l14 Shortest Path

Caminhos M nimos Com Uma Fonte
1 / 74
Caminhos M nimos Com Uma Fonte

Eduardo Camponogara
Departamento de Automa c ao e Sistemas Universidade Federal de Santa Catarina
DAS-9003: Introdu c ao a Algoritmos
Caminhos M nimos Com Uma Fonte Sum ario
2 / 74
Introdu c ao Algoritmo Bellman-Ford Algoritmo de Dijkstra Grafos Ac clicos
Caminhos M nimos Com Uma Fonte Introdu c ao
3 / 74
Sum ario
4 / 74
Introdu c ao
Cen ario
Um motorista deseja encontrar o caminho mais curto da cidade de Florian opolis/SC a Marilha/SP. Dado um mapa das rodovias brasileiras, no qual pares de cidades adjacentes s ao marcados, como podemos determinar a rota mais curta?
5 / 74
Introdu c ao
Cen ario
Um motorista deseja encontrar o caminho mais curto da cidade de Florian opolis/SC a Marilha/SP. Dado um mapa das rodovias brasileiras, no qual pares de cidades adjacentes s ao marcados, como podemos determinar a rota mais curta?
Uma possibilidade consiste em enumerarmos todos os poss veis caminhos de Florian opolis a Marilha. Adicionar as dist ancias em cada rota. Selecionar a rota mais curta.
6 / 74
Introdu c ao
Quest ao
O m etodo e satisfat orio?
7 / 74
Introdu c ao
Desenvolvimentos

Veremos como resolver problemas deste tipo de forma ecaz. Em problemas de caminhos m nimos, nos e dado um grafo direcionado G = (V , E ) cujas arestas t em pesos. Os pesos s ao induzidos por uma fun c ao w : E R. O peso de um caminho p = (v0 , v1 , . . . , vk ) e a soma dos pesos das arestas:
k 1
w (p ) =
i =0
w (vi , vi +1 )
8 / 74
Introdu c ao
Deni c ao
Denimos o peso (comprimento) do caminho de menor peso (mais curto) de um v ertice u para v como: (u , v ) = min{w (p ) : p e caminho de u + se n ao existir caminho v}
9 / 74
Introdu c ao
No exemplo do problema Florian opolis-Marilha, podemos modelar o mapa como um grafo:

os v ertices representam as cidades as arestas representam as rodovias, estradas, etc. os pesos das arestas representam as dist ancias entre duas cidades
10 / 74
Introdu c ao
Variantes
nimos com um destino 1. Caminhos m
Encontre o caminho mais curto para um v ertice t a partir de cada v ertice u V . Encontre o caminho mais curto de u para v Encontre o caminho m nimo entre cada par u , v V
2. Caminho m nimo entre um par de v ertices
3. Todos os caminhos m nimos
Caminhos M nimos Com Uma Fonte Introdu c ao Pesos negativos
11 / 74
Pesos negativos
Em algumas inst ancias do problema de caminhos m nimos com fonte u nica, podem existir arestas com pesos negativos. Se o grafo G = (V , E ) n ao tiver ciclo com peso negativo alcan c avel a partir da fonte s , ent ao (s , v ) permanece bem denido para todo v V , mesmo se o grafo contiver algum ciclo negativo.
12 / 74
Pesos negativos
10 1 4 1 1 2 1 3
13 / 74
Pesos negativos
Alguns algoritmos, como o algoritmo de Dijkstra, assumem que todos os pesos s ao n ao-negativos. Algoritmos como Bellman-Ford e Floyd-Warshall, entretanto, podem operar com arestas de peso negativo, desde que n ao existam ciclos de peso negativo. Tipicamente, estes algoritmos detectam a presen ca de ciclo negativo.
Caminhos M nimos Com Uma Fonte Introdu c ao Representa c ao
14 / 74
Representa c ao
Estamos interessados n ao apenas na dist ancia do caminho mais curto, mas tamb em no caminho em si. A representa c ao do caminho mais curto e similar ` aquela usada na busca em largura (breadth-rst search) Dado um grafo G = (V , E ), mantemos para cada v ertice v V o seu predecessor [v ] que e outro v ertice ou nil. Os algoritmos de caminhos m nimos denem os atributos de maneira que a cadeia de predecessores originada em v , de tr as pra frente, nos d a o caminho mais curto de s para v .
Caminhos M nimos Com Uma Fonte Introdu c ao Representa c ao
15 / 74
Representa c ao
O grafo predecessor G = (V , E ) induzido por , ap os o t ermino do algoritmo, produz a arvore de caminhos m nimos. G e denido como segue: V = {v V : [v ] = nil } {s } E = {( [v ], v ) : v V {s }}
Caminhos M nimos Com Uma Fonte Introdu c ao Relaxa c oes
16 / 74
Relaxa c oes
Algoritmos de caminhos m nimos usam a t ecnica de relaxa c ao, que decresce um limite superior (upper bound) para a dist ancia m nima para cada v ertice. At e que o limite superior se torne a pr opria dist ancia: 1 (u ) 2 (u ) ... k (u ) = (s , u )
Os algoritmos tamb em exploram a propriedade de que o caminho mais curto entre dois v ertices tamb em e formado de caminhos mais curtos.
17 / 74
Relaxa c oes
Lema
Dado um grafo direcionado com peso nas arestas, G = (V , E ), e a fun c ao peso nas arestas w : E R. Seja p = (v1 , v2 , . . . , vk ) um caminho mais curto de v1 para vk em G . Para quaisquer 1 i < j k , seja pij = (vi , vi +1 , . . . , vj ) o subcaminho de p de vi para vj . Ent ao, pij e um caminho m nimo de vi para vj .
18 / 74
Relaxa c oes
Lema
Seja dado um grafo direcionado com peso nas arestas, G = (V , E ), e a fun c ao peso nas arestas w : E R. Seja s um v ertice correspondente ` a fonte. Ent ao, para toda aresta (u , v ) E , (s , v ) (s , u ) + w (u , v )
19 / 74
Relaxa c oes
V arios algoritmos s ao baseados na t ecnica de relaxa c ao. Para cada v ertice v V , mantemos um atributo d [v ], que e um limite superior (upper bound) no comprimento do caminho mais curto de s para v : d [v ] (s , v )
d [v ] e uma estimativa para (s , v )
20 / 74
Relaxa c oes
Initialize-Single-Source(G , s ) 1) for each v V [G ] 2) do d [v ] 3) [v ] nil 4) d [s ] = 0 Ap os a inicializa c ao, [v ] = nil para todo v V , d [s ] = 0, d [v ] = para todo v V {s }.
21 / 74
Relaxa c oes
Relax(u , v ) 1) if d [v ] > d [u ] + w (u , v ) 2) then d [v ] d [u ] + w (u , v ) 3) [v ] u
O prop osito de relaxar uma aresta (u , v ) consiste de testar se podemos melhorar a estimativa do caminho mais curto para v encontrado at e ent ao, por meio do caminho at e u.
22 / 74
Relaxa c oes
u 2 5
v 9 Relax(u , v ) 5
u 2
v 6 Relax(u , v )
Caminhos M nimos Com Uma Fonte Introdu c ao Propriedades
23 / 74
Propriedades
A corretude de algoritmos de caminhos m nimos e baseada em propriedades de caminhos m nimos e das relaxa c oes.
24 / 74
Desigualdade triangular
Lema
Para cada aresta (u , v ) E , temos (s , v ) (s , u ) + w (u , v )
25 / 74
Limite superior
Lema
Sempre temos d [v ] (s , v ) para todo v ertice v V , e uma vez que d [v ] = (s , v ), a estimativa d [v ] n ao muda.
26 / 74
Inexist encia de caminho
Lema
Se n ao existe caminho de s para v , ent ao sempre temos d [v ] = (s , v ) = +
27 / 74
Converg encia
Lema
Se s uv e um caminho em G para certos v ertices u, v V , e se d [u ] = (s , u ) em qualquer momento antes de relaxarmos a aresta (u , v ), ent ao ap os a relaxa c ao da aresta (u , v ) temos d [v ] = (s , v ) da pra frente.
28 / 74
Propriedade de relaxa c ao de caminho

Lema
Seja p = (v0 , v1 , . . . , vk ) um caminho mais curto de s = v0 para vk e as arestas de p s ao relaxadas na ordem (v0 , v1 ), (v1 , v2 ), . . . , (vk 1 , vk ). Ent ao d [ vk ] = ( s , v k )
Esta propriedade e garantida independentemente de quaisquer passos de relaxa c ao ocorridos, at e mesmo se eles s ao intermedi arios aos passos de relaxa c ao das arestas em p .
29 / 74
Subgrafo predecessor
Lema
Uma vez que d [v ] = (s , v ) para todo v V , o grafo predecessor G e uma arvore de caminhos m nimos com raiz em s .
Caminhos M nimos Com Uma Fonte Algoritmo Bellman-Ford
30 / 74
Sum ario
31 / 74
Algoritmo Bellman-Ford
O algoritmo de Bellman-Ford resolve o problema de caminhos m nimos com uma fonte no caso geral, onde as arestas podem possuir peso negativo. O algoritmo retorna um valor Booleano indicando se foi ou n ao encontrado um ciclo de comprimento negativo alcan c avel a partir de s . Se n ao h a ciclo negativo alcan c avel a partir de s , o algoritmo produz a arvore de caminhos m nimos com raiz em s e os seus respectivos comprimentos (pesos).
32 / 74
Algoritmo Bellman-Ford
Bellman-Ford(G , w , s ) 1) Initialize-Single-Source(G , s ) 2) for i 1 to |V [G ]| 1 3) do for each (u , v ) E [G ] 4) do Relax(u , v ) 5) for each (u , v ) E [G ] 6) do if d [v ] > d [u ] + w (u , v ) 7) then return FALSE 8) return TRUE
33 / 74
Grafo
t 6 s 2 8 5 x 2 4 3 7
7 z y 9
34 / 74
Bellman-Ford: inicializa c ao
t 6 s 0 7 2 5 2 8 4 3 7 x
y 9
35 / 74
Bellman-Ford: itera c ao 1
t 6 s 0 7 2 6 5 2 8 4 3 7 x
7 y 9
36 / 74
t 6 s 0 7 2 6 5 2 8 4 4 3 7 x
7 y 9
37 / 74
t 6 s 0 7 2 2 5 2 8 4 4 3 7 x
7 y 9
38 / 74
t 6 s 0 7 2 2 5 2 8 4 4 3 7 x
7 y 9
2 z
39 / 74
Tempo de execu c ao do algoritmo Bellman-Ford

Fezendo |V | = n e |E | = m, podemos vericar que:

Passo 1: O (n) Passo 2: (n) Passo 3-4: (1) Logo, o la co 2-4 leva (nm) La co 5-7 leva O (m) Portanto, Bellman-Ford executa em tempo (nm). Para um grafo denso, m = (n2 ), o tempo de execu c ao do algoritmo e (n3 ).
Conclus oes:

40 / 74
Bellman-Ford: corretude
Lema

Seja G = (V , E ) um grafo direcionado com peso nas arestas Seja s V a fonte Seja w : E R a fun c ao peso Assuma que G n ao cont em ciclos de peso negativo alcan c aveis a partir de s Ent ao, ap os |V | 1 passos do la co 2-4 do algoritmo Bellman-Ford, teremos d [v ] = (s , v ) para todo v ertice v alcan c avel a partir de s .
41 / 74
Corol ario

Seja G = (V , E ) um grafo direcionado com peso nas arestas Seja s V a fonte Seja w : E R a fun c ao peso Assuma que G n ao cont em ciclos de peso negativo alcan c aveis a partir de s Ent ao, ent ao para cada v V , existe um caminho de s para v se e somente se Bellman-Ford termina com d [v ] < quando ele e aplicado sobre G .
42 / 74
Teorema
Suponha que o algoritmo de Bellman-Ford executa sobre um grafo direcionado, G = (V , E ), com fun c ao peso das arestas w : E R e tendo s como fonte. Se G n ao cont em ciclos negativos, alcan c aveis a partir de s , ent ao:

o algoritmo retorna TRUE; d [v ] = (s , v ) para todo v V ; e o subgrafo predecessor G e uma arvore de caminhos m nimos com raiz em s .
Se G cont em um ciclo negativo (alcan c avel a partir de s ), ent ao o algoritmo retorna FALSE.
Caminhos M nimos Com Uma Fonte Algoritmo de Dijkstra
43 / 74
Sum ario
44 / 74
Algoritmo de Dijkstra
Princ pios
O algoritmo de Dijkstra resolve o problema de caminhos m nimos com uma fonte em um grafo direcionado G = (V , E ), cujas arestas apresentam pesos n ao-negativos. O algoritmo mant em um conjunto S de v ertices para os quais a dist ancia do caminho mais curto a partir de s j a foi computada. Ou seja, para todo v S , temos d [v ] = (s , v ). O algoritmo iterativamente seleciona um v ertice u V S que possua a menor estimativa de dist ancia, d [u ] = min{d [v ] : v V S }, e insere u em S . Ao mesmo tempo que relaxa as arestas que emanam de u .
45 / 74
S v1 V S u1 u2 u3 v3 u4
v2
46 / 74
Dijkstra(G , w , s ) 1) Initialize-Single-Source(G , s ) 2) S 3) Q = V [G ] 4) while Q = 5) do u Extract min(Q ) 6) S S {u } 7) for each (u , v ) Adj [u ] 8) do Relax(u , v , w )
47 / 74
Uma vez que o algoritmo de Dijkstra sempre escolhe o v ertice de V S mais pr oximo do conjunto S , dizemos que o algoritmo faz uso de uma t ecnica gulosa. Algoritmos gulosos tipicamente produzem solu c oes sub otimas. No caso do problema de caminhos m nimos com uma fonte, o algoritmo guloso obt em a solu c ao otima. A chave para mostrar que o algoritmo produz uma solu c ao otima e o fato que quando u e inserido em S , d [u ] = (s , u ).
48 / 74
Corretude do algoritmo de Dijkstra

acements S [u ] p1 s p 2 x y p 3 V S u
49 / 74
Teorema
Se executarmos o algoritmo de Dijkstra em um grafo direcionado G = (V , E ), onde w : E R+ , Ent ao, quando o algoritmo termina, d [v ] = (s , v ) para todo v V.
50 / 74

Demonstra c ao
Vamos mostrar que para cada u V , temos d [u ] = (s , u ) no momento em que u e inserido em S , e esta igualdade permanece. Com o prop osito de contradi c ao, suponha que u e o primeiro v ertice tal que d [u ] = (s , u ). Seja p = (p1 , [u ], u ) o caminho produzido pelo algoritmo. Seja p = ( p2 , x , y , p 3 ) um caminho mais curto de s at e u. y e o primeiro v ertice em p que n ao pertence a S . Temos que w ( p ) < w (p ).
51 / 74
Demonstra c ao
Sabemos que d [x ] = (s , x ). Caso contr ario, u n ao seria o primeiro v ertice com dist ancia incorreta. Uma vez que y pertence a um caminho mais curto, temos que d [y ] = (s , y ) no momento em que x foi inserido em s .
A aresta (x , y ) foi relaxada no momento em que x foi inserido em S , fazendo com que d [y ] se tornasse (s , y ).
52 / 74

Demonstra c ao
Contudo, temos que: (s , u ) < d [u ] (s , y ) + w ( p3 ) < d [ u ] d [y ] + w ( p3 ) < d [u ] [pois (s , y ) = d [y ]] d [y ] < d [u ] w ( p3 ) d [y ] < d [u ] [pois w ( p3 ) 0]
Mas isto e uma contradi c ao. O algoritmo teria escolhido y como o pr oximo v ertice a ser inserido em S , n ao teria escolhido u .
53 / 74
An alise do algoritmo de Dijkstra
Vetor como la de prioridades
Neste caso, extract-min leva tempo O (n) e h a n opera c oes extract-min, com n = |V | e m = |E |. Uma vez que cada aresta e examinada no m aximo uma vez, a opera c ao relax e executada no m aximo uma vez, levando tempo O (1). Podemos concluir que o algoritmo leva tempo O (n2 + m) = O (n2 ).
54 / 74

Heap bin ario como la de prioridades
Quando o grafo e esparso, entretanto, e mais pr atico utilizarmos uma la de prioridades implementada com heap bin ario. Neste caso, extract-min leva tempo O (lgn) e h a n opera c oes extract-min, com n = |V | e m = |E |. Cada aresta (u , v ) e examinada uma vez, for cando uma opera c ao relax(u,v,w) que custa no m aximo O (lgn), quando a dist ancia d [v ] for reduzida. Portanto o algoritmo executa em tempo O (nlgn + mlgn) = O (mlgn) assumindo que m n.
55 / 74

Heap Fibonacci como la de prioridades
Neste caso, extract-min leva tempo O (lgn) e h a n opera c oes extract-min, com n = |V | e m = |E |. Cada aresta (u , v ) e examinada uma vez, for cando uma opera c ao relax(u,v,w) que custa no m aximo O (1) (tempo amortizado), quando a dist ancia d [v ] for reduzida. Portanto o algoritmo executa em tempo amortizado O (nlgn + m). Quando o grafo e denso, temos m = n2 e o algoritmo executa 2 em tempo O (n ). Quando o grafo e esparso, temos O (nlgn) j a que m = (n).
56 / 74
Dijkstra: grafo
u 1 v
10 s 2 3 9 4 7 5 x 2 y 6
57 / 74
Dijkstra: itera c ao 1
u 10 s 0 2 3 9 4 7 5 x 2 y 6 1 v
58 / 74
u 10 10 s 0 2 3 9 4 7 5 5 x 2 y 6 1 v
59 / 74
u 8 10 s 0 2 3 9 4 7 5 5 x 2 7 y 6 1 v 14
60 / 74
u 8 10 s 0 2 3 9 4 7 5 5 x 2 7 y 6 1 v 13
61 / 74
u 8 10 s 0 2 3 9 4 7 5 5 x 2 7 y 6 1 v 9
62 / 74
u 8 10 s 0 2 3 9 4 7 5 5 x 2 7 y 6 1 v 9
Caminhos M nimos Com Uma Fonte Grafos Ac clicos
63 / 74
Sum ario
64 / 74
Grafos Ac clicos
Relaxando as arestas segundo a ordem topol ogica de um grafo direcionado ac clico G = (V , E ), leva ao c omputo da arvore de caminhos m nimos em tempo (|V | + |E |). Caminhos m nimos s ao sempre denidos em grafos ac clicos, pois mesmo na presen ca de arestas com pesos negativos, n ao existe ciclo de comprimento negativo.
65 / 74
Algoritmo
Dag-Shortest-Paths(G , w , s ) 1) topologically sort the vertices of G 2) Initialize-Single-Source(G , s ) 3) for each u taken in topologically sorted order 4) do for each vertex v Adj [u ] 5) do Relax(u , v , w )
66 / 74
Tempo de Execu c ao
Ordena c ao topol ogica pode ser realizada em tempo (|V | + |E |) utilizando o algoritmo de busca em profundidade. Cada v ertice e examinado exatamente uma vez, quando sua lista de adjac encia e examinada e a opera c ao Relax e executada. Logo, o la co 3-5 executa em tempo (|V | + |E |). O tempo total de execu c ao e, portanto, (|V | + |E |).
67 / 74
Exemplo
6 r s t 2 u 7 v 1
1 x 2
68 / 74
V ertice r
6 r s t 2 u 7 v 1
1 x 2
69 / 74
V ertice s
6 r s t 2 2 7 u 6 4 3 1 v
1 x 2
70 / 74
V ertice t
6 r s t 2 2 7 u 6 4 3 1 v 6 2
1 x 2 4
71 / 74
V ertice u
6 r s t 2 2 7 u 6 4 3 1 v 5 2
1 x 2 4
72 / 74
V ertice v
6 r s t 2 2 7 u 6 4 3 1 v 5 2
1 x 2 3
73 / 74
V ertice x
6 r s t 2 2 7 u 6 4 3 1 v 5 2
1 x 2 3
74 / 74
Conclus oes
Fim! Obrigado pela presen ca

l14 Shortest Path

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

l14 Shortest Path

Uploaded by

Copyright:

Available Formats

Caminhos M nimos Com Uma Fonte

Caminhos M nimos Com Uma Fonte

DAS-9003: Introdu c ao a Algoritmos

Caminhos M nimos Com Uma Fonte Sum ario

Introdu c ao Algoritmo Bellman-Ford Algoritmo de Dijkstra Grafos Ac clicos

Caminhos M nimos Com Uma Fonte Introdu c ao

Introdu c ao Algoritmo Bellman-Ford Algoritmo de Dijkstra Grafos Ac clicos

Caminhos M nimos Com Uma Fonte Introdu c ao

Caminhos M nimos Com Uma Fonte Introdu c ao

Caminhos M nimos Com Uma Fonte Introdu c ao

Caminhos M nimos Com Uma Fonte Introdu c ao

Caminhos M nimos Com Uma Fonte Introdu c ao

Caminhos M nimos Com Uma Fonte Introdu c ao

No exemplo do problema Florian opolis-Marilha, podemos modelar o mapa como um grafo:

Caminhos M nimos Com Uma Fonte Introdu c ao

2. Caminho m nimo entre um par de v ertices

3. Todos os caminhos m nimos

Caminhos M nimos Com Uma Fonte Introdu c ao Pesos negativos

Caminhos M nimos Com Uma Fonte Introdu c ao Pesos negativos

Caminhos M nimos Com Uma Fonte Introdu c ao Pesos negativos

Caminhos M nimos Com Uma Fonte Introdu c ao Representa c ao

Caminhos M nimos Com Uma Fonte Introdu c ao Representa c ao

Caminhos M nimos Com Uma Fonte Introdu c ao Relaxa c oes

Caminhos M nimos Com Uma Fonte Introdu c ao Relaxa c oes

Caminhos M nimos Com Uma Fonte Introdu c ao Relaxa c oes

Caminhos M nimos Com Uma Fonte Introdu c ao Relaxa c oes

d [v ] e uma estimativa para (s , v )

Caminhos M nimos Com Uma Fonte Introdu c ao Relaxa c oes

Caminhos M nimos Com Uma Fonte Introdu c ao Relaxa c oes

Relax(u , v ) 1) if d [v ] > d [u ] + w (u , v ) 2) then d [v ] d [u ] + w (u , v ) 3) [v ] u

Caminhos M nimos Com Uma Fonte Introdu c ao Relaxa c oes

Caminhos M nimos Com Uma Fonte Introdu c ao Propriedades

Caminhos M nimos Com Uma Fonte Introdu c ao Propriedades

Caminhos M nimos Com Uma Fonte Introdu c ao Propriedades

Caminhos M nimos Com Uma Fonte Introdu c ao Propriedades

Inexist encia de caminho

Caminhos M nimos Com Uma Fonte Introdu c ao Propriedades

Caminhos M nimos Com Uma Fonte Introdu c ao Propriedades

Propriedade de relaxa c ao de caminho

Caminhos M nimos Com Uma Fonte Introdu c ao Propriedades

Caminhos M nimos Com Uma Fonte Algoritmo Bellman-Ford

Introdu c ao Algoritmo Bellman-Ford Algoritmo de Dijkstra Grafos Ac clicos

Caminhos M nimos Com Uma Fonte Algoritmo Bellman-Ford

Caminhos M nimos Com Uma Fonte Algoritmo Bellman-Ford

Caminhos M nimos Com Uma Fonte Algoritmo Bellman-Ford

Caminhos M nimos Com Uma Fonte Algoritmo Bellman-Ford

Caminhos M nimos Com Uma Fonte Algoritmo Bellman-Ford

Caminhos M nimos Com Uma Fonte Algoritmo Bellman-Ford

Caminhos M nimos Com Uma Fonte Algoritmo Bellman-Ford

Caminhos M nimos Com Uma Fonte Algoritmo Bellman-Ford

Caminhos M nimos Com Uma Fonte Algoritmo Bellman-Ford

Tempo de execu c ao do algoritmo Bellman-Ford

Caminhos M nimos Com Uma Fonte Algoritmo Bellman-Ford

Caminhos M nimos Com Uma Fonte Algoritmo Bellman-Ford

Caminhos M nimos Com Uma Fonte Algoritmo Bellman-Ford

Caminhos M nimos Com Uma Fonte Algoritmo de Dijkstra

Introdu c ao Algoritmo Bellman-Ford Algoritmo de Dijkstra Grafos Ac clicos

Caminhos M nimos Com Uma Fonte Algoritmo de Dijkstra

Caminhos M nimos Com Uma Fonte Algoritmo de Dijkstra

Caminhos M nimos Com Uma Fonte Algoritmo de Dijkstra

Dijkstra(G , w , s ) 1) Initialize-Single-Source(G , s ) 2) S 3) Q = V [G ] 4) while Q = 5) do u Extract min(Q ) 6) S S {u } 7) for each (u , v ) Adj [u ] 8) do Relax(u , v , w )

Caminhos M nimos Com Uma Fonte Algoritmo de Dijkstra

Caminhos M nimos Com Uma Fonte Algoritmo de Dijkstra

Corretude do algoritmo de Dijkstra