Shortest Path (Negative) & Bellman-Ford

一、 负权最短路径问题与 Dijkstra 的失效溯源

1.1 带负权图与负权环 (Negative Cycle)的挑战

• 问题拓展：当有向图 $G(V,E)$ 允许边的权重 $w(u,v)$ 为负数时，路径长度依然定义为权重的代数和。
• 距离无穷小危机：如果图中存在负权环 (Negative Cycle)（即一个环上所有边权加起来 $<0$），那么我们可以通过无限制地绕着该闭环走，使总距离变得“只有更小，没有最小”。在这种情况下，最短距离在数学上处于未定义 (Not well-defined) 状态。

1.2 Dijkstra 算法在负权图下的破产

• 寻找反例 (Finding a counter example)： 假设图中有源点 $s$，存在路径 $s\to a$ 权重是 5，路径 $s\to b\to a$ 权重是 $7-3=4$。 Dijkstra 的策略是贪心锁定最近的点。当它看到 $a$ 距离为 5，而 $b$ 距离为 7 时，它会毫不犹豫地宣布“到达 $a$ 的全局最短距离已确定为 5”，并将 $a$ 这颗棋子彻底钉死在已知最短路径集合 $T$ 中不再理会。然而，它万万没想到后面竟然躲藏着一条负权的大道 $(b,a)$，使正确的答案应当是 4。
• 指出证明中的问题 (Pointing out problems in the proof)： 回忆上一节课中 Dijkstra 正确性证明的核心逻辑： 假设新纳入节点 $v$ 存在另一条更短路径 $s\to x\cdots \to v$，$x$ 是路径上刚出圈的界外节点。因为距离只会越走越长（前提是边权 $\ge 0$），所以必然有 $dis{t}_T(x)\le \text{真实路线总长}<dis{t}_T(v)$，进而推导出应该先选择 $x$ 入圈的矛盾。 而在负权图中，这一逻辑链条在“距离越走越长”处彻底崩塌。即使当前看起来 $dis{t}_T(x)$ 比 $dis{t}_T(v)$ 大，路径在经过随后的负权边时，完全可能再次把总长度“拉低”到 $dis{t}_T(v)$ 以下！由于丧失了这一单调增长性保障，假定自然被撕裂。

---

二、 Bellman-Ford 算法的绝地反击

2.1 算法出发点 (Intuition)

• 从“聪明”到“粗暴”：Dijkstra 极度聪明，它精心编排了一套正确的探索顺序，确保全图只有一轮有效操作，每条边恰好只起一次松弛作用。但在负权肆虐的无序世界中，这套最优顺序彻底无解。
• 核心策略：“蠢方法破局” 既然无法预知最佳的收敛节点次序，那么算法的最高哲学退化为大巧不工——全面遍历，循环松弛 (Keep updating everyone!)。不再费心挑选具有极值的人选，而是用所有的边，对所有的节点，轮番检查并更新其当前已知距离，不给遗漏死角留机会。

2.2 基础伪代码雏形

// 算法：Bellman-Ford 雏形
// 输入：允许带负权的有向图 G(V, E), 源点 s
Function bellman_ford(G, s):
    dist[s] = 0
    for each x in V (x != s):
        dist[x] = infinity
    // 只要有任何顶点的距离还能变得更短，就不停地用所有边去松弛
    while 存在 dist[x] 被成功更新:
        for each 边 (u, v) in E:
            dist[v] = min(dist[v], dist[u] + w(u, v))

2.3 图的适用性分析 (Graph Applicability)

对于 Bellman-Ford 算法，我们需要明确它所解决的图域范围：

• 什么样的图能让 Bellman-Ford 正确计算？(What kind of graphs make it correct?)
  • 答案：不包含负权环 (Graphs without negative cycles) 的图。只要没有负权环，该算法一定能收敛并得出所有点的正确最短路径。
• 为什么我们只需要考虑这种没有负权环的图？(Why we only need to consider this kind of graphs?)
  • 答案：因为一旦图中出现了负权环，最短路径在数学上已经不再是良定义 (Not well-defined) 了。我们可以绕着负权环走无数圈，使得路径的总权重变得“要多小有多小”（The shortest distance can be as small as we want!）。因此，对于包含负权环的图，提问“最短路径是多少”本身就是失去意义的。

---

三、 正确性推导与核心边界条件

面对这种依靠暴力的策略，我们需要严密的数学来为其刻画收敛边界。

3.1 核心引理与数学归纳法 (Lemma 1)

• 引理 1：经过 $k$ 轮全图松弛后，$dist(v)$ 绝对等同于所有“包含不超过 $k$ 条边的路径”中的真正最短距离。
• 证明 (Induction)：
  • 边界状态 (Base Case)：经过 $0$ 轮松弛时，$dist[s]=0$。0 条边的路径只能停留在源头，因此正确。
  • 递推假设 (Inductive Step)：假定经过 $k-1$ 轮后，各点 $dist$ 都已经收敛到了不超过 $k-1$ 条边路径的最优解。
  • 考虑存在一条由 $k$ 条边构成的通向 $v$ 的最短路径：$(s,u_1,u_2,\dots ,u_{k-1},v)$。
  • 根据前述假设可知，在第 $k-1$ 轮结算后，$dist[u_{k-1}]$ 这个前驱位置的最小距离（由 $k-1$ 边支撑）无论如何是已经准确算得的：$dist[u_{k-1}]\le d(s,u_1,\dots ,u_{k-1})$。
  • 随后步入了第 $k$ 轮松弛循环。由于 Bellman-Ford 算法每次无差别清点并且使用了网络中所有的 $(u,v)$ 去实施探测与刷新，那它就绝对涵盖了并测试了具体的边 $(u_{k-1},v)$。
  • 结果：通过执行 $dist[v]=min\{dist[v],dist[u_{k-1}]+w(u_{k-1},v)\}$ 补全了那最后的第 $k$ 块拼图。由于囊括所有的可能前趋 $u_{k-1}$，$k$ 步的最短路径理论自然得证。

3.2 终极收敛定律与边界判定 (Observation 2)

• 定律 2：在一切不包含负权环的图网络里，任取任意一对正常节点，他们之间真正的最优最短路径（必须是没有环的简单路径），其所包含的边数上限绝不可能突破 $|V|-1$ 这条红线。
• 推论：如果路径一旦包含了整整 $|V|$ 条边甚至更多呢？这意味着途经了至少 $|V|+1$ 个节点，由鸽巢证明必现重复节点，进而表明必然踏上了一个环路。只要这个环路不是负权环，剔除这圈长跑完全能够取得更短的路径结果。
• 黄金收敛点 (Conclusion)：将引理 1 和定律 2 融合，只需要死磕 $|V|-1$ 轮，全图中所有点的最短路径就已经触达了其所能下潜的最深边界，此后绝不会再泛起任何涟漪。

3.3 负权环探测机制 (Negative Cycle Detection)

此时我们发现了该算法的一个致命且极其美妙的附带价值：测谎。

• 如果在执行完 $|V|-1$ 轮的定局后，我们刻意再让全体边去跑第 $|V|$ 轮松弛。
• 若此时竟然还有节点的 $dist[v]$ 发生了松动下降！这说明什么？这说明产生了一条 $>|V|-1$ 条边的路径打破了原有的常伦最优解；这也等同宣布图中真真切切潜伏这一个罪恶的负权环 (Negative Cycle)，正凭借其绕圈机制无底线地缩短距离！

3.4 Bellman-Ford 最终版伪代码精调

Function Modified_Bellman_Ford(G, s):
    // 1. 初始化
    dist[s] = 0
    dist[x] = infinity (for x != s)
    
    // 2. 锁定执行 |V|-1 轮核心拓展
    for i from 1 to |V| - 1:
        for each 边 (u, v) in E:
            dist[v] = min(dist[v], dist[u] + w(u, v))
            
    // 3. 执行第 |V| 轮全图探雷，捕捉负权环
    for each 边 (u, v) in E:
        if dist[u] + w(u, v) < dist[v]:
            return "存在负权环 (Negative Cycle)！"
            
    return dist // 所有图内普通点最短路径已经完美计算完毕

---

四、 复杂度分析

相比 Dijkstra 的灵活多变，Bellman-Ford 返璞归真。

• 运行时间总揽：
  • 两层极其规整的嵌套循环作为整个算法的主轴。
  • 外层循环 $i\in [1,|V|]$ 次数恒定为 $|V|$ 次。
  • 内层循环需要轮询图中所有的边，耗时等比例切合于 $O(|E|)$。
  • 时间复杂度始终严丝合缝锁定为：$$O(|V| \cdot |E|)$$。
• 利弊权衡 (Trade-Off)：
  • 在密集图或者全连通网路中，这种简单纯粹导致其退化至恐怖的 $O(|V{|}^3)$（相对于带有 Fibonacci Heap 的优先队列 Dijkstra 极速版 $O(|V|\log |V|+|E|)$ 是非常缓慢的）。
  • 但是，它打破了负权禁制，将算法的健壮性抬升到了最高维度。只要不存在负环，不管图中带有多少负数，它都能强硬地暴力砸开黑盒计算到底；一旦隐藏负环，它也能精准鸣笛示警。