Givet en vägd riktad acyklisk graf (DAG) och en källpunkt i den, hitta de längsta avstånden från källpunkten till alla andra hörn i den givna grafen.
Vi har redan diskuterat hur vi kan hitta Längsta vägen i riktad acyklisk graf (DAG) i set 1. I det här inlägget kommer vi att diskutera en annan intressant lösning för att hitta längsta vägen för DAG som använder algoritm för att hitta Kortaste vägen i en DAG .
Tanken är att negera vägens vikter och hitta den kortaste vägen i grafen . En längsta väg mellan två givna hörn s och t i en viktad graf G är samma sak som en kortaste väg i en graf G' härledd från G genom att ändra varje vikt till dess negation. Därför om de kortaste vägarna kan hittas i G' så kan de längsta vägarna också hittas i G.
Nedan följer steg för steg processen för att hitta de längsta vägarna -
java hashmap
Vi ändrar vikten av varje kant på en given graf till dess negation och initialiserar avstånd till alla hörn som oändliga och avstånd till källa som 0, sedan hittar vi en topologisk sortering av grafen som representerar en linjär ordning av grafen. När vi betraktar ett vertex u i topologisk ordning är det garanterat att vi har beaktat varje inkommande kant till den. d.v.s. vi har redan hittat den kortaste vägen till den vertexen och vi kan använda den informationen för att uppdatera kortare väg för alla dess närliggande hörn. När vi väl har topologisk ordning bearbetar vi en efter en alla hörn i topologisk ordning. För varje vertex som bearbetas uppdaterar vi avstånden för dess intilliggande vertex med det kortaste avståndet från nuvarande vertex från källvertex och dess kantvikt. dvs.
for every adjacent vertex v of every vertex u in topological order if (dist[v] > dist[u] + weight(u v)) dist[v] = dist[u] + weight(u v)
När vi väl har hittat alla kortaste vägar från källpunkten blir de längsta vägarna bara negation av de kortaste vägarna.
Nedan är implementeringen av ovanstående tillvägagångssätt:
javascript-datumC++
// A C++ program to find single source longest distances // in a DAG #include
# A Python3 program to find single source # longest distances in a DAG import sys def addEdge(u v w): global adj adj[u].append([v w]) # A recursive function used by longestPath. # See below link for details. # https:#www.geeksforgeeks.org/topological-sorting/ def longestPathUtil(v): global visited adjStack visited[v] = 1 # Recur for all the vertices adjacent # to this vertex for node in adj[v]: if (not visited[node[0]]): longestPathUtil(node[0]) # Push current vertex to stack which # stores topological sort Stack.append(v) # The function do Topological Sort and finds # longest distances from given source vertex def longestPath(s): # Initialize distances to all vertices # as infinite and global visited Stack adjV dist = [sys.maxsize for i in range(V)] # for (i = 0 i < V i++) # dist[i] = INT_MAX dist[s] = 0 for i in range(V): if (visited[i] == 0): longestPathUtil(i) # print(Stack) while (len(Stack) > 0): # Get the next vertex from topological order u = Stack[-1] del Stack[-1] if (dist[u] != sys.maxsize): # Update distances of all adjacent vertices # (edge from u -> v exists) for v in adj[u]: # Consider negative weight of edges and # find shortest path if (dist[v[0]] > dist[u] + v[1] * -1): dist[v[0]] = dist[u] + v[1] * -1 # Print the calculated longest distances for i in range(V): if (dist[i] == sys.maxsize): print('INT_MIN ' end = ' ') else: print(dist[i] * (-1) end = ' ') # Driver code if __name__ == '__main__': V = 6 visited = [0 for i in range(7)] Stack = [] adj = [[] for i in range(7)] addEdge(0 1 5) addEdge(0 2 3) addEdge(1 3 6) addEdge(1 2 2) addEdge(2 4 4) addEdge(2 5 2) addEdge(2 3 7) addEdge(3 5 1) addEdge(3 4 -1) addEdge(4 5 -2) s = 1 print('Following are longest distances from source vertex' s) longestPath(s) # This code is contributed by mohit kumar 29
// C# program to find single source longest distances // in a DAG using System; using System.Collections.Generic; // Graph is represented using adjacency list. Every node of // adjacency list contains vertex number of the vertex to // which edge connects. It also contains weight of the edge class AdjListNode { private int v; private int weight; public AdjListNode(int _v int _w) { v = _v; weight = _w; } public int getV() { return v; } public int getWeight() { return weight; } } // Graph class represents a directed graph using adjacency // list representation class Graph { private int V; // No. of vertices // Pointer to an array containing adjacency lists private List<AdjListNode>[] adj; public Graph(int v) // Constructor { V = v; adj = new List<AdjListNode>[ v ]; for (int i = 0; i < v; i++) adj[i] = new List<AdjListNode>(); } public void AddEdge(int u int v int weight) { AdjListNode node = new AdjListNode(v weight); adj[u].Add(node); // Add v to u's list } // A recursive function used by longestPath. See below // link for details. // https://www.geeksforgeeks.org/dsa/topological-sorting/ private void LongestPathUtil(int v bool[] visited Stack<int> stack) { // Mark the current node as visited visited[v] = true; // Recur for all the vertices adjacent to this // vertex foreach(AdjListNode node in adj[v]) { if (!visited[node.getV()]) LongestPathUtil(node.getV() visited stack); } // Push current vertex to stack which stores // topological sort stack.Push(v); } // The function do Topological Sort and finds longest // distances from given source vertex public void LongestPath(int s) { // Initialize distances to all vertices as infinite // and distance to source as 0 int[] dist = new int[V]; for (int i = 0; i < V; i++) dist[i] = Int32.MaxValue; dist[s] = 0; Stack<int> stack = new Stack<int>(); // Mark all the vertices as not visited bool[] visited = new bool[V]; for (int i = 0; i < V; i++) { if (visited[i] == false) LongestPathUtil(i visited stack); } // Process vertices in topological order while (stack.Count > 0) { // Get the next vertex from topological order int u = stack.Pop(); if (dist[u] != Int32.MaxValue) { // Update distances of all adjacent vertices // (edge from u -> v exists) foreach(AdjListNode v in adj[u]) { // consider negative weight of edges and // find shortest path if (dist[v.getV()] > dist[u] + v.getWeight() * -1) dist[v.getV()] = dist[u] + v.getWeight() * -1; } } } // Print the calculated longest distances for (int i = 0; i < V; i++) { if (dist[i] == Int32.MaxValue) Console.Write('INT_MIN '); else Console.Write('{0} ' dist[i] * -1); } Console.WriteLine(); } } public class GFG { // Driver code static void Main(string[] args) { Graph g = new Graph(6); g.AddEdge(0 1 5); g.AddEdge(0 2 3); g.AddEdge(1 3 6); g.AddEdge(1 2 2); g.AddEdge(2 4 4); g.AddEdge(2 5 2); g.AddEdge(2 3 7); g.AddEdge(3 5 1); g.AddEdge(3 4 -1); g.AddEdge(4 5 -2); int s = 1; Console.WriteLine( 'Following are longest distances from source vertex {0} ' s); g.LongestPath(s); } } // This code is contributed by cavi4762.
// A Java program to find single source longest distances // in a DAG import java.util.*; // Graph is represented using adjacency list. Every // node of adjacency list contains vertex number of // the vertex to which edge connects. It also // contains weight of the edge class AdjListNode { private int v; private int weight; AdjListNode(int _v int _w) { v = _v; weight = _w; } int getV() { return v; } int getWeight() { return weight; } } // Class to represent a graph using adjacency list // representation public class GFG { int V; // No. of vertices' // Pointer to an array containing adjacency lists ArrayList<AdjListNode>[] adj; @SuppressWarnings('unchecked') GFG(int V) // Constructor { this.V = V; adj = new ArrayList[V]; for (int i = 0; i < V; i++) { adj[i] = new ArrayList<>(); } } void addEdge(int u int v int weight) { AdjListNode node = new AdjListNode(v weight); adj[u].add(node); // Add v to u's list } // A recursive function used by longestPath. See // below link for details https:// // www.geeksforgeeks.org/topological-sorting/ void topologicalSortUtil(int v boolean visited[] Stack<Integer> stack) { // Mark the current node as visited visited[v] = true; // Recur for all the vertices adjacent to this // vertex for (int i = 0; i < adj[v].size(); i++) { AdjListNode node = adj[v].get(i); if (!visited[node.getV()]) topologicalSortUtil(node.getV() visited stack); } // Push current vertex to stack which stores // topological sort stack.push(v); } // The function to find Smallest distances from a // given vertex. It uses recursive // topologicalSortUtil() to get topological sorting. void longestPath(int s) { Stack<Integer> stack = new Stack<Integer>(); int dist[] = new int[V]; // Mark all the vertices as not visited boolean visited[] = new boolean[V]; for (int i = 0; i < V; i++) visited[i] = false; // Call the recursive helper function to store // Topological Sort starting from all vertices // one by one for (int i = 0; i < V; i++) if (visited[i] == false) topologicalSortUtil(i visited stack); // Initialize distances to all vertices as // infinite and distance to source as 0 for (int i = 0; i < V; i++) dist[i] = Integer.MAX_VALUE; dist[s] = 0; // Process vertices in topological order while (stack.isEmpty() == false) { // Get the next vertex from topological // order int u = stack.peek(); stack.pop(); // Update distances of all adjacent vertices if (dist[u] != Integer.MAX_VALUE) { for (AdjListNode v : adj[u]) { if (dist[v.getV()] > dist[u] + v.getWeight() * -1) dist[v.getV()] = dist[u] + v.getWeight() * -1; } } } // Print the calculated longest distances for (int i = 0; i < V; i++) if (dist[i] == Integer.MAX_VALUE) System.out.print('INF '); else System.out.print(dist[i] * -1 + ' '); } // Driver program to test above functions public static void main(String args[]) { // Create a graph given in the above diagram. // Here vertex numbers are 0 1 2 3 4 5 with // following mappings: // 0=r 1=s 2=t 3=x 4=y 5=z GFG g = new GFG(6); g.addEdge(0 1 5); g.addEdge(0 2 3); g.addEdge(1 3 6); g.addEdge(1 2 2); g.addEdge(2 4 4); g.addEdge(2 5 2); g.addEdge(2 3 7); g.addEdge(3 5 1); g.addEdge(3 4 -1); g.addEdge(4 5 -2); int s = 1; System.out.print( 'Following are longest distances from source vertex ' + s + ' n'); g.longestPath(s); } } // This code is contributed by Prithi_Dey
class AdjListNode { constructor(v weight) { this.v = v; this.weight = weight; } getV() { return this.v; } getWeight() { return this.weight; } } class GFG { constructor(V) { this.V = V; this.adj = new Array(V); for (let i = 0; i < V; i++) { this.adj[i] = new Array(); } } addEdge(u v weight) { let node = new AdjListNode(v weight); this.adj[u].push(node); } topologicalSortUtil(v visited stack) { visited[v] = true; for (let i = 0; i < this.adj[v].length; i++) { let node = this.adj[v][i]; if (!visited[node.getV()]) { this.topologicalSortUtil(node.getV() visited stack); } } stack.push(v); } longestPath(s) { let stack = new Array(); let dist = new Array(this.V); let visited = new Array(this.V); for (let i = 0; i < this.V; i++) { visited[i] = false; } for (let i = 0; i < this.V; i++) { if (!visited[i]) { this.topologicalSortUtil(i visited stack); } } for (let i = 0; i < this.V; i++) { dist[i] = Number.MAX_SAFE_INTEGER; } dist[s] = 0; let u = stack.pop(); while (stack.length > 0) { u = stack.pop(); if (dist[u] !== Number.MAX_SAFE_INTEGER) { for (let v of this.adj[u]) { if (dist[v.getV()] > dist[u] + v.getWeight() * -1) { dist[v.getV()] = dist[u] + v.getWeight() * -1; } } } } for (let i = 0; i < this.V; i++) { if (dist[i] === Number.MAX_SAFE_INTEGER) { console.log('INF'); } else { console.log(dist[i] * -1); } } } } let g = new GFG(6); g.addEdge(0 1 5); g.addEdge(0 2 3); g.addEdge(1 3 6); g.addEdge(1 2 2); g.addEdge(2 4 4); g.addEdge(2 5 2); g.addEdge(2 3 7); g.addEdge(3 5 1); g.addEdge(3 4 -1); g.addEdge(4 5 -2); console.log('Longest distances from the vertex 1 : '); g.longestPath(1); //this code is contributed by devendra
Produktion
Following are longest distances from source vertex 1 INT_MIN 0 2 9 8 10
Tidskomplexitet : Tidskomplexiteten för topologisk sortering är O(V + E). Efter att ha hittat topologisk ordning bearbetar algoritmen alla hörn och för varje hörn kör den en loop för alla intilliggande hörn. Eftersom totala angränsande hörn i en graf är O(E) löper den inre slingan O(V + E) gånger. Därför är den totala tidskomplexiteten för denna algoritm O(V + E).
Utrymmes komplexitet:
Rymdkomplexiteten för ovanstående algoritm är O(V). Vi lagrar utdatamatrisen och en stack för topologisk sortering.