DAG, Dijkstra,Bellmen-ford原理、异同及其应用

本文链接：https://blog.youkuaiyun.com/psvm_123/article/details/142849587

一、DAG

DAG是指有向无环图（Directed Acyclic Graph），它是一种特殊的图结构，其中边有方向，且不能构成环路。

原理：DAG是由一些节点和它们之间的有向边组成的图，每个节点代表一个操作或任务，有向边表示依赖关系，即某个节点的输出作为另一个节点的输入。在DAG中，从任意顶点出发无法经过若干条边回到该点。

在计算机科学中，DAG被用于多种不同的场景和应用，以下是一些常见的用途：

任务调度：在并行计算和分布式系统中，DAG可以用来表示任务之间的依赖关系。每个节点代表一个任务，边表示任务之间的数据依赖。
拓扑排序：DAG的一个关键特性是它可以进行拓扑排序，这意味着可以对图中的节点进行线性排序，使得对于任何一条有向边u→vu→v，节点uu都在排序中出现在节点vv之前。
动态规划：用于解决具有重叠子问题和最优子结构特性的问题。

迪杰斯特拉算法的原理基于贪心策略，它逐步构建最短路径树，直到包含所有顶点。算法的核心思想是：在每一步选择从源点出发到未访问顶点中距离最短的顶点，然后更新该顶点到其邻接顶点的距离。

以下为迪杰斯特拉算法的详细原理：

初始化：
- 为图中的每个顶点分配一个临时和永久距离值：
  - 临时距离：从源点到该顶点的最短路径的估计距离，初始时，除了源点的临时距离为0，其他所有顶点的临时距离设为无穷大（∞）。
  - 永久距离：一旦确定从源点到该顶点的最短路径，这个距离就不会再改变。
- 创建一个未访问顶点集合，包含图中所有顶点。
选择：
- 从未访问顶点集合中选择具有最小临时距离的顶点，称为当前顶点。如果未访问顶点集合为空，或者最小临时距离为无穷大，则算法结束。
松弛操作：
- 对当前顶点的所有未访问邻接顶点进行松弛（relaxation）操作：
  - 通过当前顶点到达邻接顶点的路径长度是当前顶点的永久距离加上当前顶点到邻接顶点的边的权重。
  - 如果这个路径长度小于邻接顶点的临时距离，则更新邻接顶点的临时距离，并记录当前顶点为邻接顶点的前驱顶点。
标记为已访问：
- 将当前顶点标记为已访问，这意味着它的临时距离现在成为永久距离，不会再改变。
重复：
- 重复步骤2到4，直到所有顶点都被访问或者未访问顶点集合为空。

迪杰斯特拉主要应用于路径规划上，如：在网络路由设计中用于确定数据包从源节点到目的节点的最佳路径，这可以优化网络流量，提高数据传输效率；用于地图服务计算一个地点到另一个地点的最短路径。

原理：Bellman-Ford算法是一种用于在加权图中找到单个源点到所有其他顶点的最短路径的算法。该算法能够处理图中包含负权重边的情况，但不能处理存在负权重环的图。算法的核心思想是通过迭代松弛（relaxation）操作来逐步改进路径估计，直到找到最短路径或确定不存在负权重环。

初始化：将源点到自身的距离设为0，到所有其他顶点的距离设为无穷大（∞）。
松弛操作：对图中的每一条边进行V−1V−1次松弛操作，其中VV是图中顶点的数量。在每次松弛操作中，检查是否可以通过当前边来找到一条更短的路径。如果可以，则更新路径长度。
检测负权重环：在完成V−1V−1次迭代后，再进行一次松弛操作。如果在这次迭代中有任何路径长度被更新，则表明图中存在负权重环。
输出结果：如果图中没有负权重环，算法结束时，每个顶点的最短路径将被确定。

Bellman-Ford算法在以下领域有广泛应用：

相同点：三者都是用来解决图中顶点间的最短路径问题，都可以处理有向图。
不同点：
- 适用图类型：Dijkstra算法仅适用于没有负权重边的图，而Bellman-Ford算法可以处理负权重边，但不能有负权重环。DAG是图的一种特殊形式，它不涉及最短路径的计算，而是用于表示依赖关系。
- 算法复杂度：Dijkstra算法的时间复杂度通常为O((V+E)logV)，Bellman-Ford算法的时间复杂度为O(VE)。
- 算法实现：Dijkstra算法使用贪心策略，Bellman-Ford算法则通过多次松弛边来确保找到最短路径。
- 算法结构：Dijkstra采用贪心算法，Bellman-Ford采用动态规划，DAG采用拓扑排序。
- 应用场景：Dijkstra主要应用于网络路由，地图导航，Bellman-Ford会应用于负边权情况，金融应用等，DAG应用于项目管理，任务调度等