如果边没有按照权重的排序顺序插入到双端队列中,0-1 BFS 是否会产生正确的答案?
If edges are not inserted in the deque in sorted order of weights, does 0-1 BFS produce the right answer?
0-1 BFS算法的总体趋势是:如果遇到权重=0的边,则将节点推到双端队列的前面,如果边的权重=1,则将其推入到双端队列的后面。
如果我们随机推边,那么0-1 BFS能算出正确答案吗?如果在双端队列中输入的边未按其权重排序怎么办?
这是一般的0-1 BFS算法。如果我跳过最后的 if 和 else 部分并随机推动边缘,那么会发生什么?
对我来说,应该可以,但是为什么这个算法会这样呢?
void bfs (int start)
{
std::deque<int> Q; // double ended queue
Q.push_back(start);
distance[start] = 0;
while(!Q.empty())
{
int v = Q.front();
Q.pop_front();
for(int i = 0 ; i < edges[v].size(); i++)
{
// if distance of neighbour of v from start node is greater than sum of
// distance of v from start node and edge weight between v and its
// neighbour (distance between v and its neighbour of v) ,then change it
if(distance[edges[v][i].first] > distance[v] + edges[v][i].second)
{
distance[edges[v][i].first] = distance[v] + edges[v][i].second;
// if edge weight between v and its neighbour is 0
// then push it to front of
// double ended queue else push it to back
if(edges[v][i].second == 0)
{
Q.push_front(edges[v][i].first);
}
else
{
Q.push_back(edges[v][i].first);
}
}
}
}
}
这都是性能问题。虽然随机插入仍然可以找到最短路径,但您必须考虑更多路径(图形大小呈指数级)。所以基本上,结构化插入保证了线性时间复杂度。先说为什么0-1 BFS能保证这个复杂度。
基本思想与Dijkstra算法相同。您访问按距离起始节点的距离排序的节点。这确保您不会发现会减少到目前观察到的节点的距离的边(这将需要您再次计算整个子图)。
在0-1 BFS中,你从起始节点开始,队列中的距离就是:
d = [ 0 ]
然后你考虑所有的邻居。如果边缘权重为零,则将其推到前面,如果是一个,则推到后面。所以你得到一个这样的队列:
d = [ 0 0 0 1 1]
现在你拿下第一个节点。它可能有零权重边的邻居和一权重边的邻居。所以你做同样的事情并最终得到这样的队列(新节点标记为 *
):
d = [ 0* 0* 0 0 1 1 1*]
所以如您所见,节点仍然按距离排序,这很重要。最终,你会到达这个状态:
d = [ 1 1 1 1 1 ]
从第一个节点经过零权重边产生的总路径长度为 1。经过单权重边产生两条路径。所以做 0-1 BFS,你会得到:
d = [ 1* 1* 1 1 1 1 2* 2*]
等等... 总而言之,该过程需要确保您按照节点到起始节点的距离顺序访问节点。如果这样做,您将只考虑每条边两次(一次在向前方向,一次在向后方向)。这是因为当访问一个节点时,你知道你不能以更小的距离再次到达该节点。当您访问节点时,您只考虑从节点发出的边缘。因此,即使该节点被其邻居之一再次添加到队列中,您也不会访问它,因为生成的距离不会小于当前距离。这样就保证了O(E)的时间复杂度,其中E为边数。
那么,如果您不访问按距起始节点的距离排序的节点,会发生什么情况?实际上,该算法仍然会找到最短路径。但是它会考虑更多的路径。因此,假设您访问了一个节点,并且该节点被其邻居之一再次放入队列中。这一次,我们不能保证最终的距离不会变小。因此,我们可能需要再次访问它并将它的所有邻居再次放入队列中。这同样适用于邻居,所以在最坏的情况下,这可能会传播到整个图形,最终你会一遍又一遍地访问节点。您最终会找到解决方案,因为您总是缩短距离。但所需时间远远超过智能BFS。
0-1 BFS算法的总体趋势是:如果遇到权重=0的边,则将节点推到双端队列的前面,如果边的权重=1,则将其推入到双端队列的后面。
如果我们随机推边,那么0-1 BFS能算出正确答案吗?如果在双端队列中输入的边未按其权重排序怎么办?
这是一般的0-1 BFS算法。如果我跳过最后的 if 和 else 部分并随机推动边缘,那么会发生什么?
对我来说,应该可以,但是为什么这个算法会这样呢?
void bfs (int start)
{
std::deque<int> Q; // double ended queue
Q.push_back(start);
distance[start] = 0;
while(!Q.empty())
{
int v = Q.front();
Q.pop_front();
for(int i = 0 ; i < edges[v].size(); i++)
{
// if distance of neighbour of v from start node is greater than sum of
// distance of v from start node and edge weight between v and its
// neighbour (distance between v and its neighbour of v) ,then change it
if(distance[edges[v][i].first] > distance[v] + edges[v][i].second)
{
distance[edges[v][i].first] = distance[v] + edges[v][i].second;
// if edge weight between v and its neighbour is 0
// then push it to front of
// double ended queue else push it to back
if(edges[v][i].second == 0)
{
Q.push_front(edges[v][i].first);
}
else
{
Q.push_back(edges[v][i].first);
}
}
}
}
}
这都是性能问题。虽然随机插入仍然可以找到最短路径,但您必须考虑更多路径(图形大小呈指数级)。所以基本上,结构化插入保证了线性时间复杂度。先说为什么0-1 BFS能保证这个复杂度。
基本思想与Dijkstra算法相同。您访问按距离起始节点的距离排序的节点。这确保您不会发现会减少到目前观察到的节点的距离的边(这将需要您再次计算整个子图)。
在0-1 BFS中,你从起始节点开始,队列中的距离就是:
d = [ 0 ]
然后你考虑所有的邻居。如果边缘权重为零,则将其推到前面,如果是一个,则推到后面。所以你得到一个这样的队列:
d = [ 0 0 0 1 1]
现在你拿下第一个节点。它可能有零权重边的邻居和一权重边的邻居。所以你做同样的事情并最终得到这样的队列(新节点标记为 *
):
d = [ 0* 0* 0 0 1 1 1*]
所以如您所见,节点仍然按距离排序,这很重要。最终,你会到达这个状态:
d = [ 1 1 1 1 1 ]
从第一个节点经过零权重边产生的总路径长度为 1。经过单权重边产生两条路径。所以做 0-1 BFS,你会得到:
d = [ 1* 1* 1 1 1 1 2* 2*]
等等... 总而言之,该过程需要确保您按照节点到起始节点的距离顺序访问节点。如果这样做,您将只考虑每条边两次(一次在向前方向,一次在向后方向)。这是因为当访问一个节点时,你知道你不能以更小的距离再次到达该节点。当您访问节点时,您只考虑从节点发出的边缘。因此,即使该节点被其邻居之一再次添加到队列中,您也不会访问它,因为生成的距离不会小于当前距离。这样就保证了O(E)的时间复杂度,其中E为边数。
那么,如果您不访问按距起始节点的距离排序的节点,会发生什么情况?实际上,该算法仍然会找到最短路径。但是它会考虑更多的路径。因此,假设您访问了一个节点,并且该节点被其邻居之一再次放入队列中。这一次,我们不能保证最终的距离不会变小。因此,我们可能需要再次访问它并将它的所有邻居再次放入队列中。这同样适用于邻居,所以在最坏的情况下,这可能会传播到整个图形,最终你会一遍又一遍地访问节点。您最终会找到解决方案,因为您总是缩短距离。但所需时间远远超过智能BFS。