算法为王系列文章，涵盖了计算机算法，数据挖掘(机器学习)算法，统计算法，金融算法等的多种跨学科算法组合。在大数据时代的背景下，算法已经成为了金字塔顶的明星。一个好的算法可以创造一个伟大帝国，就像Google。

算法为王的时代正式到来….

关于作者：

• 张丹, 分析师/程序员/Quant: R,Java,Nodejs
• blog: http://blog.fens.me
• email: bsspirit@gmail.com

转载请注明出处：
http://blog.fens.me/r-graph-shortest-path-dijkstra/

前言

最短路径是图算法中的基本算法，被普遍应用于多种场景中，比如在实际生活中的路径规划、地图导航，建立道路交通网、物流运输网络、计算机网络等，这时就可以使用最短路径算法。

常用的最短路径算法包括：Dijkstra算法，A star算法，Bellman-Ford算法，SPFA算法（Bellman-Ford算法的改进版本），Floyd-Warshall算法，Johnson算法以及Bi-direction BFS算法。

目录

1. 最短路径算法介绍
2. Dijkstra 算法原理
3. 用R语言调用 Dijkstra 算法

1. 最短路径算法介绍

最短路径问题是图论研究中一个经典算法问题，旨在寻找图中两节点或单个节点到其他节点之间的最短路径。根据问题的不同，算法的具体形式包括：

• 确定起点的最短路径问题，即给定起始节点，求该节点到其他剩余节点的最短路径，适合使用Dijkstra算法
• 确定终点的最短路径问题，即给定终点，求其他节点到该终点的最短路径。在无向图中，该问题与确定起点的问题等价；在有向图中，问题等价于把所有路径方向反转的确定起点的问题；
• 确定起点终点的最短路径问题，即给定起点和终点，求两节点之间的最短路径；
• 全局最短路径问题，即求图中所有节点之间的最短路径，适合使用Floyd-Warshall算法。

多种最短路径算法

2. Dijkstra 算法原理

Dijkstra算法，于1956年由荷兰计算机科学家艾兹赫尔.戴克斯特拉提出，用于解决赋权有向图的单源最短路径问题。所谓单源最短路径问题是指确定起点，寻找该节点到图中任意节点的最短路径，算法可用于寻找两个城市中的最短路径或是解决著名的旅行商问题。

基本思想

1. 通过Dijkstra计算图中的最短路径时，需要指定一个起点A。
2. 简历两个数组S和U，S用于记录已求出最短路径的顶点(以及相应的最短路径长度)，U用于记录还未求出最短路径的顶点(以及该顶点到起点A的距离)。
3. 初始时，数组S中只有起点A；数组U中是除起点A之外的顶点，并且数组U中记录各顶点到起点A的距离。如果顶点与起点A不相邻，距离为无穷大INF。
4. 从数组U中找出路径最短的点X，并将其加入到数组S中；同时，从数组U中移除顶点X。接着，更新数组U中的各顶点到起点A的距离。
5. 重复第4步操作，直到遍历完所有顶点。

下面，我们来举例说明一下算法，创建一个带权重的有向图，来描述对最短路径。

开始点为A，数组U为开始列，数组S为上层节点列。通过6次遍历，找到从A到G的最短路径。

3. 用R语言调用 Dijkstra 算法

我们用R语言中，igraph包已经实现了Dijkstra算法，我们可以直接调用igraph包的shortest.pahs()函数进行最短路径的计算。首先，安装和加载 igraph 程序包

> install.pacakges("igraph")
> library(igraph)

生一个有向有权重的网络图，如上例所示。

> df<-data.frame(
+   from=c("A","A","A","B","D","B","C","D","C","F","E","F"),
+   to=c("B","D","C","C","C","E","E","F","F","E","G","G"),
+   weight=c(4,6,6,1,2,7,6,5,4,1,6,8)
+ )
> df
   from to weight
1     A  B      4
2     A  D      6
3     A  C      6
4     B  C      1
5     D  C      2
6     B  E      7
7     C  E      6
8     D  F      5
9     C  F      4
10    F  E      1
11    E  G      6
12    F  G      8

把数据生成igraph图对象，再以网络图进行展示。

# 生成igraph对象
> a<-graph_from_data_frame(df, directed = TRUE, vertices = NULL)

# 画图
> E(a)$arrow.size<-1
> E(a)$arrow.width<-0.2
> E(a)$label<-df$weight
> plot(a)

上面我们把节点涂色了，下面继续把边也涂色。首先，找到最短路径上的边，把最短路径边涂红色，非最短路径的边涂灰色。

# 通过最短路径的节点，建立边的关系
> s_vert<-data.frame(from=s_node[-length(s_node)],to=s_node[-1])

# 找到网络图中所有的边
> a_vert<-as_data_frame(a,what="edges")

# 找到最短路径的边的索引
> idx<-which(paste0(a_vert$from,"-",a_vert$to) %in% paste0(s_vert$from,"-",s_vert$to))
> idx
[1]  1  4  9 10 11

# 涂色：红色为最短路径的边，灰色为非最短路径的边
> a_vert$color<-"gray"
> a_vert$color[idx]<-"red"

# 画图
> E(a)$color<-a_vert$color
> plot(a)

用Dijkstra算法，计算从A开始，到B,C,D,E,F,G的所有节点的最短距离。

> shortest.paths(a,"A", algorithm = "dijkstra")
  A B D C F  E  G
A 0 4 6 5 9 10 16

输出结果，从A到B最短距离为4，从A到D最短距离为6，从A到C最短距离为5，从A到F最短距离为9，从A到E最短距离为10，从A到G最短距离为16。

当然，我们除了想知道最短距离，还想知道最短距离的路径是什么样的。接下来，我们先计算最短距离路径上的点，并发点进行涂色。

# 计算最短距离经过的点
> s_node<-all_shortest_paths(a,"A","G")$res[[1]]$name
> snode
[1] "A" "B" "C" "F" "E" "G"

# 把节点进行涂色
> cols<-data.frame(label=V(a)$name,color=0)
> cols$color[which(cols$label %in% s_node)]<-1
> cols
  label color
1     A     1
2     B     1
3     D     0
4     C     1
5     F     1
6     E     1
7     G     1

# 画图
> V(a)$color<-cols$color
> plot(a)

其中，黄色点为最短距离穿过的节点，白色节点为不在最短距离路径上的节点。

上面我们把点进行了涂色，下面我们继续边最少路径的边进行涂色。首先，根据最短路径的节点，创建边的关系。然后对边进行涂色，在最短路径的边涂为红色，不在最短路径的边涂为灰色。

# 建立最短路径节点的关系
> s_vert<-data.frame(from=s_node[-length(s_node)],to=s_node[-1])

# 找到网络图的完整路径
> a_vert<-as_data_frame(a,what="edges")

# 找到最短路径的边的索引
> idx<-which(paste0(a_vert$from,"-",a_vert$to) %in% paste0(s_vert$from,"-",s_vert$to))
> idx
[1]  1  4  9 10 11

# 涂色
> a_vert$color<-"gray"
> a_vert$color[idx]<-"red"

# 画图
> E(a)$color<-a_vert$color
> plot(a)

这样就在完整的网络图中，可以从开始节点A，按红色路径走到G，生成了最短路径所过过的节点和边了。

扩展一下，我们用Dijkstra算法，分别计算从不同点开始，到所有不同的点的最短距离，通过矩阵来表达，任意2个节点的最短距离。

> shortest.paths(a, algorithm = "dijkstra")
   A  B  D  C F  E  G
A  0  4  6  5 9 10 16
B  4  0  3  1 5  6 12
D  6  3  0  2 5  6 12
C  5  1  2  0 4  5 11
F  9  5  5  4 0  1  7
E 10  6  6  5 1  0  6
G 16 12 12 11 7  6  0

通过上面的步骤，我们就实现了在R语言中使用Dijkstra算法，计算的最短路径算法。本来还想着，自己再来实现一遍，发现网上有很多的开源的代码，还让自己休息一下吧。下篇文章将介绍，知识图谱：最短路径算法Bellman-Ford算法，应该是需求自己手写了。

本文算法代码已上传到github: https://github.com/bsspirit/graph/blob/main/dijkstra.r

转载请注明出处：
http://blog.fens.me/r-graph-shortest-path-dijkstra/

This entry was posted in R语言实践, 程序算法