Shortest Path
- 가장 짧은 경로를 찾는 알고리즘
- 대표적인 최단 거리 알고리즘으로는
다익스트라
,플로이드 워셜
,벨만 포드
알고리즘이 있다.
최단 경로 문제의 종류
단일 출발(single-source) 최단 경로
- 어떤 하나의 정점에서 출발하여 나머지 모든 정점까지의 최단 경로를 찾는 문제
단일 도착(single-destination) 최단 경로
- 모든 정점에서 출발하여 어떤 하나의 정점까지의 최단 경로를 찾는 문제
- 그래프 내의 간선들을 뒤집으면 단일 출발 최단 거리 문제가 된다.
단일 쌍(single-pair) 최단 경로
- 모든 정점 쌍들 사이의 최단 경로를 찾는 문제
Dijkstra
- 그래프에서 여러 개의 노드가 있을 때,
특정한 노드에서 출발하여 다른 노드로 가는 각각의 최단 경로를 구해주는 알고리즘
- 한 지점에서 다른 특정 지점까지의 최단 경로를 구해야 하는 경우
음의 간선
이 없을 때 정상적으로 동작한다.- 다익스트라 최단 경로 알고리즘은 매번 가장 비용이 적은 노드를 선택하는 과정의 반복하기 때문에 그리디 알고리즘이라고 할 수 있다.
다익스트라 알고리즘의 원리
- 출발 노드를 설정한다.
- 최단 거리 테이블을 초기화한다.
- 방문하지 않는 노드 중에서 최단 거리가 가장 짧은 노드를 선택한다.
- 해당 노드를 거쳐 다른 노드로 가는 비용을 계산하여 최단 거리 테이블을 갱신한다.
- 3, 4번 과정을 반복한다.
다익스트라 알고리즘은 최단 경로를 구하는 과정에서 각 노드에 대한 현재까지의 최단 거리 정보
를 항상 1차원 리스트(최단 거리 테이블
)에 저장하며 리스트를 계속 갱신한다.
다익스트라 알고리즘의 구현
V개의 정점과 음수가 아닌 E개의 간선을 가진 그래프 G에서 특정 출발 정점(S)에서부터 다른 모든 정점까지의 최단경로를 구하는 알고리즘
- 구현하기 쉽지만 느리게 동작하는 코드 : \(O(V^2)\)
- 매 단계마다 방문하지 않은 노드 중에서 최단 거리가 가장 짧은 노드를 선택하기 위해 최단 거리 테이블의 모든 원소를 순차 탐색한다.
import sys
input = sys.stdin.readline
INF = int(1e9)
# 노드의 개수, 간선의 개수 입력받기
n, m = map(int, input().split())
# 시작 노드 번호 입력받기
start = int(input())
# 각 노드에 연결되어 있는 노드에 대한 정보를 담는 리스트 만들기
graph = [[] for i in range(n + 1)]
# 방문한 적이 있는지 체크하기 위한 리스트 만들기
visited = [False] * (n + 1)
# 최단 거리 테이블을 모두 무한으로 초기화
distance = [INF] * (n + 1)
# 모든 간선 정보 입력받기
for _ in range(m):
a, b, c = map(int, input().split())
graph[a].append((b, c))
# a 노드에서 b 노드로 가는 비용 c
def get_smallest_node():
min_value = INF
index = 0
for i in range(1, n + 1):
if distance[i] < min\_value and not visited\[i\]:
min_value = distance[i]
index = i
return index
def dijkstra(start):
# 시작 노드에 대해서 초기화
distance[start] = 0
visited[start] = True
for j in graph[start]:
distance[j[0]] = j[1]
# 시작 노드를 제외한 전체 n - 1개의 노드에 대해 반복
for i in range(n - 1):
# 현재 최단 거리가 가장 짧은 노드를 꺼내서 방문 처리
now = get_smallest_node()
visited[now] = True
for j in graph[now]:
cost = distance[now] + j[1]
if cost < distance[j[0]]:
distance[j[0]] = cost
dijkstra(start)
# 모든 노드로 가기 위한 최단 거리 출력
for i in range(1, n + 1):
if distance[i] == INF:
print("INFINITY")
else:
print(distance[i])
- 구현하기 까다롭지만 빠르게 동작하는 코드 : \(O(ElogV)\)
- 최단 거리가 가장 짧은 노드를 찾을 때 순차 탐색이 아닌 힙 자료구조를 이용해 찾는다.
우선순위 큐
- 우선순위가 가장 높은 데이터를 가장 먼저 삭제
- 파이썬에서는
PriorityQueue
와heapq
라이브러리가 우선순위 큐 기능을 지원한다. - 일반적으로
heapq
가 더 빠르게 동작하기 때문에 수행 시간이 제한된 상황에서는heapq
사용이 권장된다. - 우선순위 큐를 구현할 때는 내부적으로
최소 힙(Min heap)
또는최대 힙(Max heap)
을 사용한다.최소 힙
: 값이 낮은 데이터가 먼저 삭제최대 힙
: 값이 큰 데이터가 먼저 삭제- 최소 힙을 최대 힙처럼 사용하기 위해 일부러 우선순위 값에
-
를 붙이기도 한다. - 파이썬, 자바에서는 최소 힙을, c++에서는 최대 힙을 이용하여 우선순위 라이브러리를 구현한다.
우선순위 큐 구현 방식 | 삽입 시간 | 삭제 시간 |
---|---|---|
리스트 | $O(1)$ | $O(N)$ |
힙 | $O(logN)$ | $O(logN)$ |
import heapq
import sys
input = sys.stdin.readline
INF = int(1e9)
# 노드의 개수, 간선의 개수 입력 받기
n, m = map(int, input().split())
# 시작 노드 번호 입력 받기
start = int(input())
# 각 노드에 연결되어 있는 노드에 대한 정보를 담는 리스트 만들기
graph = [[] for i in range(n + 1)]
# 최단 거리 테이블을 모두 무한으로 초기화
distance = [INF] * (n + 1)
# 모든 간선 정보 입력 받기
for _ in range(m):
a, b, c = map(int, input().split())
# a 노드에서 b 노드로 가는 비용 c
graph[a].append((b, c))
def dijkstra(start):
q = []
# 시작 노드로 가기 위한 최단 경로는 0으로 설정하여 큐에 삽입
heapq.heappush(q, (0, start))
distance[start] = 0
while q:
# 가장 최단 거리가 짧은 노드에 대한 정보 꺼내기
dist, now = heapq.heappop(q)
# 현재 노드가 이미 처리된 적 있는 노드라면 무시
if distance[now] < dist:
continue
# 현재 노드와 연결된 다른 인접한 노드들 확인
for i in graph[now]:
cost = dist + i[1]
# 현재 노드를 거쳐서 다른 노드로 이동하는 거리가 더 짧은 경우
if cost < distance[i[0]]:
distance[i[0]] = cost
heapq.heappush(q, (cost, i[0]))
dijkstra(start)
# 모든 노드로 가기 위한 최단 거리 출력
for i in range(1, n + 1):
if distance[i] == INF:
print("INFINITY")
else:
print(distance[i])
Floyd-Warshall
- 모든 지점에서 다른 모든 지점까지의 최단 경로를 모구 구해야 하는 경우
- 플로이드 워셜 알고리즘 또한 다익스트라 알고리즘과 단계마다 거쳐가는 노드를 기준으로 알고리즘을 수행한다는 점이 같지만,
매번 방문하지 않은 노드 중에서 최단 거리를 갖는 노드를 찾을 필요가 없다
는 점이 다르다. - 노드의 개수가 N개일 때 N번의 단계마다 \(O(N^2)\)의 연산을 통해 현재 노드를 거쳐가는 모든 경로를 고려한다.
- 따라서 플로이드 워셜 알고리즘의 시간 복잡도는 \(O(N^3)\)이다.
- 다익스트라 알고리즘에서 최단 거리를 저장하기 위해 1차원 리스트를 사용했다면, 플로이드 워셜 알고리즘에서는
2차원 리스트
를 사용한다. - 다익스트라 알고리즘은 그리디 알고리즘이지만, 플로이드 워셜 알고리즘은 노드의 개수만큼 단계를 반복하며
점화식에 맞게
2차원 리스트를 갱신하기 때문에다이나믹 프로그래밍
이다. - \(D_{ab} = min(D_{ab}, D_{ak} + D_{kb})\)
INF = int(1e9)
# 노드의 개수 및 간선의 개수 입력받기
n = int(input())
m = int(input())
# 2차원 리스트를 만들고 모든 값을 무한으로 초기화
graph = [[INF] * (n + 1) for _ in range(n + 1)]
# 자기 자신에서 자기 자신으로 가는 비용 0으로 초기화
for a in range(1, n + 1):
for b in range(1, n + 1):
if a == b:
graph[a][b] = 0
# 각 간선에 대한 정보를 입력받아 그 값으로 초기화
for _ in range(m):
a, b, c = map(int, input().split())
graph[a][b] = c
# 점화식에 따라 플로이드 워셜 알고리즘 수행
for k in range(1, n + 1):
for a in range(1, n + 1):
for b in range(1, n + 1):
graph[a][b] = mmin(graph[a][b], graph[a][k] + graph[k][b])
# 결과 출력
for a in range(1, n + 1):
for b in range(1, n + 1):
if graph[a][b] == INF:
print("INFINITY")
else:
print(graph[a][b], end=' ')
print()
'Algorithm' 카테고리의 다른 글
[Algorithm] Binary Search (0) | 2023.01.26 |
---|---|
[Algorithm] Sorting - 버블, 선택, 삽입, 병합, 퀵 정렬 (Python) (0) | 2023.01.26 |
[Algorithm] DFS & BFS (0) | 2023.01.26 |
[Algorithm] Greedy (0) | 2023.01.26 |
[Algorithm] Prime number - 에라토스테네스의 체 (0) | 2022.10.20 |