Форда.

Процесс, лежащий в основе алгоритма Дейкстры, аналогичен жадный процесс, используемый в Алгоритм Прима. Цель Прим - найти минимальное остовное дерево который соединяет все узлы в графе; Дейкстра имеет дело только с двумя узлами. Prim не оценивает общий вес пути от начального узла, только отдельные ребра.

Поиск в ширину можно рассматривать как частный случай алгоритма Дейкстры на невзвешенных графах, где очередь с приоритетом вырождается в очередь FIFO.

В метод быстрого марша можно рассматривать как непрерывную версию алгоритма Дейкстры, который вычисляет геодезическое расстояние на треугольной сетке.

Перспектива динамического программирования

Из динамическое программирование с точки зрения алгоритма Дейкстры - это схема последовательного приближения, которая решает функциональное уравнение динамического программирования для задачи кратчайшего пути с помощью Достижение метод.^[22][23][24]

Фактически, объяснение Дейкстры логики алгоритма,^[25] а именно

Проблема 2. Найдите путь минимальной общей длины между двумя заданными узлами ${\displaystyle P}$ и ${\displaystyle Q}$.

Мы используем тот факт, что если ${\displaystyle R}$ узел на минимальном пути из ${\displaystyle P}$ к ${\displaystyle Q}$, знание последнего предполагает знание минимального пути от ${\displaystyle P}$ к ${\displaystyle R}$.

это перефразирование Беллмана известный Принцип оптимальности в контексте задачи о кратчайшем пути.

Приложения

Рассчитываются пути с наименьшей стоимостью, например, для прокладки линий электропередач или нефтепроводов. Алгоритм также использовался для расчета оптимальных пешеходных маршрутов на большие расстояния в Эфиопии и сопоставления их с ситуацией на местности.^[26]

Смотрите также

• Алгоритм поиска A *
• Алгоритм Беллмана – Форда
• Евклидов кратчайший путь
• Заливка
• Алгоритм Флойда-Уоршолла
• Алгоритм Джонсона
• Проблема самого длинного пути
• Параллельный алгоритм кратчайшего пути для всех пар

Примечания

1. Спорный, см. Моше Сниедович (2006). «Новый взгляд на алгоритм Дейкстры: связь с динамическим программированием». Управление и кибернетика. 35: 599–620. и ниже часть.
2. Cormen et al. 2001 г.
3. Фредман и Тарьян, 1987 г.
4. «OSPF Incremental SPF». Cisco.
5. Ричардс, Гамильтон. "Эдсгер Вайбе Дейкстра". ЯВЛЯЮСЬ. Премия Тьюринга. Ассоциация вычислительной техники. Получено 16 октября 2017. В Математическом центре одним из крупных проектов было создание компьютера ARMAC. К своей официальной инаугурации в 1956 году Дейкстра разработал программу для решения проблемы, интересной для нетехнической аудитории: учитывая сеть дорог, соединяющих города, какой самый короткий маршрут между двумя обозначенными городами?
6. Франа, Фил (август 2010). "Интервью с Эдсгером В. Дейкстрой". Коммуникации ACM. 53 (8): 41–47. Дои:10.1145/1787234.1787249.
7. Дейкстра, Э. В. (1959). «Заметка о двух проблемах, связанных с графиками» (PDF). Numerische Mathematik. 1: 269–271. Дои:10.1007 / BF01386390. S2CID  123284777.
8. Мельхорн, Курт; Сандерс, Питер (2008). «Глава 10. Кратчайшие пути» (PDF). Алгоритмы и структуры данных: базовый набор инструментов. Springer. Дои:10.1007/978-3-540-77978-0. ISBN  978-3-540-77977-3.
9. Щесняк, Иренеуш; Яйщик, Анджей; Возна-Щесняк, Божена (2019). «Дженерик Дейкстры для оптических сетей». Журнал оптических коммуникаций и сетей. 11 (11): 568–577. arXiv:1810.04481. Дои:10.1364 / JOCN.11.000568. S2CID  52958911.
10. Фельнер, Ариэль (2011). Документ с изложением позиции: алгоритм Дейкстры против поиска по единообразной стоимости или аргумент против алгоритма Дейкстры. Proc. 4-й международный симпозиум. по комбинаторному поиску. В задаче поиска маршрута Фельнер обнаружил, что очередь может быть в 500–600 раз меньше, что займет около 40% рабочего времени.
11. «АРМАК». Невоспетые герои голландской компьютерной истории. 2007. Архивировано с оригинал 13 ноября 2013 г.
12. Дейкстра, Эдсгер В., Размышления о "Заметке о двух проблемах, связанных с графами. (PDF)
13. Тарджан, Роберт Эндре (1983), Структуры данных и сетевые алгоритмы, Серия региональных конференций CBMS_NSF по прикладной математике, 44, Общество промышленной и прикладной математики, стр. 75, Третий классический алгоритм минимального остовного дерева был открыт Ярником и переоткрыт Примом и Дикстра; он широко известен как алгоритм Прима.
14. Prim, R.C. (1957). «Сети кратчайших соединений и некоторые обобщения» (PDF). Технический журнал Bell System. 36 (6): 1389–1401. Bibcode:1957BSTJ ... 36.1389P. Дои:10.1002 / j.1538-7305.1957.tb01515.x. Архивировано из оригинал (PDF) 18 июля 2017 г.. Получено 18 июля 2017.
15. В. Ярник: O jistém problému minimálním [Об одной минимальной задаче], Práce Moravské Přírodovědecké Společnosti, 6, 1930, стр. 57–63. (на чешском языке)
16. Гасс, Саул; Фу, Майкл (2013). Гасс, Савл I; Фу, Майкл С. (ред.). «Алгоритм Дейкстры». Энциклопедия исследований операций и науки управления. Springer. 1. Дои:10.1007/978-1-4419-1153-7. ISBN  978-1-4419-1137-7 - через Springer Link.
17. Chen, M .; Chowdhury, R.A .; Рамачандран, V .; Roche, D. L .; Тонг, Л. (2007). Приоритетные очереди и алгоритм Дейкстры - Технический отчет UTCS TR-07-54 - 12 октября 2007 г. (PDF). Остин, Техас: Техасский университет в Остине, факультет компьютерных наук.
18. Рассел, Стюарт; Норвиг, Питер (2009) [1995]. Искусственный интеллект: современный подход (3-е изд.). Прентис Холл. С. 75, 81. ISBN  978-0-13-604259-4.
19. Иногда также поиск с наименьшей стоимостью: Нау, Дана С. (1983). «Экспертные компьютерные системы» (PDF). Компьютер. IEEE. 16 (2): 63–85. Дои:10.1109 / mc.1983.1654302.
20. Вагнер, Доротея; Уилхальм, Томас (2007). Методы ускорения вычислений кратчайшего пути. STACS. С. 23–36.
21. Бауэр, Рейнхард; Деллинг, Дэниел; Сандерс, Питер; Шифердекер, Деннис; Шультес, Доминик; Вагнер, Доротея (2010). «Сочетание иерархических и целенаправленных методов ускорения для алгоритма Дейкстры». J. Экспериментальная алгоритмика. 15: 2.1. Дои:10.1145/1671970.1671976. S2CID  1661292.
22. Сниедович, М. (2006). «Новый взгляд на алгоритм Дейкстры: связь с динамическим программированием» (PDF). Журнал управления и кибернетики. 35 (3): 599–620. Онлайн-версия статьи с интерактивными вычислительными модулями.
23. Денардо, Э. (2003). Динамическое программирование: модели и приложения. Минеола, штат Нью-Йорк: Dover Publications. ISBN  978-0-486-42810-9.
24. Снидович, М. (2010). Динамическое программирование: основы и принципы. Фрэнсис и Тейлор. ISBN  978-0-8247-4099-3.
25. Дейкстра 1959, п. 270
26. Ниссен, Дж., Тесфаалем Гебрейоханнес, Хайлемариам Меаза, Дондейн, С., 2020. Изучение средневековой африканской карты (Аксум, Эфиопия) - Как исторические карты сочетаются с топографией? В: De Ryck, M., Nyssen, J., Van Acker, K., Van Roy, W., Liber Amicorum: Philippe De Maeyer In Kaart. Вахтебеке (Бельгия): University Press: 165-178.

Рекомендации

• Кормен, Томас Х.; Лейзерсон, Чарльз Э.; Ривест, Рональд Л.; Штейн, Клиффорд (2001). «Раздел 24.3: алгоритм Дейкстры». Введение в алгоритмы (Второе изд.). MIT Press и Макгроу-Хилл. С. 595–601. ISBN  0-262-03293-7.
• Циферблат, Роберт Б. (1969). «Алгоритм 360: Лес кратчайшего пути с топологическим упорядочением [H]». Коммуникации ACM. 12 (11): 632–633. Дои:10.1145/363269.363610. S2CID  6754003.
• Фредман, Майкл Лоуренс; Тарджан, Роберт Э. (1984). Кучи Фибоначчи и их использование в улучшенных алгоритмах оптимизации сети. 25-й ежегодный симпозиум по основам информатики. IEEE. С. 338–346. Дои:10.1109 / SFCS.1984.715934.
• Фредман, Майкл Лоуренс; Тарджан, Роберт Э. (1987). «Кучи Фибоначчи и их использование в улучшенных алгоритмах оптимизации сети». Журнал Ассоциации вычислительной техники. 34 (3): 596–615. Дои:10.1145/28869.28874. S2CID  7904683.
• Жан, Ф. Бенджамин; Полдень, Чарльз Э. (февраль 1998 г.). «Алгоритмы кратчайшего пути: оценка с использованием реальных дорожных сетей». Транспортная наука. 32 (1): 65–73. Дои:10.1287 / trsc.32.1.65. S2CID  14986297.
• Лейзорек, М .; Gray, R. S .; Johnson, A. A .; Ladew, W. C .; Meaker, Jr., S. R .; Петри, Р. М .; Зейтц, Р. Н. (1957). Исследование модельных методов - Первый годовой отчет - 6 июня 1956 - 1 июля 1957 - Исследование модельных методов для систем связи. Кливленд, Огайо: Технологический институт Case.
• Кнут, Д. (1977). «Обобщение алгоритма Дейкстры». Письма об обработке информации. 6 (1): 1–5. Дои:10.1016/0020-0190(77)90002-3.
• Ахуджа, Равиндра К .; Мельхорн, Курт; Орлин, Джеймс Б.; Тарджан, Роберт Э. (апрель 1990 г.). «Более быстрые алгоритмы для задачи кратчайшего пути» (PDF). Журнал ACM. 37 (2): 213–223. Дои:10.1145/77600.77615. HDL:1721.1/47994. S2CID  5499589.
• Раман, Раджив (1997). «Последние результаты по проблеме кратчайших путей из одного источника». Новости SIGACT. 28 (2): 81–87. Дои:10.1145/261342.261352. S2CID  18031586.
• Торуп, Миккель (2000). «Очереди приоритета ОЗУ». SIAM Журнал по вычислениям. 30 (1): 86–109. Дои:10.1137 / S0097539795288246. S2CID  5221089.
• Торуп, Миккель (1999). «Ненаправленные кратчайшие пути с одним источником и положительными целыми весами за линейное время». Журнал ACM. 46 (3): 362–394. Дои:10.1145/316542.316548. S2CID  207654795.

внешняя ссылка

• Устное историческое интервью с Эдсгером В. Дейкстрой, Институт Чарльза Бэббиджа, Университет Миннесоты, Миннеаполис
• Реализация алгоритма Дейкстры с использованием TDD, Роберт Сесил Мартин, Блог о чистом коде
• Пошаговое графическое объяснение алгоритма Дейкстры на примере, Жиль Бертран