Алгоритм Δ-шагания: различия между версиями
| [непроверенная версия] | [непроверенная версия] |
Daryin (обсуждение | вклад) Общее описание алгоритма |
Daryin (обсуждение | вклад) |
||
| Строка 8: | Строка 8: | ||
=== Макроструктура алгоритма === | === Макроструктура алгоритма === | ||
=== Описание схемы реализации последовательного алгоритма === | === Описание схемы реализации последовательного алгоритма === | ||
Псевдокод последовательного алгоритма: | |||
'''Входные данные''': | |||
граф с вершинами ''V'', рёбрами ''E'' с весами ''W''; | |||
вершина-источник ''u''; | |||
параметр ''Δ'' > 0. | |||
'''Выходные данные''': расстояния ''d''(''v'') до каждой вершины ''v'' ∈ ''V'' от вершины ''u''. | |||
'''procedure''' DeltaStepping(''V'', ''E'', ''W'', ''u'', ''Δ''): | |||
''LightEdges'' := { e ∈ E | W(e) ≤ Δ } | |||
''HeavyEdges'' := { e ∈ E | W(e) > Δ } | |||
'''for each''' ''v'' ∈ ''V'' '''do''' ''d''(''v'') := ∞ | |||
Relax(''u'', 0) | |||
'''while''' any({ ''Buckets''(i) ≠ ∅ }): | |||
''Bucket'' := first({ ''Buckets''(i) ≠ ∅ }) | |||
''Deleted'' := ∅ | |||
'''while''' ''Bucket'' ≠ ∅: | |||
''Requests'' := FindRequests(''Bucket'', ''LightEdges'') | |||
''Deleted'' := ''Deleted'' ∪ ''Bucket'' | |||
''Bucket'' := ∅ | |||
RelaxAll(''Requests'') | |||
RelaxAll(FindRequests(''Deleted'', ''HeavyEdges'')) | |||
'''procedure''' Relax(''v'', ''x''): | |||
'''if''' x < ''d''(''v''): | |||
''OldBucket'' := B(⌊''d''(''v'') / ''Δ''⌋) | |||
''NewBucket'' := B(⌊''x'' / ''Δ''⌋) | |||
''OldBucket'' := ''OldBucket'' \ {''v''} | |||
''NewBucket'' := ''NewBucket'' ∪ {''v''} | |||
''d''(''v'') := ''x'' | |||
'''procedure''' RelaxAll(''R''): | |||
'''for each''' (''v'', ''x'') ∈ ''R'' '''do''' Relax(''v'', ''x'') | |||
'''function''' FindRequests(''V<nowiki>'</nowiki>'', ''E<nowiki>'</nowiki>''): | |||
'''return''' { (''w'', ''d''(''w'') + ''W''(''v'', ''w'')) | ''v'' ∈ ''V<nowiki>'</nowiki>'' and (''v'', ''w'') ∈ ''E<nowiki>'</nowiki>''} | |||
=== Последовательная сложность алгоритма === | === Последовательная сложность алгоритма === | ||
Версия от 14:44, 2 июня 2015
Свойства и структура алгоритмов
Общее описание алгоритма
Алгоритм дельта-шагания[1] предназначен для решения задачи поиска кратчайшего пути на графе. Для заданного ориентированного взвешенного графа с неотрицательными весами алгоритм находит кратчайшие расстояния от выделенной вершины-источника до всех остальных вершин графа. Алгоритм изначально проектировался с целью эффективной параллелизации.
Математическое описание
Вычислительное ядро алгоритма
Макроструктура алгоритма
Описание схемы реализации последовательного алгоритма
Псевдокод последовательного алгоритма:
Входные данные:
граф с вершинами V, рёбрами E с весами W;
вершина-источник u;
параметр Δ > 0.
Выходные данные: расстояния d(v) до каждой вершины v ∈ V от вершины u.
procedure DeltaStepping(V, E, W, u, Δ):
LightEdges := { e ∈ E | W(e) ≤ Δ }
HeavyEdges := { e ∈ E | W(e) > Δ }
for each v ∈ V do d(v) := ∞
Relax(u, 0)
while any({ Buckets(i) ≠ ∅ }):
Bucket := first({ Buckets(i) ≠ ∅ })
Deleted := ∅
while Bucket ≠ ∅:
Requests := FindRequests(Bucket, LightEdges)
Deleted := Deleted ∪ Bucket
Bucket := ∅
RelaxAll(Requests)
RelaxAll(FindRequests(Deleted, HeavyEdges))
procedure Relax(v, x):
if x < d(v):
OldBucket := B(⌊d(v) / Δ⌋)
NewBucket := B(⌊x / Δ⌋)
OldBucket := OldBucket \ {v}
NewBucket := NewBucket ∪ {v}
d(v) := x
procedure RelaxAll(R):
for each (v, x) ∈ R do Relax(v, x)
function FindRequests(V', E'):
return { (w, d(w) + W(v, w)) | v ∈ V' and (v, w) ∈ E'}
Последовательная сложность алгоритма
Средняя последовательная сложность алгоритма на графах со случайными весами [math]\displaystyle{ O(n + m + dL) }[/math], где [math]\displaystyle{ L }[/math] – максимальный суммарный вес кратчайшего пути, [math]\displaystyle{ d }[/math] – максимальная длина кратчайшего пути.
Информационный граф
Описание ресурса параллелизма алгоритма
Средняя время работы параллельного алгоритма на графах со случайными весами на [math]\displaystyle{ O(n) }[/math] процессорах составляет [math]\displaystyle{ O((dL + \ln n) \ln n) }[/math] со средней работой [math]\displaystyle{ O(n + m + dL \ln n) }[/math]
Описание входных и выходных данных
Свойства алгоритма
Программная реализация алгоритмов
Особенности реализации последовательного алгоритма
Описание локальности данных и вычислений
Возможные способы и особенности реализации параллельного алгоритма
Масштабируемость алгоритма и его реализации
Динамические характеристики и эффективность реализации алгоритма
Выводы для классов архитектур
Существующие реализации алгоритма
Литература
- ↑ Meyer, U, and P Sanders. “Δ-Stepping: a Parallelizable Shortest Path Algorithm.” Journal of Algorithms 49, no. 1 (October 2003): 114–52. doi:10.1016/S0196-6774(03)00076-2.