Bài toán tìm đường đi ngắn nhất c++

Ở đây, mình có viết một chương trình tìm đường đi ngắn nhất bằng C#, dữ liệu test với đồ thị có 6 đỉnh và dữ liệu thật của một nút giao thông có 5011 đỉnh.

Trong đó, khi mình test với dữ liệu thật của một nút giao thông có 5011 đỉnh thì thời gian thực hiện ở mức chấp nhận được khi chỉ mất 36 mili giây để tìm được đường đi ngắn nhất.

Ta bắt đầu khởi tạo các mảng n phần tử: label, length, prev. Gán label[k] = 1, length[k] = -1 (inf), prev[k] = -1 với k chạy từ 0 -> n – 1. Gán length[first] = 0.

Chọn đỉnh v trong mảng sao cho length[k] là nhỏ nhất. Sau đó gán label[k] = 0 (Đã đánh dấu).

Tạo vòng lặp với biến chạy k, xét nếu label[k] = 1 (Chưa đánh dấu) và có đường đi từ v -> k: Nếu length[k] > length[v] + trọng số từ v -> k hoặc length[k] = inf, có nghĩa là nếu ta tìm được 1 đường từ v -> k là nhỏ nhất, hoặc là chưa tìm được đường nào ngắn nhất (inf) => Gán length[k] = length[v] + trọng số v -> k, prev[k] = v (Tạo vết chân đỉnh trước đó).

Nếu label[last] = 0 (Đã đánh dấu đỉnh đến), kết thúc vòng lặp. Nếu không thì quay lại bước 2.

VD: Ta có 1 đồ thị như sau

Ta cần chỉ ra đường đi ngắn nhất từ đỉnh 1 tới 6. Vậy các bước sẽ như thế nào?

2. Viết và chạy thuật toán

Để đơn giản, trong phần này tôi dùng ma trận kề, và mỗi các đỉnh được đặt tên theo số thứ tự 0,1,2.

/**
Trong nay, cac dinh khong co canh noi voi nhau se co khoang cach la -1
/
public int[] dijkstra(int[][] graph, int s){
  int [] dist = new int[graph.length];
  for(int i = 0; i < graph.length; i++){
    dist[i] = Integer.MAX_VALUE;
  }
  dist[s] = 0;
  int [] visit = new int[graph.length]; 
  for(int i = 0; i < graph.length; i ){
    int v = closestVertice(graph[s], visit);
    for(int j = 0; j < graph[v].length; j){
      if (graph[v][j] != -1){ // neu co canh noi giua v va j
        int currentDist = dist[v] + graph[v][j];
        if (currentDist < dist[j]){
          dist[j] = currentDist;
        }
      }
    }
  }
  return dist;
}
/*
Chon ra dinh o gan s nhat va danh dau dinh do la da tham
*/
public int closestVertice(int[] adjacentVertices, int[] visit){
  int closest = -1;
  int minDist = Integer.MAX_VALUE;
  for(int i = 0; i < adjacentVertices.length; i ++){
    if (visit[i] == 0 && adjacentVertices[i] < minDist){
      closest = i;
      minDist = adjacentVertices[i];
    }
  }
  visit[closest] = 1;
  return closest;
}

Output của thuật toán trên sẽ là:

Distance from '0' to '0':0
Distance from '0' to '1':2
Distance from '0' to '2':3
Distance from '0' to '3':4
Distance from '0' to '4':4

3.Đánh giá độ phức tạp

Độ phức tạp của thuật toán trên sẽ là O(V2).

Nếu ta sử dụng một hàng đợi ưu tiên (priority queue), ví dụ như Binary heap, và sử dụng danh sách kề thì độ phức tạp của thuật toán sẽ bị giảm xuống còn O((V+E)∗logV).

Nguyên nhân là, với danh sách kề, thời gian để duyệt các cạnh và các đỉnh sẽ là O(E+V) thay vì O(V2) như ma trận kề. Ngoài ra, với binary heap, việc tìm đỉnh gần nhất ở

closestVertice(graph[s], visit);

sẽ chỉ còn O(1) thay vì O(V). Vì thế ta cần nhập khoảng cách tới các đỉnh xung quanh vào binary heap bằng cách bỏ các đỉnh đó ra khỏi heap rồi thêm lại, cái này mất O(logV).

Vậy cuối cùng độ phức tạp sẽ là O((V+E)∗logV).

Trên đây là bài viết về "Tìm đường ngắn nhất bằng thuật toán Dijkstra". Tuỳ theo từng yêu cầu cụ thể mà bạn có thể lựa chọn cách làm hợp lý.

Các bài toán về tìm đường đi ngắn nhất và biến tướng của nó luôn xuất hiện rất nhiều trong các cuộc thi lập trình thi đấu bởi sự đa dạng trong cách đưa ra đề bài và sử dụng. Một trong những thuật toán tìm đường đi ngắn nhất được sử dụng phổ biến đó là thuật toán Dijkstra.

Theo Wikipedia, thuật toán Dijkstra, mang tên của nhà khoa học máy tính người Hà Lan Edsger Dijkstra vào năm 19561956 và ấn bản năm 19591959, là một thuật toán giải quyết bài toán đường đi ngắn nhất nguồn đơn trong một đồ thị có hướng không có cạnh mang trọng số âm. Thuật toán thường được sử dụng trong định tuyến với một chương trình con trong các thuật toán đồ thị hay trong công nghệ Hệ thống định vị toàn cầu (GPS).

Ví dụ: Chúng ta dùng các đỉnh của đồ thị để biểu diễn các thành phố và các cạnh để biểu diễn các đường nối giữa chúng. Khi đó trọng số các cạnh có thể xem như độ dài của các con đường (do đó không âm). Chúng ta cần di chuyển từ thành phố ss đến thành phố tt. Thuật toán Dijkstra sẽ giúp chỉ ra đường đi ngắn nhất có thể đi.

Trọng số không âm của các cạnh của đồ thị mang tính tổng quát hơn khoảng cách hình học giữa hai đỉnh đầu mút của chúng. Ví dụ, với 3 đỉnh A,B,CA, B, C đường đi A−B−CA-B-C có thể ngắn hơn so với đường đi trực tiếp A−CA-C.

Kĩ thuật

Mô tả thuật toán

Để dễ hình dung cách hoạt động của thuật toán, ta xét ví dụ sau.

Cho đồ thị như hình dưới:

Nguồn ảnh: https://www.codingame.com

Hãy tìm đường đi ngắn nhất giữa đỉnh CC và các đỉnh còn lại trong đồ thị.

Ta sẽ áp dụng thuật toán Dijkstra cho đồ thị trên, hãy nghiên cứu thật kĩ từng công đoạn một vì nếu chỉ bỏ qua một chi tiết nhỏ ta sẽ không thể hiểu thuật toán được:

1. Trong toàn bộ quá trình thực thi thuật toán, ta sẽ đánh dấu tất cả các đỉnh bằng khoảng cách nhỏ nhất từ đỉnh CC tới các đỉnh đó. Với đỉnh CC, khoảng cách sẽ là 00 (tất nhiên rồi
   ). Với các đỉnh còn lại, ban đầu chưa biết khoảng cách nhỏ nhất nên ta sẽ đánh dấu mỗi đỉnh bằng giá trị vô cùng (∞).

Chúng ta cũng đánh dấu đỉnh hiện tại đang xét (ban đầu là đỉnh nguồn CC). Ở đồ thị trên, ta đánh dấu bằng một chấm đỏ ở đỉnh CC (đỉnh hiện tại đang xét).

1. Okay! Giờ chúng ta kiểm tra các đỉnh kề với đỉnh hiên tại đang xét (đỉnh CC - current node) đó là đỉnh A, B, D (không cần theo thứ tự cụ thể). Hãy bắt đầu với đỉnh BB. Tớ sẽ lấy giá trị dùng đánh dấu ở đỉnh CC (giá trị 00) cộng với trọng số của cạnh nối đỉnh đang xét (đỉnh CC) với đỉnh BB (trong trường hợp này là 7), ta được 0+7=70 + 7 = 7. Oke roài, sau đó ta sẽ so sánh giá trị vừa tính được với giá trị dùng đánh dấu ở đỉnh BB (vô cùng). Ta sẽ đánh dấu đỉnh BB nhận giá trị nhỏ hơn là 77 (77 nhỏ hơn vô cùng).

Đỉnh BB đã xong, giờ ta kiểm tra đỉnh kề AA. Ta cộng 00 (giá trị dùng đánh dấu ở đỉnh CC) với 11 (trọng số của cạnh nối đỉnh CC với đỉnh AA) và được 0+1=10 + 1 = 1. Dễ thấy giá trị 11 nhỏ hơn vô cùng (giá trị dùng đánh dấu ở đỉnh AA). Do đó ta sẽ đánh dấu đỉnh AA nhận giá trị 11.

Tương tự với đỉnh DD:

Yay! Ta đã xét xong các đỉnh kề với đỉnh đang xét (đỉnh CC). Tớ sẽ đánh một dấu tick ở đỉnh CC để thể hiện rằng các đỉnh kề nó đã được xét xong.

1. Giờ ta sẽ xét sang một đỉnh mới (gọi là đỉnh hiện tại đang xét - current node). Đỉnh này phải thỏa mãn điều kiện là chưa được xét và được đánh dấu với giá trị nhỏ nhất. Đó là đỉnh AA (bạn đọc kiểm tra lại hai điều kiện trên với đỉnh AA nhé
   ). Tương tự như đỉnh CC, ta sẽ đánh dấu đỉnh AA bằng một dấu chấm đỏ.

Okay, bây giờ ta lặp lại thuật toán như đã làm với đỉnh CC. Chúng ta kiểm tra các đỉnh kề với đỉnh AA (Current node), nhớ rằng không kiểm tra những đỉnh đã xét rồi (đỉnh CC). Vậy là ta chỉ cần kiểm tra đỉnh BB.

Với BB, Ta cộng 11 (giá trị được đánh dấu ở đỉnh AA) với 33 (trọng số của cạnh nối đỉnh AA với đỉnh BB) và được 44. Vì 4<74 < 7 nên ta cập nhật giá trị dùng đánh dấu ở đỉnh BB là 44.

Sau đó, ta đánh dấu đỉnh AA đã xét xong bằng dấu tick và chọn một đỉnh để xét mới (current node mới) thỏa mãn điều kiện chưa được xét và giá trị đang đánh dấu cho đỉnh đó nhỏ nhất, đó là đỉnh DD.

1. Ta tiếp tục lặp lại thuật toán. Lần này, ta kiểm tra đỉnh kề với DD là BB và EE. Với BB, ta có 2+5=72 + 5 = 7. 7>47 > 4, vẫn giữ 44 là giá trị đánh dấu cho đỉnh BB. Với EE, ta có 2+7=92 + 7 = 9 (9<9 < vô cùng) nên ta cập nhật đỉnh EE nhận giá trị đánh dấu mới là 99. Ta đánh dấu BB đã xét xong và chuyển sang đỉnh BB.

1. Tiếp tục, tương tự thôi
   ) ta cập nhật được giá trị đánh dấu cho đỉnh EE mới là 55. Đỉnh BB xét xong, chuyển sang đỉnh cuối cùng là EE.
2. Đỉnh EE lại không có đỉnh kề mà chưa xét nào, do đó ta không phải kiểm tra gì cả. Đánh dấu đỉnh EE đã xét xong.

Done!!! Vậy là tất cả các đỉnh đều đã được xét. Giờ khoảng cách ngắn nhất từ đỉnh CC tới các đỉnh còn lại chính là giá trị đang đánh dấu của đỉnh đó. Ví dụ, từ CC đến BB khoảng cách ngắn nhất là 44, từ CC đến EE khoảng cách ngắn nhất là 55,...

Tóm lại thuật toán thực hiện các bước như sau:

Đánh dấu đỉnh ban đầu (đỉnh nguồn) là $0$ và các đỉnh còn lại là vô cùng.
Gọi đỉnh chưa xét với giá trị đánh dấu nhỏ nhất là $C$ (current node).
Với mỗi đỉnh kề $N$ (neighbour) với đỉnh $C$: Cộng giá trị đang đánh dấu của đỉnh $C$ với trọng số của cạnh nối đỉnh $C$ với đỉnh $N$. Nếu được kết quả nhỏ hơn giá trị đang đánh dấu ở đỉnh $N$ ta cập nhật giá trị đánh dấu cho đỉnh $N$ mới (Xem ví dụ trên để hiểu hơn).
Đánh dấu đỉnh $C$ đã xét xong.
Nếu vẫn còn đỉnh chưa xét, lặp lại bước $2$.

Khi đó ta có mã giả cho thuật toán như sau:

void Dijkstra(Graph, source):
       dist[source]  := 0                     // Distance from source to source is set to 0
       for each vertex v in Graph:            // Initializations
           if v ≠ source
               dist[v]  := infinity           // Unknown distance function from source to each node set to infinity
           add v to Q                         // All nodes initially in Q
      while Q is not empty:                   // The main loop
          v = vertex in Q with min dist[v]    // In the first run-through, this vertex is the source node
          remove v from Q
          for each neighbor u of v:           // where neighbor u has not yet been removed from Q.
              dist[u] = min(dist[u], dist[v] + length(v, u)
      return dist[]
  end function

Chứng minh thuật toán

Hiểu cơ bản ý tưởng của thuật toán rồi, nhưng hãy đặt câu hỏi, tại sao thuật toán này hoạt động? Ta sẽ chứng minh tính đúng đắn của thuật toán này. Hãy tham khảo cách chứng minh dưới đây:

Định lý: Khi thuật toán Dijkstra kết thúc, dist[v]dist[v] lưu độ dài chính xác đường đi ngắn nhất từ đỉnh ss tới đỉnh vv.

Chứng minh:

Gọi Ký hiệu SP(s,v)SP(s, v) là độ dài của đường đi ngắn nhất từ ss đến vv trong đồ thị GG. Ta sẽ thực hiện chứng minh bằng phản chứng:

Định nghĩa hàm UPDATE()UPDATE() như sau: UPDATE(u,v):dist[v]←min{dist[v],dist[u]+w(u,v)}UPDATE(u, v): dist[v] ← min\{dist[v],dist[u]+w(u, v)\}.

Giả sử rằng tồn tại ít nhất một đỉnh vv sao cho dist[v]>SP(s,v)dist[v]> SP(s, v) khi vv được xóa khỏi hàng đợi ưu tiên QQ. Cụ thể, gọi ff là đỉnh đầu tiên được xóa khỏi QQ có tính chất trên. Khi đó, Pf=⟨s=u1,u2,...,uh=f⟩P_f = \langle s = u_1, u_2, ..., u_h = f \rangle là chuỗi các đỉnh trên đường đi ngắn nhất từ ​​s​​s đến ff, trong đó hh là số đỉnh trên đường đi ngắn nhất này.

Xét vòng lặp while mà ta dequeue ff từ QQ. Coi một đỉnh vv được đánh dấu nếu tại thời điểm này vv đã bị xóa khỏi QQ. Gọi uku_k là đỉnh đầu tiên trong PfP_f không được đánh dấu, tức là mọi đỉnh trong đường dẫn con ⟨hs,u2,...,uk−1⟩\langle h_s, u_2, ..., u_{k − 1} \rangle được đánh dấu và do đó đã bị xóa khỏi QQ.

Trong phần còn lại của chứng minh, ta sử dụng hai dữ kiện quan trọng sau:

Dữ kiện 1: Vì ff là đỉnh đầu tiên bị xóa khỏi QQ nên tại thời điểm loại bỏ nó (ở cuối thuật toán), ta có SP(s,f)

Dữ kiện 2: Với bất kỳ 1≤i≤j≤h1 ≤ i ≤ j ≤ h, đường dẫn con ⟨hs,u2,...,uk−1⟩\langle h_s, u_2, ..., u_{k − 1} \rangle của PfP_f phải là đường đi ngắn nhất từ ​​$u_i$ đến uju_j (nếu không, ta có thể thay thế đường dẫn con này trong PfP_f bằng một đường dẫn ngắn hơn và kết quả thu được một đường đi ngắn hơn từ ss đến ff).

Sử dụng hai dữ kiện này, ta có hai trường hợp dựa trên giá trị của kk:

• Trường hợp 1: k=hk = h, và do đó ff là đỉnh không được đánh dấu đầu tiên trong đường đi. Do đó, uh−1u_{h-1} được đánh dấu và bị xóa khỏi QQ. Theo dữ kiện 1, ta biết rằng dist[uh−1]=SP(s,uh−1)dist[u_{h − 1}] = SP (s, u_{h−1}), tức là đỉnh ngay trước ff trong PfP_f chứa giá trị d [·] đúng. Do đó, sau khi ta gọi UPDATE(uh−1,f)UPDATE(u_{h-1}, f) trên lần lặp tại vị trí ta xóa uk−1u_{k-1} khỏi QQ, dist[f]dist[f] được đặt không lớn hơn SP(s,uh−1)+w(uh−1,f)SP (s, u_{h − 1}) + w(u_{h−1}, f). Tuy nhiên, vì theo định nghĩa PfP_f là đường đi ngắn nhất từ ss tới ff, hay SP(s,uh−1)+w(uh−1,f)=SP(s,f)SP(s, u_{h − 1}) + w (u_{h − 1}, f) = SP (s, f). Do đó, khi ta gọi hàm UPDATE(uk−1,f)UPDATE (u_{k-1}, f), trên thực tế, ta đã lưu trữ SP(s,f)SP (s, f) tại dist[f]dist[f]. Đây là một mâu thuẫn vì ban đầu ta giả định rằng thuật toán sẽ kết thúc với dist[f]dist[f] lưu trữ một giá trị lớn hơn độ dài của đường đi ngắn nhất từ ss đến ff.
• Trường hợp 2: k

dist[uk]≤dist[uk−1]+w(uk−1,uk)dist[u_k] ≤ dist[u_{k−1}] +w(u_{k−1},u_k) (vì ta gọi hàm UPDATE(uk−1,uk)UPDATE(u_{k−1},u_k))

d=SP(s,uk−1)+w(uk−1,uk)d= SP(s,u_{k−1}) +w(u_{k−1},u_k) (sử dụng dữ kiện 1: uk−1u_{k-1} được đánh dấu và k−1

\=SP(s,uk)= SP(s,u_k) (dữ kiện 2: ⟨s,...,uk⟩\langle s,...,u_k\rangle là đường đi con của PfP_f)

Ta đã chỉ ra rằng từ bất đẳng thức thứ hai đến bất đẳng thức cuối là sử dụng giả thuyết cạnh có trọng số dương — bởi vì phải có ít nhất một cạnh nữa trong đường đi sau uku_k, đường đi ngắn nhất từ ss đến uku_k phải nhỏ hơn đường đi ngắn nhất từ ss đến ff. Trên thực tế, thuật toán Dijkstra không chính xác khi các cạnh có trọng số âm tồn tại trong đồ thị.

Vậy uku_k là một đỉnh vẫn nằm trong QQ, và ta đang dequeue đỉnh ff mặc dù bất đẳng thức trên chỉ ra rằng dist[uk]

Cài đặt

Code:

# include 

# include 

# include 

# include 
using namespace std;
const int oo = 9999999; // Đánh dấu là vô cực
typedef pair ii;
int pre[1812];
int graph[14][14];
vectorpath[1812]; //Lưu đường đi tới đỉnh i
vector a[1812];
int n, m;
int d[1812];
void dijkstra(int source) {
    priority_queue, greater> pq; //Hàng đợi ưu tiên, giá trị second bé nhất cho lên đầu
    for (int i = 1; i <= n; i++)
        d[i] = oo; //gan gia tri d[i] bang vo cuc
    d[source] = 0;
    pq.push(ii(0, source));
    while (pq.size()) {
        int u = pq.top().second; //Lấy giá trị second của phần tử đỉnh của pq
        int du = pq.top().first;
        pq.pop();
        if (du != d[u]){ //Điều kiện để bỏ qua pair mà giá trị d[u] được cập nhật từ lần lặp trước.
          continue;
  }
        for (int i = 0; i < a[u].size(); i++) { //Xét đỉnh kề đỉnh u
            int v = a[u][i].second;
            int uv = a[u][i].first;
            if (d[v] > du + uv) { //Nếu tổng của đỉnh đang xét + trọng số của cạnh nối 2 đỉnh u và v nhỏ hơn thì cập nhật d[v] mới
              pre[v] = u; // Đỉnh trước v là đỉnh u
                d[v] = du + uv; // Lấy giá trị nhỏ hơn
                pq.push(ii(d[v], v)); // Thêm pair vào pq
            }
        }
    }
}
int main() {
     int p, q, w, source;
    //printf("Nhap dinh nguon: ");
    scanf("%d", &source);
    //printf("Nhap so dinh: ");
    scanf("%d", &n);
    for(int i = 1; i <= n; i++){
      for(int j = 1; j <= n; j++){
        scanf("%d", &graph[i][j]);
        if(graph[i][j] != 0 && graph[i][j] != INT_MAX){
          a[i].push_back(ii(graph[i][j], j));
        }
      }
    }
    dijkstra(source);
    for (int i = 1; i <= n; i++){
      if(i == source) continue;
      printf("=== Dinh %d\n", i);
      if(d[i] == oo ){
        printf("khong co duong di tu nguon toi dinh nay \n");
        continue;
  }
        printf("d( %d -> %d ) = %d\n", source, i, d[i]);
  for(int tmp = i; tmp != source; tmp = pre[tmp]){
    path[i].push_back(tmp);
  }
  path[i].push_back(source);
  reverse(path[i].begin(),path[i].end());
  printf("Duong di: ");
  for(int j = 0; j < path[i].size(); j++){
    if(j == path[i].size()-1){
      printf("%d", path[i][j]);
      break;
    }
    else printf("%d -> ", path[i][j]);
  }
  printf("\n");
    }
    return 0;
}

Độ phức tạp thời gian O(∣E∣.log∣V∣)O(|E|.log|V|) với ∣E∣|E| là số đỉnh và ∣V∣|V| là số cạnh

Ứng dụng thực tế của thuật toán Dijkstra

Một số ứng dụng của thuật toán Dijkstra trong thực tế:

• Tìm đường đi ngắn nhất trên bản đồ.
• Ứng dụng trong mạng xã hội.
• Ứng dụng trong hệ thống thông tin di động
• Ứng dụng trong hàng không

Tổng kết

Vậy trong bài viết vừa rồi, ta đã tìm hiểu các nội dung trong thuật toán Dijkstra. Thuật toán Dijkstra được áp dụng rất nhiều trong các cuộc thi lập trình. Bên cạnh đó, có thêm một số các thuật toán tìm đường đi ngắn nhất khác, chúng ta sẽ bàn luận trong bài viết sau.