title: "Bellman-Ford Algorithm" categories: Algorithms updated: comments: true
解决带负权重的单源最短路径问题.
给定一个带权有向图 $G = (V, E)$, 其中 $V$ 为顶点 (vertex) 集, $E$ 为边 (edge) 集, 从顶点 $u$ 到 $v$ 的边表示为 tuple $(u, v)$; 权重 (weight) 函数 $w\colon E \to \mathbb R$. 一个路径 $p=\langle v_0, v_1, \dots, v_k \rangle$ 的权重为
$$ w(p) = \sum{i=1}^k w(v{i-1}, v_i). $$
<!-- more -->从 $u$ 到 $v$ 的最短 (权重最小) 路径权重记为
$$ \delta(u, v) = \begin{cases} \min{ w(p) : u \xrightarrow{p} v} & \text{若存在从 $u$ 到 $v$ 的路径,}\ \infty & \text{otherwise.} \end{cases} $$
其中 $u \xrightarrow{p} v$ 表示从 $u$ 到 $v$ 的路径 $p$. 于是自然地, 从 $u$ 到 $v$ 的最短路径就是权重为 $\delta(u, v)$ 的任意路径. 很显然, 从最短路径中取两个顶点, 子路径依然是这两个顶点的最短路径. 如果存在一个环, 其路径权重为负, 显然我们可以无数次通过此环来减少权重, 所以可以经过这个环的最短路径权重都为 $-\infty$.
考虑单源的最短路径问题. 对每个顶点 $v$ 维护一个属性 $v.d$, 为从源 (source) $s$ 到 $v$ 的最短路径权重的上界估计; 用 $v.p$ 来记录估计的路径的前一个顶点. 所谓松弛, 就是让这个上界趋于上确界.
def initialize_single_source(G, s):
for v in G.V:
v.d = float('inf')
v.p = None
s.d = 0
def relax(u, v, w):
if v.d > u.d + w(u, v):
v.d = u.d + w(u, v)
v.p = u
def bellman_ford(G, w, s):
initialize_single_source(G, s)
# v.d becomes delta(s, v)
# after the following loop
for _ in range(len(G.V)-1):
for (u, v) in G.E:
relax(u, v, w)
# Return True if there is
# a negative-weight cycle
for (u, v) in G.E:
if v.d > u.d + w(u, v):
return False
return True
显然时间复杂度是 $\Theta(\vert V \vert \vert E \vert)$.
考虑一条最短路径 $p=\langle v_0, v_1, \dots, v_k \rangle$, 如果在一系列松弛过程中 (中间可以穿插其他松弛过程), $(v_0, v1)$, $\dots$, $(v{k-1}, v_k)$ 依次被松弛, 则 $v_k.d = \delta(s, v_k)$.
用归纳法证明. 初始是 $s$ 没问题. 若 $v_i.d = \delta(s, v_i)$, 那么再对 $(vi, v{i+1})$ 松弛有 $v{i+1}.d = \delta(s, v{i+1})$ (回忆松弛的定义以及最短路径的子路径依然是最短路径).
假设没有负环, 最短路径不必包含环, 因此至多有 $\vert V\vert -1$ 条边. 于是, Bellman-Ford 算法跑完第一小段循环后, 由 path-relaxation property 所有顶点的最短路径估计都收敛到了真正的最短路径权重.
假设有负环 $c = \langle v_0, v_1, \dots, v_k \rangle$, 其中 $v_0 = v_k$, 则
$$ \sum{i=1}^k w(v{i-1}, v_i) < 0. $$
用反证法, 假设 $vi.d \le v{i-1}.d + w(v_{i-1}, v_i)$, 则
$$ \sum_{i=1}^k vi.d \le \sum{i=1}^k (v{i-1}.d + w(v{i-1}, v_i)), $$
注意到 $v_0 = v_k$, 右边第一项求和等于左边, 于是环路权重非负, 矛盾.
有一个优化一些的算法, 略. 对于每个顶点对的最短路径问题, 可以循环跑 Bellman-Ford 算法, 当然也有更好的算法, 有待更新.
Ref
Cormen, T. H., Leiserson, C. E., Rivest, R. L., & Stein, C. (2009). Introduction to algorithms. MIT press. pp. 643-676.