最短パスアルゴリズム


マルチアウトレット最短パスアルゴリズム


最短パスの問題


最短パスアルゴリズムとは、最短パスを検索するアルゴリズムです.
諸問題の状況.
1つのポイントから別のポイントへの最短パス
1つのポイントから別のポイントへの最短パス
すべてのポイントから他のすべてのポイントへの最短パス
各ポイントは、ノードによって接続された直線としてグラフィックに表示されます.

マルチ出口最短パスアルゴリズムの概要


特定のノードから他のすべてのノードへの最短パスの計算
複数の最短パスアルゴリズムは、負の幹線がない場合に正常に動作します.
いずれの場合も、最もコストの低いノードを選択して任意のプロセスを繰り返します.

複数の最短パスアルゴリズムの実行プロセス


構成
  • 開始ノード
  • 最短距離テーブル初期化
  • 未アクセスのノードから最短距離のノード
  • を選択する.
  • ノードを介して他のノードへのコストを計算する、最短距離テーブル
  • を更新する.
  • 3番と4番を繰り返します.
    アルゴリズムの動作と性において,最短距離テーブルは,これまでの各ノードの最短距離情報を持つ.
    処理中により短いパスが見つかった場合、そのパスは最も短いパスに更新されます.
  • マルチアウトプットアルゴリズムの特徴


    グリディアルゴリズム:いずれの場合も、アクセスしたことのない最もコストの低いノードを選択し、任意のプロセスを繰り返します.
    ステップ処理されたノードの最短距離は固定され,変更されない.
    各ステップは、ノードの最短距離を決定すると理解される.
    複数のアルゴリズムが実行されると、テーブルには各ノードの最短距離情報が格納されます.

    マルチアウトレットアルゴリズム:簡単な実施方法


    各ステップでアクセスされていないノードから最短距離のノードを選択するには、各ステップで1 Dテーブルのすべての要素をチェックします.
    マルチカーブアルゴリズムの実装
    import sys
    input = sys.stdin.readline
    INF = int(1e9) # 무한을 의미하는 값으로 10억을 설정
    
    # 노드의 개수, 간선의 개수를 입력받기
    n, m = map(int, input().split())
    # 시작 노드 번호를 입력받기
    start = int(input())
    # 각 노드에 연결되어 있는 노드에 대한 정보를 담는 리스트를 만들기
    graph = [[] for i in range(n + 1)]
    # 방문한 적이 있는지 체크하는 목적의 리스트를 만들기
    visited = [False] * (n + 1)
    # 최단 거리 테이블을 모두 무한으로 초기화
    distance = [INF] * (n + 1)
    
    # 모든 간선 정보를 입력받기
    for _ in range(m):
        a, b, c = map(int, input().split())
        # a번 노드에서 b번 노드로 가는 비용이 c라는 의미
        graph[a].append((b, c))
    
    # 방문하지 않은 노드 중에서, 가장 최단 거리가 짧은 노드의 번호를 반환
    def get_smallest_node():
        min_value = INF
        index = 0 # 가장 최단 거리가 짧은 노드(인덱스)
        for i in range(1, n + 1):
            if distance[i] < min_value and not visited[i]:
                min_value = distance[i]
                index = i
        return index
    
    def dijkstra(start):
        # 시작 노드에 대해서 초기화
        distance[start] = 0
        visited[start] = True
        for j in graph[start]:
            distance[j[0]] = j[1]
        # 시작 노드를 제외한 전체 n - 1개의 노드에 대해 반복
        for i in range(n - 1):
            # 현재 최단 거리가 가장 짧은 노드를 꺼내서, 방문 처리
            now = get_smallest_node()
            visited[now] = True
            # 현재 노드와 연결된 다른 노드를 확인
            for j in graph[now]:
                cost = distance[now] + j[1]
                # 현재 노드를 거쳐서 다른 노드로 이동하는 거리가 더 짧은 경우
                if cost < distance[j[0]]:
                    distance[j[0]] = cost
    
    # 다익스트라 알고리즘을 수행
    dijkstra(start)
    
    # 모든 노드로 가기 위한 최단 거리를 출력
    for i in range(1, n + 1):
        # 도달할 수 없는 경우, 무한(INFINITY)이라고 출력
        if distance[i] == INF:
            print("INFINITY")
        # 도달할 수 있는 경우 거리를 출력
        else:
            print(distance[i])

    マルチタスクアルゴリズムマルチタスクアルゴリズム:時間の複雑さじかんのふくざつさ


    総O(V)回,最短距離最短のノードは毎回線形探索を行う.
    したがって,時間全体の複雑さはO(V^2)である.

    優先キュー


    これは、最も優先度の高いデータを最初に削除するデータ構造です.
    スタックはまず、最新の挿入データを抽出します.
    キューは、まず挿入されたデータを抽出します.
    優先度キューは、まず優先度が最も高いデータを抽出します.

    お尻


    優先順位キューを実装するためのデータ構造の1つです.
    少なくともお尻と最大お尻があります.
    リスト表示挿入時間O(1)削除時間O(N)
    臀部挿入時間O(logn)削除時間O(logn)

    マルチアウトプットアルゴリズム:改善された実施方法


    ステップごとにアクセスされていないノードでhipデータ構造を使用して最短距離のノードを選択
    マルチアウトプットアルゴリズム:改善された実装
    import heapq
    import sys
    input = sys.stdin.readline
    INF = int(1e9) # 무한을 의미하는 값으로 10억을 설정
    
    # 노드의 개수, 간선의 개수를 입력받기
    n, m = map(int, input().split())
    # 시작 노드 번호를 입력받기
    start = int(input())
    # 각 노드에 연결되어 있는 노드에 대한 정보를 담는 리스트를 만들기
    graph = [[] for i in range(n + 1)]
    # 최단 거리 테이블을 모두 무한으로 초기화
    distance = [INF] * (n + 1)
    
    # 모든 간선 정보를 입력받기
    for _ in range(m):
        a, b, c = map(int, input().split())
        # a번 노드에서 b번 노드로 가는 비용이 c라는 의미
        graph[a].append((b, c))
    
    def dijkstra(start):
        q = []
        # 시작 노드로 가기 위한 최단 경로는 0으로 설정하여, 큐에 삽입
        heapq.heappush(q, (0, start))
        distance[start] = 0
        while q: # 큐가 비어있지 않다면
            # 가장 최단 거리가 짧은 노드에 대한 정보 꺼내기
            dist, now = heapq.heappop(q)
            # 현재 노드가 이미 처리된 적이 있는 노드라면 무시
            if distance[now] < dist:
                continue
            # 현재 노드와 연결된 다른 인접한 노드들을 확인
            for i in graph[now]:
                cost = dist + i[1]
                # 현재 노드를 거쳐서, 다른 노드로 이동하는 거리가 더 짧은 경우
                if cost < distance[i[0]]:
                    distance[i[0]] = cost
                    heapq.heappush(q, (cost, i[0]))
    
    # 다익스트라 알고리즘을 수행
    dijkstra(start)
    
    # 모든 노드로 가기 위한 최단 거리를 출력
    for i in range(1, n + 1):
        # 도달할 수 없는 경우, 무한(INFINITY)이라고 출력
        if distance[i] == INF:
            print("INFINITY")
        # 도달할 수 있는 경우 거리를 출력
        else:
            print(distance[i])

    マルチアウトプットアルゴリズム:改善された実施方法の時間的複雑さ


    HIPデータ構造を利用した多出口アルゴリズムの時間的複雑さはO(EGV)であった.

    りゅうすいアルゴリズム


    すべてのノードから他のすべてのノードへの最短パスをすべて計算
    floydwalshアルゴリズムは,マルチアウトプットアルゴリズムと同様に,逐次遍歴するノードに基づいてアルゴリズムを実行する.
    ただし、ステップごとにアクセスされていないノードの中で最短距離のノードを探す必要はありません.
    各ステップが特定のノードkを通過することを確認する.
    a〜k〜bの距離がa〜bの最短距離よりも短いかどうかを調べる.
    点火式は以下の通り

    流水アルゴリズムの実装
    INF = int(1e9) # 무한을 의미하는 값으로 10억을 설정
    
    # 노드의 개수 및 간선의 개수를 입력받기
    n = int(input())
    m = int(input())
    # 2차원 리스트(그래프 표현)를 만들고, 모든 값을 무한으로 초기화
    graph = [[INF] * (n + 1) for _ in range(n + 1)]
    
    # 자기 자신에서 자기 자신으로 가는 비용은 0으로 초기화
    for a in range(1, n + 1):
        for b in range(1, n + 1):
            if a == b:
                graph[a][b] = 0
    
    # 각 간선에 대한 정보를 입력 받아, 그 값으로 초기화
    for _ in range(m):
        # A에서 B로 가는 비용은 C라고 설정
        a, b, c = map(int, input().split())
        graph[a][b] = c
    
    # 점화식에 따라 플로이드 워셜 알고리즘을 수행
    for k in range(1, n + 1):
        for a in range(1, n + 1):
            for b in range(1, n + 1):
                graph[a][b] = min(graph[a][b], graph[a][k] + graph[k][b])
    
    # 수행된 결과를 출력
    for a in range(1, n + 1):
        for b in range(1, n + 1):
            # 도달할 수 없는 경우, 무한(INFINITY)이라고 출력
            if graph[a][b] == 1e9:
                print("INFINITY", end=" ")
            # 도달할 수 있는 경우 거리를 출력
            else:
                print(graph[a][b], end=" ")
        print()

    flowersalアルゴリズムのパフォーマンス


    ノード数がNの場合、アルゴリズム上ではN回のステップが実行される
    各ステップは,O(N^2)の演算により現在のノードのすべてのパスを通過することを考慮する.
    従ってfloydwalshアルゴリズムの全時間複雑度はO(n^3)であった.
    でんしんもんだい
    import sys
    import heapq
    
    n,m,c = map(int,sys.stdin.readline().split())
    
    inf = sys.maxsize
    
    graph = [[] for _ in range(n+1)]
    
    distance = [inf] * (n+1)
    
    for _ in range(m):
        x,y,z = map(int,sys.stdin.readline().split())
        graph[x].append((y,z))
    
    def dijkstra(c):
        queue = []
        heapq.heappush(queue,(0,c)) # 큐에다가 시작 노드를 0으로 만들어서 삽입한다.
        distance[c] = 0 # 시작노드까지의 거리는 0으로 초기화
    
        while queue: 
            dist,now = heapq.heappop(queue) 
            if distance[now] < dist: 
                continue
    
            for i in graph[now]:
                cost = dist + i[1]
    
                if cost < distance[i[0]]:
                    distance[i[0]] = cost
                    heapq.heappush(queue,(cost,i[0]))
    
    dijkstra(c)
    
    cnt = 0 # 탐색 가능한 노드의 개수
    
    result = [] # 최대값 저장을 위한 배열
    
    for i in distance:
        if i != inf:
            cnt += 1
            result.append(i)
    
    print(cnt-1,max(result)) # 시작노드제외
    未来の都市問題
    import sys
    
    inf = sys.maxsize
    
    n,m = map(int,sys.stdin.readline().split())
    
    graph = [[inf for _ in range(n+1)] for _ in range(n+1)]
    
    for i in range(n+1):
        for j in range(n+1):
            if i == j:
                graph[i][j] = 0
            
    
    for _ in range(m):
        a,b = map(int,sys.stdin.readline().split())
        graph[a][b] = 1
        graph[b][a] = 1
    
    x,k = map(int,sys.stdin.readline().split()) # k번 회사를 x번 거쳐가는 최소 이동시간
    
    for k in range(1,n+1): # floyd warshall 알고리즘
        for a in range(1,n+1):
            for b in range(1,n+1):
                graph[a][b] = min(graph[a][b],graph[a][k] + graph[k][b])
    
    dist = graph[1][k] + graph[k][x]
    
    print(dist)
    ソース:https://freedeveloper.tistory.com/277?category=888096