Algoritmos y Estructuras de Datos III

1er cuatrimestre 2021 (dictado a distancia)

Paula Zabala

Teórica 5: Algoritmos para determinar Caminos Mı́nimos en Grafos

1. Problemas de camino mı́nimo en grafos

Si queremos ir desde un punto a otro de una ciudad, caminando o en auto, y tenemos un mapa de las calles de la
ciudad con las distancias entre cada par de intersecciones adyacentes, ¿cómo determinamos el camino más corto
entre esos dos puntos?

Una posibilidad es enumerar todos los posibles caminos y calcular la distancia que debemos recorrer si seguimos
cada uno de ellos, y con esa información seleccionar el más corto. Esta no es una buena estrategia, porque aunque
no consideremos los caminos que contienen ciclos, hay una cantidad muy grande de posibilidades, y algunas es
obvio que no serán útiles porque se alejan de los puntos de partida y llegada.

Se pueden presentar dos escenarios, uno en el que todas las aristas o arcos tengan igual longitud o peso, y otro
donde no sucede ésto, es más, hasta podrı́a haber aristas con peso negativo.

Los grafos (pesados o no) son la estrutura natural para modelar redes en las cuales uno quiere ir de un punto a otro
de la red atravesando una secuencia de enlaces. Sobre estas estructuras se han desarrollado algoritmos eficientes
para resolver muchos de estos problemas.

Podemos modelar el mapa de la ciudad mediante un grafo, donde los vértices representan las intersecciones de las
calles, las aristas (o arcos si es orientado) los segmentos de calle entre dos intersecciones adyacentes y la función
de peso la longitud de este segmento. Nuestro objetivo es encontrar un camino mı́nimo desde el vérticu6e que
respresenta la esquina de salida al vértice que representa la de llegada.

El peso de cada arista puede ser interpretado como otras métricas diferentes a la distancia, como el tiempo que
lleva recorrerlo, el costo que implica hacerlo o cualquier otra cantidad que se acumule linealmente a lo largo de un
camino y que querramos minimizar.

Formalmente, sea G = (V, X) un grafo y l : X → R una función de longitud/peso para las aristas de G.

Definición 1.
La longitud de un camino C entre dos vértices v y u es la suma de las longitudes de las aristas del camino:
X
l(C) = l(e)
e∈C

Un camino mı́nimo C 0 entre v y u es un camino entre v y u tal que l(C 0 ) = mı́n{l(C)|C es un camino entre v y u}.
Nota: Puede haber varios caminos mı́nimos.

Dado un grafo G, se pueden definir tres variantes de problemas sobre caminos mı́nimos:

Único origen - único destino: Determinar un camino mı́nimo entre dos vértices especı́ficos, v y u.
Único origen - múltiples destinos: Determinar un camino mı́nimo desde un vértice especı́fico v al resto de los
vértices de G.

1
 Algoritmos y Estructuras de Datos III
1er cuatrimestre 2021 (dictado a distancia)
Paula Zabala

Múltiples orı́genes - múltiples destinos: Determinar un camino mı́nimo entre todo par de vértices de G.

La versión único origen - único destino pareciera ser más fácil que la versión único origen - múltiples destinos. Sin
embargo, no se conocen algoritmos con mejor complejidad para el primer caso que para el segundo, sólo parar la
ejecución del algoritmo una vez que se alcanza el vértice de interés.

Una posibilidad para resolver la versión múltiples orı́genes - múltiples destinos, es aplicar un algoritmo para el
problema único origen - múltiples destinos tomando como vértice origen a cada vértice del grafo. No obstante, para
resolver este problema especı́fico se conocen algoritmos que generalmente son más rápidos que aplicar la estrategia
anterior.

Todos estos conceptos se pueden adaptar cuando se estudian grafos orientados (digrafos) y en el resto de la clase
vamos a trabajar con este tipo de grafos.

Generalmente, los algoritmos para resolver problemas de camino mı́nimo se basan en que todo subcamino de un
camino mı́nimo entre dos vértices es un camino mı́nimo.

Proposición 1 (Subestructura óptima de un camino mı́nimo). Dado un digrafo G = (V, X) con una función de
peso l : X → R, sea P : v1 . . . vk un camino mı́nimo de v1 a vk . Entonces ∀1 ≤ i ≤ j ≤ k, Pvi vj es un camino
mı́nimo desde vi a vj .
Demostración: Podemos descomponer al camino P en Pv1 vi + Pvi vj + Pvj vk , entonces l(P ) = l(Pv1 vi ) + l(Pvi vj ) +
l(Pvj vk ).

Por contradicción, asumamos que Pvi vj no es un camino mı́nimo desde vi a vj y llamamos P 0 a un camino mı́nimo
desde vi a vj , entonces l(P 0 ) < l(Pvi vj ). P 00 : Pv1 vi + P 0 + Pvj vk es un camino desde v1 a vk y l(P 00 ) = l(Pv1 vi ) +
l(P 0 ) + l(Pvj vk ) < l(P ), contradiciendo que P es un camino mı́nimo desde v1 a vk . 

Dos consideraciones a tener en cuenta:

Aristas con peso negativo: Si el digrafo G no contiene ciclos de peso negativo o contiene alguno pero no es
alcanzable desde v, entonces el problema sigue estando bien definido, aunque algunos caminos puedan tener
longitud negativa. Sin embargo, si G tiene algún ciclo con peso negativo alcanzable desde v, el concepto de
camino de peso mı́nimo deja de estar bien definido. Si u pertenece a un ciclo de peso negativo, ningún camino
de v a u puede ser un camino mı́nimo porque siempre se puede obtener un camino de peso menor siguiendo
ese camino pero atravesando el ciclo negativo una vez más. Esto se puede extender a cualquier vértice u
alcanzable desde un vértice del ciclo negativo.

Circuitos: Siempre existe un camino mı́nimo que no contiene circuitos (si el problema está bien definido). Ya vi-
mos que no puede tener circuitos de longitud negativa porque pierde sentido la definición de camino mı́nimo.
Tampoco puede tener ciclos de longitud positiva, ya que sacando el ciclo obtenemos otro camino desde el mis-
mo origen hasta el mismo destino de menor longitud. Es decir, si P : v1 . . . vk es un camino y C : vi . . . vj = vi
es un ciclo de longitud positiva dentro de P , el camino P 0 : v1 . . . vi vj+1 . . . vk es un camino desde v1 hasta vk
con l(P 00 ) < l(P ). Lo que implica que P no puede ser camino mı́nimo desde v1 a vk .

La única posibilidad que queda es que el ciclo tenga peso 0. Si eso sucede, removiendo el ciclo del camino
obtenemos otro camino con igual origen y destino e igual peso. Entonces, si hay un camino mı́nimo desde v a
u que contiene un ciclo de peso 0, podemos obtener otro camino mı́nimo desde el mismo origen y destino sin
ese ciclo. Repitiendo este procedimiento hasta que no contenga más ciclos de peso 0, obtenemos un camino
mı́nimo sin ciclos. Entonces, en el resto de la clase podemos asumir que un camino mı́nimo no contiene ciclos.

2
 Algoritmos y Estructuras de Datos III
1er cuatrimestre 2021 (dictado a distancia)
Paula Zabala

2. Camino mı́nimo con único origen y múltiples destinos

Problema: Dado G = (V, X) un digrafo, l : X → R una función que asigna a cada arco una cierta longitud y v ∈ V
un vértice del digrafo, el objetivo es calcular los caminos mı́nimos desde v al resto de los vértices. Asumiremos que
todo vértice es alcanzable desde v.

Distintas situaciones:
Todos los arcos tienen igual longitud o no.

Todos los arcos tienen longitud no negativa o no.

2.1. Problemas de camino mı́nimo en digrafos no pesados

En el caso de tener todas los arcos igual longitud, este problema se traduce en encontrar los caminos que definan
las distancias (de menor cantidad de aristas/arcos). Para ésto podemos adaptar fácilmente el algoritmo BFS que
vimos la clase pasada para calcular tanto la distancia como el camino mı́nimo desde v al resto de los vértices.

BFS(G,v)
entrada: G = (V, X) de n vertices, un vertice v
salida: pred[u] = antecesor de u en un camino minimo desde v
dist[u] = distancia desde v a u

pred[v] ← 0
dist[v] ← 0
COLA ← {v}
para todo u ∈ V \ {v} hacer
dist[u] ← ∞
fin para
mientras COLA 6= ∅ hacer
w ← sacarPrimerElem(COLA)
para todo u tal que (w → u) ∈ X y dist[u] = ∞ hacer
pred[u] ← w
dist[u] ← dist[w] + 1
insertarAlFinal(COLA, u)
para
fin mientras
retornar pred y dist

Lema 1. Dado G = (V, X) un digrafo y v ∈ V . Sea COLA = [v1 , . . . , vr ]. Se cumple que:

dist[v1 ] + 1 ≥ dist[vr ] y

dist[vi ] ≤ dist[vi+1 ] para todo i = 1, . . . r − 1.

Demostración: Haremos inducción en las iteraciones, k.

Caso base: Antes de entrar al ciclo se fija dist[v] = 0 y se encola a v. Como hay sólo un elemento en COLA
obviamente se cumple la propiedad.

3
 Algoritmos y Estructuras de Datos III
1er cuatrimestre 2021 (dictado a distancia)
Paula Zabala

Paso inductivo: Para demostrar el paso inductivo, consideremos la iteración k. Llamemos COLAk , con k ≥ 1, al
valor de la varibale COLA al finalizar la iteración k del algoritmo.
0 0 0 0
Nuestra hipótesis inductiva es: COLAk0 = [v1k , . . . , vrkk0 ], k 0 < k cumple que dist[v1k ] + 1 ≥ dist[vrkk0 ] y
0
k0
dist[vik ] ≤ dist[vi+1 ] para todo i = 1, . . . , rk0 − 1.

Si COLAk−1 tiene un único elemento (el que se desencola), como todos los vértices que ingresan tienen igual valor
de dist, se cumple la propiedad.

Ahora supongamos que COLAk−1 tiene más de un elemento. Sean COLAk−1 = [u, x, . . . , z] y w1 , . . . , ws los vértices
que se encolan en la iteración k, es decir COLAk = [x, . . . , z, w1 , . . . , ws ]. Por HI, COLAk−1 cumple la propiedad.
Al desencolar a u se sigue cumpliendo. Para los vértices que se encolan, se fija dist[wi ] = dist[u] + 1. Como por HI,
dist[z] ≤ dist[u] + 1, se cumple que dist[z] ≤ dist[wi ], i = 1, . . . , s. Además, por HI, dist[u] ≤ dist[x]. Por lo tanto,
dist[ws ] = dist[u] + 1 ≤ dist[x] + 1.

Esto muestra que COLAk sigue cumpliendo la propiedad.


Corolario 1. Dado G = (V, X) un digrafo y v ∈ V . Si el vértice u ingresa a COLA antes que el vértice w, en
todo momento se cumple que dist[u] ≤ dist[w].

Lema 2. Dado G = (V, X) un digrafo y v ∈ V . Se cumple que dist[u] ≥ d(v, u) para todo u ∈ V en todo momento
del algoritmo.

Demostración: Haremos inducción en las iteraciones, k.

Caso base: Para k = 0, esto es antes de entrar al ciclo, se fija dist[v] = 0, dist[u] = ∞, para todo u ∈ V , u 6= v y
se encola a v. Como d(v, v) = 0, se cumple que dist[u] ≥ d(v, u) para todo u ∈ V .

Paso inductivo: Para demostrar el paso inductivo, consideremos la iteración k.

Nuestra hipótesis inductiva es: distk−1 [u] ≥ d(v, u) para todo u ∈ V , donde distk−1 [u] es el valor de la
variable dist[u] al finalizar la iteración k − 1.

Sea w el vértice que se desencola en la iteración k y w1 , . . . , ws los vértices que se encolan en esta iteración. El
valor de distk [u] = distk−1 [u] para todo u ∈ V \ {w1 , . . . , ws }. Por lo tanto, por HI, para esos vértices se cumple
que distk [u] ≥ d(v, u).

Sólo tenemos que analizar distk [wi ] para i = 1, . . . , s. El algoritmo fija distk [wi ] = distk−1 [w] + 1. Por HI, sabemos
que distk−1 [w] ≥ d(v, w). Por otro lado, como (w → wi ) ∈ X, por desigualdad triangular de la función distancia,
d(v, wi ) ≤ d(v, w) + 1. Entonces d(v, wi ) ≤ d(v, w) + 1 ≤ distk−1 [w] + 1 = distk [wi ], para i = 1, . . . , s.

Teorema 1. Dado G = (V, X) un digrafo y v ∈ V . El algoritmo BFS enunciado calcula d(v, u) para todo u ∈ V .
Demostración: Por Lema 2, sabemos que dist[u] ≥ d(v, u) para todo u ∈ V . Por contradicción, supongamos que
para algún vértice no se cumple la igualdad y sea w el vértice con menor d(v, w) tal que dist[w] > d(v, w). Ese

4
 Algoritmos y Estructuras de Datos III
1er cuatrimestre 2021 (dictado a distancia)
Paula Zabala

vértice w seguro no es v, porque dist[v] = 0, al igual que d(v, v).

Como todo vértice de G es alcanzable desde v, sea P = v, . . . , x, w (x podrı́a ser v) un camino de mı́nima cantidad
de arcos desde v a w. Entonces se cumple que d(v, w) = d(v, x) + 1. Como d(v, x) < d(v, w), por la elección de w
se cumple que dist[x] = d(v, x) (w el vértice con menor d(v, w) tal que dist[w] > d(v, w)).

Cuando se desencola x, se analiza w porque (x → w) ∈ X. En ese momento tiene que pasar una de estas tres
situaciones: w ya fue desencolado de COLA; w está en COLA; o w todavı́a no entró en COLA. Analicemos las
tres posibilidades.

Si w ya fue desencolado, entonces, por corolario 1, dist[w] ≤ dist[x]. Esto es absurdo porque d(v, w) =
d(v, x) + 1 = dist[x] + 1 y por Lema 2 dist[w] ≥ d(v, w), lo que implica que dist[w] > dist[x].
Si w está en COLA, por Lema 1, dist[w] ≤ dist[x]+1. Esto también es absurdo, porque dist[w] ≤ dist[x]+1 =
d(v, x) + 1 = d(v, w), contradiciendo que dist[w] > d(v, w).
Si w todavı́a no fue encolado, el algoritmo fijará dist[w] = dist[x] + 1 y encolará a w. Esto también es absurdo,
ya que dist[w] = dist[x] + 1 = d(v, x) + 1 = d(v, w), contradiciendo que dist[w] > d(v, w).

Esto demuestra que no existe vértice w tal que dist[w] > d(v, w). Por lo tanto, dist[u] = d(v, u), para todo u ∈ V .


La complejidad de este algoritmo es O(m), donde m es la cantidad de arcos del digrafo, ya que se examina ca-
da arco exactamente una vez. Si es grafo no fuera dirigido, cada arista se examinarı́a dos veces, siendo también O(m).

2.2. Problemas de camino mı́nimo en digrafos pesados

En la gran mayorı́a de las situaciones que se quieren modelar, no se cumple que todos los arcos del digrafo tengan
igual longitud o peso, lo que hace no aplicable BF S. Además, dependiendo de qué represente la función de peso,
podrı́a ser que algunos de estos valores sean negativos.

Vamos a ver dos algoritmos. El primero, es aplicable a grafos o digrafos con todos pesos positivos en sus aristas o
arcos, mientras que el segundo también es correcto cuando hay valores negativos.

Algoritmo de Dijkstra (1959)

Este algoritmo asume que las longitudes de los arcos son positivas. El grafo puede ser orientado o no orientado.

Es un algoritmo goloso que construye un árbol de caminos mı́nimos (un árbol enraizado en v conteniendo un camino
mı́nimo desde v hacia todo otro vértice de V ), comenzando con el vértice v y agregando un vértice a este árbol en
cada iteración. Es goloso porque en cada iteración agrega el vértice más cercano a v de entre todos los que todavı́a
no fueron agregados al árbol. Es decir, en la iteración k agrega al árbol de caminos mı́nimos el k-ésimo vértice más
cercano a v.

El algoritmo mantiene un conjunto S de vértices que ya han sido incorporados al árbol de caminos mı́nimos y cuya
distancia está almacenada en el vector π. Inicialmente S = {v} y π[v] = 0. Luego, para cada vértice u ∈ V \ S,
determina el camino mı́nimo que puede ser construido siguiendo un camino dentro de S desde v hasta a algún
z ∈ S y luego el arco (z → u).

5
 Algoritmos y Estructuras de Datos III
1er cuatrimestre 2021 (dictado a distancia)
Paula Zabala

Es decir, ∀u ∈ V \ S considera el valor π 0 [u] = mı́n(z→u)∈X,z∈S π[z] + l((z, u)) y elige el vértice w para el cual este
valor es mı́nimo. Agrega w a S y fija π[w] = π 0 [w].

Cuando se agrega el vértice w a S, se actualiza π 0 para los adyacentes de w que no están en S. En la implementación
no es necesario utilizar dos vectores distintos, π y π 0 , ya que en todo momento cada vértice tendrá sólo uno de estos
valores activo (π para los u ∈ S y π 0 para los u ∈ V \ S).

El pseudocódigo del algoritmo es el siguiente:

Dijkstra(G, v)
entrada: G = (V, X) de n vertices, un vertice v
salida: π[u] = valor del camino minimo desde v a u

S ← {v}, π[v] ← 0
para todo u ∈ V hacer
si (v → u) ∈ X entonces
π[u] ← l((v → u))
si no
π[u] ← ∞
fin si
fin para
mientras S 6= V hacer
w ← arg mı́n{π[u], u ∈ V \ S}
S ← S ∪ {w}
para todo u ∈ V \ S y (w → u) ∈ X hacer
si π[u] > π[w] + l((w → u)) entonces
π[u] ← π[w] + l((w → u))
fin si
fin para
fin mientras
retornar π

Si, además de la longitud de un camino mı́nimo, queremos obtener el camino correspondiente, podemos mantener
un vector pred, donde para cada vértice w ∈ V en pred[w] se guarda su predecesor en el camino mı́nimo desde
v hacia él. Cuando se agrega el vértice w a S, se guarda en pred[w] el vértice z sobre el cual se alcanzó el valor
mı́n(z→u)∈X,z∈S π[z] + l((z → u)). El camino mı́nimo desde v a u es implı́citamente representado por pred. Al
finalizar el algoritmo, siguiendo la cadena de predecesores originada desde pred[w] obtenemos hacia atrás recursi-
vamente este camino mı́nimo hasta alcanzar v.

El pseudocódigo de esta opción es:

6
 Algoritmos y Estructuras de Datos III
1er cuatrimestre 2021 (dictado a distancia)
Paula Zabala

Dijkstra(G, v)
entrada: G = (V, X) de n vertices, un vertice v
salida: π[u] = valor del camino minimo desde v a u
pred[u] = predecesor de u en un camino minimo desde v a u

S ← {v}, π(v) ← 0, pred[v] ← 0

para todo u ∈ V hacer
si (v → u) ∈ X entonces
π[u] ← l((v → u)), pred[u] ← v
si no
π[u] ← ∞, pred[u] ← ∞
fin si
fin para
mientras S 6= V hacer
w ← arg mı́n{π[u], u ∈ V \ S}
S ← S ∪ {w}
para todo u ∈ V \ S y (w → u) ∈ X hacer
si π[u] > π[w] + l((w → u)) entonces
π[u] ← π[w] + l((w → u))
pred[u] ← w
fin si
fin para
fin mientras
retornar π, pred

Ejemplo 1. En el ejemplo, se marca en naranja los vértices que están en S. También se marca en naranja los
arcos que definen el vector pred para los vértices de S. En verde se marcan los arcos candidatos de pred, es decir
pred para los vértices de V \ S.

7
 Algoritmos y Estructuras de Datos III
1er cuatrimestre 2021 (dictado a distancia)
Paula Zabala

Iteración 0: S = {1} π = (0, 4, 7, ∞, ∞, 3) Iteración 3: S = {1, 6, 2, 5} π = (0, 4, 7, 9, 5, 3)

Iteración 1: S = {1, 6} π = (0, 4, 7, ∞, 6, 3) Iteración 4: S = {1, 6, 2, 5, 3} π = (0, 4, 7, 8, 5, 3)

Iteración 2: S = {1, 6, 2} π = (0, 4, 7, ∞, 5, 3) Iteración 5: S = {1, 6, 2, 5, 3, 4} π = (0, 4, 7, 8, 5, 3)

8
 Algoritmos y Estructuras de Datos III
1er cuatrimestre 2021 (dictado a distancia)
Paula Zabala

Lema 3. Dado un digrafo G = (V, X) con pesos positivos en las arcos, al finalizar la iteración k el algoritmo de
Dijkstra determina, siguiendo hacia atrás pred hasta llegar a v, un camino mı́nimo entre el vértice v y cada vértice
u de Sk , con longitud π[u] (siendo Sk el valor del conjunto S al finalizar la iteración k).
Demostración: Haremos inducción en las iteraciones, k.

Caso base: Antes de entrar por primera vez al ciclo, k = 0, vale S0 = {v} y π[v] = 0. Esto es correcto ya que el
camino mı́nimo desde v hasta v es 0 por definición.
Paso inductivo: Consideremos una iteración k, k ≥ 1.
La hipótesis inductiva es: Al terminar la iteración k 0 (k 0 < k), ∀u ∈ Sk0 , π[u] es la longitud de un
camino mı́nimo de v a u finalizado en pred[u].

Sea u el vértice agregado a S en la iteración k, Sk = Sk−1 ∪ {u}, con pred[u] = w. Como w ∈ Sk−1 , por HI,
π[w] es el valor de un camino mı́nimo desde v a w definido por pred. Llamemos Pvw a ese camino mı́nimo
desde v a w (l(Pvw = π[w]). Definimos P = Pvw + (w → u).

Sea P 0 otro camino de v a u y y el primer vértice de ese camino que no está en Sk−1 (debe existir porque
v ∈ Sk−1 y u ∈/ Sk−1 ) y x el inmediatamente anterior.

Si y es u, entonces l(P 0 ) = π[x] + l((x → u)). Si x ingresó a S después que el u, en ese momento el algo-
ritmo comparó π[u] (que era π[w] + l((w → u)) por ser pred[u] = w) con π[x] + l((x → u)) y no actualizó
pred[u], por lo que asegura que π[x] + l((x → u)) ≥ π[u]. Si x ingresó a S antes que w, al momento de ingre-
sar a w actualizó pred[u], lo que también asegura que π[x]+l((x → u)) ≥ π[u]. Demostrando que l(P ) ≤ l(P 0 ).

Ahora supongamos que y no es u. Tenemos el siguiente esquema:

Sk−1 0
Pvx P0
x y

0
v Pyu

w u
Pvw P

En la iteración k los vértices y y u son candidatos para entrar a S y el algoritmo elige a u, lo que implica
que π[w] + l((w → u)) = πk−1 [u] ≤ πk−1 [y]. Como x ∈ Sk−1 , πk−1 [y] ≤ π[x] + l((x → y)) (hizo esta com-
paración cuando ingresó x a S) y, por HI, π[x] es la longitud de un camino mı́nimo desde v a x, tenemos
0 0
l(P ) = π[w] + l((w → u)) = πk−1 [u] ≤ πk−1 [y] ≤ π[x] + l((x → y)) ≤ l(Pvx ) + l((x → y)) ≤ l(Pvy ). Como no
0 0
hay arcos con peso negativo, se cumple que l(Pvy ) ≤ l(P ).

Entonces l(P ) ≤ l(P 0 ) para todo camino P 0 desde v a u y π[u] es la longitud de un camino mı́nimo desde v
a u.


Teorema 2. Dado un digrafo G = (V, X) con pesos positivos en las arcos y v ∈ V , el algoritmo de Dijkstra
determina el camino mı́nimo entre el vértice v y el resto de los vértices.

9
 Algoritmos y Estructuras de Datos III
1er cuatrimestre 2021 (dictado a distancia)
Paula Zabala

Demostración: En cada iteración un nuevo vértice es incorporado a S y el algorimto termina cuando S = V .

Aplicando el Lema 3 al finalizar la última iteración del ciclo, el algoritmo de Dijkstra determina, siguiendo hacia
atrás pred hasta llegar a v, un camino mı́nimo entre el vértice v y cada vértice u de V , con longitud π[u]. 
Analicemos la complejidad de este algoritmo. Los pasos computacionales crı́ticos son:

1. encontrar el próximo vértice a agregar a S,

2. actualizar π.

Cada uno de estos pasos se realiza n veces. La forma más fácil de implementar (1) es buscar secuencialmente el
vértice que minimiza, ésto se hace en O(n). En el paso (2), el vértice elegido tiene a lo sumo n adyacentes y para
cada uno podemos actualizar π en O(1). Considerando ésto, cada iteración es O(n), resultando O(n2 ) el algoritmo
completo.

Podemos ser más cuidadosos en el cálculo de (2), teniendo en cuenta que en total (no por cada iteración) se realiza
m veces. Con ésto el algoritmo completo es O(m+n2 ) que sigue siendo O(n2 ). Ésto sugiere que si queremos mejorar
su complejidad, debemos revisar la implementación del paso (1).

Para mejorar (1), se debe utilizar una estructura de datos que permita encontrar en forma más eficiente el mı́nimo.
Por ejemplo, utilizando una cola de prioridades sobre heap con n elementos, crearla es O(n). Luego, es posible
borrar el elemento mı́nimo e insertar uno nuevo en O(logn ). Si se mantiene un arreglo auxiliar apuntando a la
posición actual de cada vértice en el heap, también es posible modificar el valor de π de un vértice en O(logn ).

Considerando todas las iteraciones, la operación (1) es O(nlogn ). Cada aplicación del paso (2) requiere, a lo sumo,
d(u) inserciones o modificaciones por cada vértice elegido u. Cada una de estas operaciones es O(logn ), dando
en total O(d(u)logn ). Sumando sobre todas las iteraciones, la operación (2) es O(mlogn ). El algoritmo completo
resultan O(n logn +m logn ), que es O(m logn ).

Esto es mejor que O(n2 ) cuando m es O(n) (grafos ralos), pero peor si m es O(n2 ) (grafos densos).

Algoritmo de Bellman - Ford (1956)

Este algoritmo resuelve, utilizando la técnica de programación dinámica, el problema de camino mı́nimo con único
origen (v) - múltiples destinos, pero también es correcto para el caso general en el que el digrafo puede tener arcos
de longitud negativa. En la primer versión del algoritmo vamos a asumir que no hay ciclos de longitud negativa
alcanzables desde v.

Para cada vértice u, en π[u] va guardando una cota superior de la longitud de un camino mı́nimo desde v a u,
hasta obtener la verdadera longitud. El algoritmo considera sucesivamente caminos con más cantidad de arcos. Al
terminar la k-ésima iteración, el algoritmo encuentra todos los caminos mı́nimos desde v con, a lo sumo, k arcos.

En cada iteración se revisan todos los arcos, y, si agregar un arco (w → u) al camino hasta w obtenido hasta el mo-
mento es más corto que ese camino, actualiza el valor del camino hasta u, π(u), poniendo a w como su predecesor.
El algoritmo se detiene cuando en una iteración no es posible mejorar ningún camino. Como los caminos mı́nimos
son simples, a lo sumo realiza n − 1 iteraciones.

El pseudocódigo es el siguiente:

10
 Algoritmos y Estructuras de Datos III
1er cuatrimestre 2021 (dictado a distancia)
Paula Zabala

BellmanFord(G, v)
entrada: G = (V, X) de n vertices, un vertice v
salida: π[u] = valor del camino minimo desde v a u

π[v] ← 0
para todo u ∈ V \ {v} hacer
π[u] ← ∞
fin para
mientras hay cambios en π hacer
π0 ← π
para todo u ∈ V \ {v} hacer
π[u] ← mı́n(π 0 [u], mı́n(w→u)∈X π 0 [w] + l((w → u)))
fin para
fin mientras
retornar π

Lema 4. Dados un digrafo G = (V, X) y l : X → R una función de peso para las aristas de G. Si G no tiene
circuitos de longitud negativa, al finalizar la iteración k el algoritmo de Bellman-Ford determina los caminos
mı́nimos de a lo sumo k arcos entre el vértice v y los demás vértices.
Demostración: Inducción en las iteraciones, k.

Caso base: Antes de ingresar por primera vez al ciclo, k = 0, el algoritmo fija π[v] = 0 y π[u] = ∞ para todo
u ∈ V \ {v}. Ésto es correcto ya que el único camino posible con 0 arcos es de v a v.

Paso inductivo: Consideremos la iteración k ≥ 1 del algoritmo.

0
La hipótesis inductiva es: Al terminar la iteración k 0 (k 0 < k) el algoritmo determina en π k las
longitudes de los caminos mı́nimos desde v al resto de los vértices con a lo sumo k 0 arcos.

Sea u un vértice tal que el camino mı́nimo desde v a u con menos cantidad de arcos contiene k arcos y P uno
de estos caminos. Sea w el predecesor de u en P . Por optimalidad de subcaminos, Pvw es un camino mı́nimo
desde v a w con k − 1 arcos. Por HI este camino es correctamente identificado al terminar la iteración k − 1
del algoritmo.

Luego, en la iteración k, π[u] recibe el valor correcto cuando es examinado el arco (w → u). Como este valor
no puede ser mejorado (porque implicarı́a que P no es camino mı́nimo), no será modificado en las iteraciones
sucesivas del algoritmo. Luego, el algoritmo calcula correctamente los caminos mı́nimos desde v al resto de
los vértices.


Teorema 3. Dados un digrafo G = (V, X) y l : X → R una función de peso para las aristas de G. Si G no tiene
circuitos de longitud negativa, el algoritmo de Bellman-Ford determina el camino mı́nimo entre el vértice v y todos
los demás vértices.
Este algoritmo es O(nm). La inicialización en el primer para toma O(n), el mientras a lo sumo lo repite n veces
y en cada iteración de éste el para interior lo realiza m veces.

11
 Algoritmos y Estructuras de Datos III
1er cuatrimestre 2021 (dictado a distancia)
Paula Zabala

Es posible acelerar el cálculo de π. Si v1 , . . . , vn es el orden en que los vértices son considerados, para calcular π[vi ]
se puede usar el valor de π[vj ] con j < i calculados al comienzo de esa iteración.

Si el grafo tiene ciclos de longitud negativa alcanzables desde v, el algoritmo no termina después de n−1 iteraciones.
Podemos modificarlo para controlar esto. Con estas modificaciones, el algoritmo es el siguiente:

BellmanFord(G, v)
entrada: G = (V, X) de n vertices, un vertice v
salida: π[u] = valor del camino minimo desde v a u

π[v] ← 0, i ← 0
para todo u ∈ V \ {v} hacer
π[u] ← ∞
fin para
mientras hay cambios en π y i < n hacer
i←i+1
para todo u ∈ V \ {v} hacer
π[u] ← mı́n(π[u], mı́n(w→u)∈X π[w] + l((w → u)))
fin para
fin mientras
si i = n hacer
retornar "Hay circuitos de longitud negativa."
si no
retornar π
fin si

3. Camino mı́nimo para múltiples orı́genes - Algoritmos matriciales

Sea G = (V, X) un digrafo de n vértices y l : X → R una función de peso para las aristas de G. Definimos las
siguientes matrices:

L ∈ Rn×n , donde los elementos lij de L se definen como:


0
 si i = j
lij = l((vi → vj )) si (vi → vj ) ∈ X

∞ si (vi → vj ) ∈
/X


D ∈ Rn×n , donde los elementos dij de D se definene como:

(
longitud del camino mı́nimo orientado de vi a vj si existe alguno
dij =
∞ si no

D es llamada matriz de distancias de G.

12
 Algoritmos y Estructuras de Datos III
1er cuatrimestre 2021 (dictado a distancia)
Paula Zabala

Ejemplo 2. 3

1 2 1 2 3 4
2
3 1 0 3 ∞ 3
2
-2 2 4 L= 2 2 0 2 2

3 -2 ∞ 0 1

3 4
4 4 ∞ 4 4 0

3.1. Algoritmo de Floyd (1962)

El algoritmo de Floyd calcula el camino mı́nimo entre todo par de vértices de un digrafo pesado. Utiliza la técnica
de programación dinámica y se basa en lo siguiente:

1. Si D0 = L y calculamos L1 como
d1ij = mı́n(d0ij , d0i1 + d01j )
d1ij es la longitud de un camino mı́nimo de vi a vj con vértice intermedio v1 o directo.

2. Si calculamos Dk a partir de Dk−1 como

dkij = mı́n(dk−1 k−1 k−1

ij , dik + dkj )

dkij es la longitud de un camino mı́nimo de vi a vj cuyos vértices intermedios están en {v1 , . . . , vk }.

3. D = Dn

Primero asumiremos que no hay circuitos de longitud negativa.

Floyd(G)
entrada: G = (V, X) de n vertices
salida: D matriz de distancias de G

D←L
para k desde 1 a n hacer
para i desde 1 a n hacer
para j desde 1 a n hacer
d[i][j] ← mı́n(d[i][j], d[i][k] + d[k][j])
fin para
fin para
fin para
retornar D

Lema 5. Al finalizar la iteración k del algoritmo de Floyd, d[i][j] es la longitud de los caminos mı́nimos desde vi
a vj cuyos vértices intermedios son elementos de {v1 , . . . , vk }.

13
 Algoritmos y Estructuras de Datos III
1er cuatrimestre 2021 (dictado a distancia)
Paula Zabala

Demostración: Haremos inducción en las iteraciones, k.

Caso base: Antes de entrar por primera vez al ciclo, k = 0, vale D = L. Esto es correcto ya que son las longitudes
de los caminos mı́nimos sin vértices intermedios, es decir, caminos que sólo son un arco.

Paso inductivo: Consideremos una iteración k, k ≥ 1.

0
La hipótesis inductiva es: Al terminar la iteración k 0 (k 0 < k), Dk tiene las longitudes de los ca-
minos mı́nimos entre todos los pares de vértices cuyos vértices intermedios son elementos de
{v1 , . . . , vk0 }.

Dados dos vértices vi y vj , el camino mı́nimo de vi a vj cuyos vértices intermedios están {v1 , . . . , vk }, P ,
tiene a vk o no tiene a vk . Analicemos un camino mı́nimo, P 1 , desde vi a vj que pasa por vk y cuyos vértices
intermedios son elementos del conjunto {v1 , . . . , vk } y un camino mı́nimo, P 2 , con vértices intermedios en el
conjunto {v1 , . . . , vk−1 }.

P 1 = Pv1i vk + Pv1k vj . Por Proposición 1 (subestructura óptima de un camino mı́nimo), tanto Pv1i vk
y Pv1k vj son caminos mı́nimos de vi a vk y de vk a vj respectivamente con vértices intermedios en
{v1 , . . . , vk−1 }. Por HI, Pvi vk tiene longitud dk−1 [i][k] y Pvk vj longitud dk−1 [k][j]. Por lo tanto l(P 1 ) =
dk−1 [i][k] + dk−1 [k][j].
Por HI, l(P 2 ) = dk−1 [i][j].

P es el más corto entre P 1 y P 2 . Por lo tanto, l(P ) = mı́n(l(P 1 ), l(P 2 )) = mı́n(dk−1 [i][k]+dk−1 [k][j], dk−1 [i][j]),
que es el cálculo que realiza el algoritmo.


Teorema 4. El algoritmo de Floyd determina los caminos mı́nimos entre todos los pares de nodos de un grafo
orientado sin circuitos negativos.
La complejidad del algoritmo de Floyd es O(n3 ).

Si no sólo queremos conocer la longitud de los caminos mı́nimos, si no también un camino mı́nimo para cada par
de vértices, debemos guardar la información sobre los vértices intermedios. Para ésto se puede utilizar una matriz
pred que indica para cada par de vértices vi , vj el vértice anterior a vj en el camino mı́nimo actual de vi a vj . La
inicialización es pred[i][j] ← i y cuando se actualiza d[i][j], se debe fijar pred[i][j] ← pred[k][j].

Si en el curso del algoritmo, para algún vértice i, d[i][i] < 0 significa que hay al menos un ciclo negativo que
pasa por i. Se puede mejorar la eficiencia del algoritmo agregando dos chequeos que permiten no realizar algunas
comparaciones y para inmediatamente si d[i][i] se hace negativa para algún i. Con estas modificaciones, el algoritmo
es:

14
 Algoritmos y Estructuras de Datos III
1er cuatrimestre 2021 (dictado a distancia)
Paula Zabala

Floyd(G)
entrada: G = (V, X) de n vertices
salida: D matriz de distancias de G

D←L
para k desde 1 a n hacer
para i desde 1 a n hacer
si d[i][k] 6= ∞ entonces
si d[i][k] + d[k][i] < 0 entonces
retornar "Hay circuitos negativos"
fin si
para j desde 1 a n hacer
d[i][j] ← mı́n(d[i][j], d[i][k] + d[k][j])
fin para
fin si
fin para
fin para
retornar D

3.2. Algoritmo de Dantzig (1966)

En la iteración k, el algoritmo de Dantzig genera una matriz de k × k de caminos mı́nimos en el subgrafo inducido
por los vértices {v1 , . . . , vk }.

Calcula la matriz Dk a partir de la matriz Dk−1 para 1 ≤ i, j ≤ k como:

dkik = mı́n1≤j≤k−1 {dk−1

ij + l((j → k))}

dkki = mı́n1≤j≤k−1 {l((k → j)) + dk−1

ji }

dkij = mı́n(dk−1 k k
ij ,ik +dkj )

Finalmente, D = Dn .
Asumimos que el grafo es orientado. Detecta si hay circuitos de longitud negativa.

15
 Algoritmos y Estructuras de Datos III
1er cuatrimestre 2021 (dictado a distancia)
Paula Zabala

Dantzig(G)
entrada: G = (V, X) de n vertices
salida: D matriz de distancias de G

D←L
para k desde 2 a n hacer
para i desde 1 a k hacer
D[i][k] ← mı́n1≤j≤k−1 {D[i][j] + D[j][k]}
D[k][i] ← mı́n1≤j≤k−1 {D[k][j] + D[j][i]}
fin para
t ← mı́ni≤j≤k−1 {D[k][i] + D[i][k]}
si t < 0 entonces
retornar "Hay circuitos de longitud negativa"
fin si
para i desde 1 a k − 1 hacer
para j desde 1 a k − 1 hacer
D[i][j] ← mı́n(D[i][j], D[i][k] + D[k][j])
fin para
fin para
fin para
retornar D

Lema 6. Al finalizar la iteración k del algoritmo de Dantzig, la matriz de k × k generada contiene la longitud de
los caminos mı́nimos en el subgrafo inducido por los vértices {v1 , . . . , vk }.
Teorema 5. El algoritmo de Dantzig determina los caminos mńimos entre todos los pares de nodos de un grafo
orientado sin circuitos.
La complejidad del algoritmo de Dantzig es O(n3 ).

16