Bellman Ford algoritme hjælper os med at finde den korteste vej fra et toppunkt til alle andre hjørner i en vægtet graf.
Det svarer til Dijkstras algoritme, men det kan arbejde med grafer, hvor kanter kan have negative vægte.
Hvorfor ville man nogensinde have kanter med negative vægte i det virkelige liv?
Negative vægtkanter kan virke ubrugelige i starten, men de kan forklare mange fænomener som pengestrøm, varmen frigivet / absorberet i en kemisk reaktion osv.
For eksempel, hvis der er forskellige måder at nå fra et kemikalie A til et andet kemikalie B, vil hver metode have underreaktioner, der involverer både varmeafledning og absorption.
Hvis vi ønsker at finde det sæt reaktioner, hvor der kræves mindst mulig energi, skal vi være i stand til at faktorere varmeabsorptionen som negative vægte og varmeafledning som positive vægte.
Hvorfor skal vi være forsigtige med negative vægte?
Negative vægtkanter kan skabe negative vægtcyklusser, dvs. en cyklus, der reducerer den samlede vejafstand ved at komme tilbage til det samme punkt.
Negative vægtcyklusser kan give et forkert resultat, når du prøver at finde ud af den korteste vej
Korteste stiealgoritmer som Dijkstras algoritme, der ikke er i stand til at opdage en sådan cyklus, kan give et forkert resultat, fordi de kan gennemgå en negativ vægtcyklus og reducere stallengden.
Hvordan Bellman Fords algoritme fungerer
Bellman Ford algoritme fungerer ved at overvurdere længden af stien fra startpunktet til alle andre hjørner. Derefter lindrer det estimaterne iterativt ved at finde nye stier, der er kortere end de tidligere overvurderede stier.
Ved at gøre dette gentagne gange for alle hjørner, kan vi garantere, at resultatet optimeres.
Trin 1 til Bellman Fords algoritme 
Trin 2 til Bellman Fords algoritme 
Trin 3 til Bellman Fords algoritme 
Trin 4 til Bellman Fords algoritme 
Trin 5 til Bellman Fords algoritme 
Trin 6 til Bellman Fords algoritme
Bellman Ford Pseudocode
Vi er nødt til at opretholde stiafstanden for hvert toppunkt. Vi kan gemme det i en matrix af størrelse v, hvor v er antallet af hjørner.
Vi ønsker også at være i stand til at få den korteste vej, ikke kun kende længden af den korteste vej. Til dette kortlægger vi hvert toppunkt til toppunktet, der sidst opdaterede sin stillængde.
Når algoritmen er forbi, kan vi gå tilbage fra destinationspunktet til kildepunktet for at finde stien.
funktion bellmanFord (G, S) for hvert toppunkt V i G afstand (V) <- uendelig forrige (V) <- NULL afstand (S) <- 0 for hvert toppunkt V i G for hver kant (U, V) i G tempDistance <- afstand (U) + kantvægt (U, V) hvis tempDistance <afstand (V) afstand (V) <- tempDistance tidligere (V) <- U for hver kant (U, V) i G Hvis afstand (U) + kantvægt (U, V) <afstand (V) Fejl: Negativ cyklus Eksisterer returafstand (), forrige ()
Bellman Ford vs Dijkstra
Bellman Fords algoritme og Dijkstras algoritme er meget ens i strukturen. Mens Dijkstra kun ser på de nærmeste naboer til et toppunkt, går Bellman gennem hver kant i hver iteration.
Dijkstra's vs Bellman Fords algoritme
Python, Java og C / C ++ eksempler
Python Java C C ++ # Bellman Ford Algorithm in Python class Graph: def __init__(self, vertices): self.V = vertices # Total number of vertices in the graph self.graph = () # Array of edges # Add edges def add_edge(self, s, d, w): self.graph.append((s, d, w)) # Print the solution def print_solution(self, dist): print("Vertex Distance from Source") for i in range(self.V): print("(0) (1)".format(i, dist(i))) def bellman_ford(self, src): # Step 1: fill the distance array and predecessor array dist = (float("Inf")) * self.V # Mark the source vertex dist(src) = 0 # Step 2: relax edges |V| - 1 times for _ in range(self.V - 1): for s, d, w in self.graph: if dist(s) != float("Inf") and dist(s) + w < dist(d): dist(d) = dist(s) + w # Step 3: detect negative cycle # if value changes then we have a negative cycle in the graph # and we cannot find the shortest distances for s, d, w in self.graph: if dist(s) != float("Inf") and dist(s) + w < dist(d): print("Graph contains negative weight cycle") return # No negative weight cycle found! # Print the distance and predecessor array self.print_solution(dist) g = Graph(5) g.add_edge(0, 1, 5) g.add_edge(0, 2, 4) g.add_edge(1, 3, 3) g.add_edge(2, 1, 6) g.add_edge(3, 2, 2) g.bellman_ford(0)
// Bellman Ford Algorithm in Java class CreateGraph ( // CreateGraph - it consists of edges class CreateEdge ( int s, d, w; CreateEdge() ( s = d = w = 0; ) ); int V, E; CreateEdge edge(); // Creates a graph with V vertices and E edges CreateGraph(int v, int e) ( V = v; E = e; edge = new CreateEdge(e); for (int i = 0; i < e; ++i) edge(i) = new CreateEdge(); ) void BellmanFord(CreateGraph graph, int s) ( int V = graph.V, E = graph.E; int dist() = new int(V); // Step 1: fill the distance array and predecessor array for (int i = 0; i < V; ++i) dist(i) = Integer.MAX_VALUE; // Mark the source vertex dist(s) = 0; // Step 2: relax edges |V| - 1 times for (int i = 1; i < V; ++i) ( for (int j = 0; j < E; ++j) ( // Get the edge data int u = graph.edge(j).s; int v = graph.edge(j).d; int w = graph.edge(j).w; if (dist(u) != Integer.MAX_VALUE && dist(u) + w < dist(v)) dist(v) = dist(u) + w; ) ) // Step 3: detect negative cycle // if value changes then we have a negative cycle in the graph // and we cannot find the shortest distances for (int j = 0; j < E; ++j) ( int u = graph.edge(j).s; int v = graph.edge(j).d; int w = graph.edge(j).w; if (dist(u) != Integer.MAX_VALUE && dist(u) + w < dist(v)) ( System.out.println("CreateGraph contains negative w cycle"); return; ) ) // No negative w cycle found! // Print the distance and predecessor array printSolution(dist, V); ) // Print the solution void printSolution(int dist(), int V) ( System.out.println("Vertex Distance from Source"); for (int i = 0; i 1 graph.edge(0).s = 0; graph.edge(0).d = 1; graph.edge(0).w = 5; // edge 0 --> 2 graph.edge(1).s = 0; graph.edge(1).d = 2; graph.edge(1).w = 4; // edge 1 --> 3 graph.edge(2).s = 1; graph.edge(2).d = 3; graph.edge(2).w = 3; // edge 2 --> 1 graph.edge(3).s = 2; graph.edge(3).d = 1; graph.edge(3).w = 6; // edge 3 --> 2 graph.edge(4).s = 3; graph.edge(4).d = 2; graph.edge(4).w = 2; graph.BellmanFord(graph, 0); // 0 is the source vertex ) )
// Bellman Ford Algorithm in C #include #include #define INFINITY 99999 //struct for the edges of the graph struct Edge ( int u; //start vertex of the edge int v; //end vertex of the edge int w; //weight of the edge (u,v) ); //Graph - it consists of edges struct Graph ( int V; //total number of vertices in the graph int E; //total number of edges in the graph struct Edge *edge; //array of edges ); void bellmanford(struct Graph *g, int source); void display(int arr(), int size); int main(void) ( //create graph struct Graph *g = (struct Graph *)malloc(sizeof(struct Graph)); g->V = 4; //total vertices g->E = 5; //total edges //array of edges for graph g->edge = (struct Edge *)malloc(g->E * sizeof(struct Edge)); //------- adding the edges of the graph /* edge(u, v) where u = start vertex of the edge (u,v) v = end vertex of the edge (u,v) w is the weight of the edge (u,v) */ //edge 0 --> 1 g->edge(0).u = 0; g->edge(0).v = 1; g->edge(0).w = 5; //edge 0 --> 2 g->edge(1).u = 0; g->edge(1).v = 2; g->edge(1).w = 4; //edge 1 --> 3 g->edge(2).u = 1; g->edge(2).v = 3; g->edge(2).w = 3; //edge 2 --> 1 g->edge(3).u = 2; g->edge(3).v = 1; g->edge(3).w = 6; //edge 3 --> 2 g->edge(4).u = 3; g->edge(4).v = 2; g->edge(4).w = 2; bellmanford(g, 0); //0 is the source vertex return 0; ) void bellmanford(struct Graph *g, int source) ( //variables int i, j, u, v, w; //total vertex in the graph g int tV = g->V; //total edge in the graph g int tE = g->E; //distance array //size equal to the number of vertices of the graph g int d(tV); //predecessor array //size equal to the number of vertices of the graph g int p(tV); //step 1: fill the distance array and predecessor array for (i = 0; i < tV; i++) ( d(i) = INFINITY; p(i) = 0; ) //mark the source vertex d(source) = 0; //step 2: relax edges |V| - 1 times for (i = 1; i <= tV - 1; i++) ( for (j = 0; j edge(j).u; v = g->edge(j).v; w = g->edge(j).w; if (d(u) != INFINITY && d(v)> d(u) + w) ( d(v) = d(u) + w; p(v) = u; ) ) ) //step 3: detect negative cycle //if value changes then we have a negative cycle in the graph //and we cannot find the shortest distances for (i = 0; i edge(i).u; v = g->edge(i).v; w = g->edge(i).w; if (d(u) != INFINITY && d(v)> d(u) + w) ( printf("Negative weight cycle detected!"); return; ) ) //No negative weight cycle found! //print the distance and predecessor array printf("Distance array: "); display(d, tV); printf("Predecessor array: "); display(p, tV); ) void display(int arr(), int size) ( int i; for (i = 0; i < size; i++) ( printf("%d ", arr(i)); ) printf(""); )
// Bellman Ford Algorithm in C++ #include // Struct for the edges of the graph struct Edge ( int u; //start vertex of the edge int v; //end vertex of the edge int w; //w of the edge (u,v) ); // Graph - it consists of edges struct Graph ( int V; // Total number of vertices in the graph int E; // Total number of edges in the graph struct Edge* edge; // Array of edges ); // Creates a graph with V vertices and E edges struct Graph* createGraph(int V, int E) ( struct Graph* graph = new Graph; graph->V = V; // Total Vertices graph->E = E; // Total edges // Array of edges for graph graph->edge = new Edge(E); return graph; ) // Printing the solution void printArr(int arr(), int size) ( int i; for (i = 0; i V; int E = graph->E; int dist(V); // Step 1: fill the distance array and predecessor array for (int i = 0; i < V; i++) dist(i) = INT_MAX; // Mark the source vertex dist(u) = 0; // Step 2: relax edges |V| - 1 times for (int i = 1; i <= V - 1; i++) ( for (int j = 0; j edge(j).u; int v = graph->edge(j).v; int w = graph->edge(j).w; if (dist(u) != INT_MAX && dist(u) + w < dist(v)) dist(v) = dist(u) + w; ) ) // Step 3: detect negative cycle // if value changes then we have a negative cycle in the graph // and we cannot find the shortest distances for (int i = 0; i edge(i).u; int v = graph->edge(i).v; int w = graph->edge(i).w; if (dist(u) != INT_MAX && dist(u) + w 1 graph->edge(0).u = 0; graph->edge(0).v = 1; graph->edge(0).w = 5; //edge 0 --> 2 graph->edge(1).u = 0; graph->edge(1).v = 2; graph->edge(1).w = 4; //edge 1 --> 3 graph->edge(2).u = 1; graph->edge(2).v = 3; graph->edge(2).w = 3; //edge 2 --> 1 graph->edge(3).u = 2; graph->edge(3).v = 1; graph->edge(3).w = 6; //edge 3 --> 2 graph->edge(4).u = 3; graph->edge(4).v = 2; graph->edge(4).w = 2; BellmanFord(graph, 0); //0 is the source vertex return 0; )
Bellman Fords kompleksitet
Tidskompleksitet
| Bedste sagskompleksitet | O (E) |
| Gennemsnitlig sagskompleksitet | O (VE) |
| Kompleksitet i værste tilfælde | O (VE) |
Rumkompleksitet
Og rumkompleksiteten er O(V).
Bellman Fords algoritmeapplikationer
- Til beregning af korteste stier i rutealgoritmer
- For at finde den korteste vej
