{
  "id": "bellman-ford-algorithm",
  "title": "贝尔曼–福特算法",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "贝尔曼–福特算法求解含负权边的加权图中的单源最短路径，并检测从源点可达的负权环。",
  "category": "computer-science",
  "subcategory": "algorithms-theory",
  "type": "concept",
  "aliases": [
    "Bellman–Ford算法",
    "贝尔曼–福特–摩尔算法"
  ],
  "generated_at": "2026-11-03",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/bellman-ford-algorithm/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/bellman-ford-algorithm/",
      "json": "https://aiwiki.page/en/bellman-ford-algorithm.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "贝尔曼–福特算法是一种用于求解加权图中单源最短路径问题的算法。给定一个源顶点，只要从源点可达的负权环没有使相关距离变得无下界，该算法就能计算到达其他各顶点所需的最小边权总和。与迪ijkstra算法不同，它允许边权为负。其标准实现反复对所有边执行松弛操作，并能检测是否存在从源点可达的负权环。"
    },
    {
      "heading": "问题与假设",
      "text": "设 \\(G=(V,E)\\) 为有向图，具有有限顶点集 \\(V\\)、边集 \\(E\\) 和边权函数 \\(w:E\\to\\mathbb{R}\\)。设 \\(s\\in V\\) 为源点。\n\n一条路线的权重是沿途各边的权重之和。最短路径距离 \\(\\delta(s,v)\\) 通常定义为从 \\(s\\) 到 \\(v\\) 的所有有向游走的权重下确界。可能出现以下三种情况：\n\n- **距离有限：**存在权重最小的路线。\n- **顶点不可达：**不存在这样的路线，以 \\(+\\infty\\) 表示。\n- **距离无下界：**从 \\(s\\) 可以到达某个负权环，并且从该环可以到达 \\(v\\)，因此反复绕环可以使路线权重任意小。数学上以 \\(-\\infty\\) 表示。\n\n负权环是指边权总和为负的有向环。仅仅存在负权边，并不妨碍最短路径具有有限长度。\n\n标准的贝尔曼–福特算法在不存在从 \\(s\\) 可达的负权环时返回各顶点的距离，否则报告存在可达的负权环。扩展实现还可以准确识别哪些顶点的距离为 \\(-\\infty\\)。\n\n如果用方向相反的两条有向边表示无向图中的每条边，那么任何负权边都会形成负权闭合游走：可以沿这条边往返行走任意多次。因此，在解释无向图中的最短路径问题时，需要特别谨慎地处理负权边。"
    },
    {
      "heading": "松弛",
      "text": "算法为每个顶点维护一个暂定距离 \\(d[v]\\)，还可以选择维护前驱 \\(\\pi[v]\\)，以便重建路线。\n\n初始时，\n\n\\[d[s]=0,\\qquad d[v]=+\\infty\\quad\\text{for }v\\ne s.\\]\n\n对边 \\((u,v)\\) 执行松弛时，算法检查先到达 \\(u\\)、再沿该边前进，是否能够改善当前到 \\(v\\) 的距离：\n\n\\[\\text{if }d[u]\\ne+\\infty \\text{ and }d[u]+w(u,v)<d[v],\\]\n\n若条件成立，则令\n\n\\[d[v]\\leftarrow d[u]+w(u,v), \\qquad \\pi[v]\\leftarrow u.\\]\n\n松弛操作不会增大暂定距离。过程中产生的每个有限值，都对应于从源点出发的某条实际游走的权重。难点在于确定需要重复多少轮，才能传播所有必要的改进。"
    },
    {
      "heading": "动态规划解释",
      "text": "贝尔曼–福特算法可以通过动态规划来理解。设 \\(D_k(v)\\) 为从 \\(s\\) 到 \\(v\\)、至多使用 \\(k\\) 条边的游走的最小权重，则\n\n\\[D_0(v)= \\begin{cases} 0,&v=s,\\\\ +\\infty,&v\\ne s, \\end{cases}\\]\n\n并且\n\n\\[D_k(v)= \\min\\left( D_{k-1}(v), \\min_{(u,v)\\in E} \\left[D_{k-1}(u)+w(u,v)\\right] \\right).\\]\n\n直接实现这一递推关系时，需要分别用两个数组存储上一轮和当前轮的结果。\n\n常见实现则在扫描各条边时，原地更新同一个距离数组。因此，根据边的扫描顺序，一次改进可能在一轮扫描中沿多条边传播。第 \\(k\\) 轮结束后的值不一定等于 \\(D_k(v)\\)，但至少不会比它更差：到该轮结束时，所有至多使用 \\(k\\) 条边的最短路线都已得到考虑。\n\n如果不存在从源点可达的负权环，就可以删除任意游走中的环，而不增加其权重。因此，总能选出一条简单的最短路线，其中至多包含 \\(|V|-1\\) 条边。这也解释了算法的标准轮数上限。"
    },
    {
      "heading": "标准过程",
      "text": "以下伪代码采用原地松弛；如果某一整轮扫描没有发生任何变化，就提前终止：\n\nBellmanFord(V, E, w, s):\n    for each vertex v in V:\n        d[v] = infinity\n        predecessor[v] = none\n    d[s] = 0\n\n    for i = 1 to |V| - 1:\n        changed = false\n\n        for each edge (u, v) in E:\n            if d[u] != infinity and d[u] + w(u, v) < d[v]:\n                d[v] = d[u] + w(u, v)\n                predecessor[v] = u\n                changed = true\n\n        if not changed:\n            return d, predecessor\n\n    for each edge (u, v) in E:\n        if d[u] != infinity and d[u] + w(u, v) < d[v]:\n            return \"存在从源点可达的负权环\"\n\n    return d, predecessor\n\n最后一轮扫描只检查是否还能改进距离，无须实际更新距离。提前终止是正确的，因为完整一轮扫描没有发生变化，就说明每条边都已满足相应的松弛不等式。\n\n得到有限距离后，可以从可达的目标顶点开始，沿前驱反向追溯至 \\(s\\)，再将所得序列逆序，从而重建路线。"
    },
    {
      "heading": "正确性",
      "text": "算法的正确性可以通过两个核心性质来说明。\n\n首先，每个有限的暂定距离都是某条从源点到该顶点的游走的权重。因此，当真实最短路径距离有限时，暂定值不可能小于真实距离。\n\n其次，完成 \\(k\\) 轮完整扫描后，对于从源点到某顶点、至多使用 \\(k\\) 条边的任意路线，算法得到的该顶点距离值都不大于该路线的权重。这可以沿每条路线用归纳法证明，并表述为一个循环不变量。\n\n如果不存在可达的负权环，那么每个可达顶点都有一条至多包含 \\(|V|-1\\) 条边的最短简单路径。完成相应轮数的扫描后，根据上述两个性质，每个暂定距离必然等于对应的最短路径距离。\n\n为什么额外的改进意味着存在负权环\n\n在完成 \\(|V|-1\\) 轮扫描后，如果仍有松弛操作能够成功，就意味着存在可达的负权环。如果不存在这样的环，最短简单路径就应当已经给出了最终距离。\n\n反过来，假设存在一个可达的负权环。经过足够多轮扫描后，环上所有顶点的距离标记都会变为有限值。如果环上没有任何一条边可以继续松弛，那么每条环边都满足\n\n\\[d[v]\\le d[u]+w(u,v).\\]\n\n将环上的这些不等式相加，距离项相互抵消，得到\n\n\\[0\\le \\sum_{\\text{cycle}} w(u,v),\\]\n\n这与该环的总权重为负相矛盾。\n\n可达性条件至关重要：位于图中不连通部分或其他不可达部分的负权环，不会影响从 \\(s\\) 开始的这次算法运行。"
    },
    {
      "heading": "计算示例",
      "text": "考虑以下有向边：\n\n\\[s\\to a:4,\\qquad s\\to b:5,\\qquad a\\to b:-2,\\qquad b\\to c:3.\\]\n\n采用同步更新的动态规划形式，距离表如下：\n\n允许使用的最多边数 | \\(s\\) | \\(a\\) | \\(b\\) | \\(c\\)\n0 | 0 | \\(+\\infty\\) | \\(+\\infty\\) | \\(+\\infty\\)\n1 | 0 | 4 | 5 | \\(+\\infty\\)\n2 | 0 | 4 | 2 | 8\n3 | 0 | 4 | 2 | 5\n\n到 \\(c\\) 的最短路线是\n\n\\[s\\to a\\to b\\to c,\\]\n\n总权重为\n\n\\[4-2+3=5.\\]\n\n如果边的扫描顺序允许改进在同一轮内传播，原地更新的实现可能更早得到这些最终值。\n\n如果增加一条权重为 \\(-2\\) 的边 \\(c\\to a\\)，那么环\n\n\\[a\\to b\\to c\\to a\\]\n\n的总权重为 \\(-2+3-2=-1\\)。由于从 \\(s\\) 可以到达该环，到 \\(a\\)、\\(b\\) 和 \\(c\\) 的距离都会变得无下界。到 \\(s\\) 的距离仍为 \\(0\\)，因为图中不存在从该环返回 \\(s\\) 的路线。"
    },
    {
      "heading": "复杂度与实现问题",
      "text": "标准算法最多执行 \\(|V|-1\\) 轮完整的边扫描，再额外执行一轮检测扫描。其通常所说的最坏情况时间复杂度为\n\n\\[O(|V||E|).\\]\n\n若显式计入初始化开销，则即使图中没有边，以下界限也成立：\n\n\\[O(|V|+|V||E|).\\]\n\n采用边列表表示图即可。距离数组和前驱数组所需的辅助空间为 \\(O(|V|)\\)，不包括图本身的存储空间。除非需要中间结果，否则无须存储动态规划的所有轮次。\n\n重要的实现细节包括：\n\n- **无穷大的处理：**如果一条边的起点不可达，必须先跳过这条边，再考虑边权加法。如果用某个有限的哨兵值表示“无穷大”，必须防止它误参与算术运算。\n- **溢出：**即使每条边的权重都能用某种整数类型表示，路径上的权重总和也可能超出其范围。\n- **浮点运算：**舍入可能改变比较结果，使总权重接近零的环难以判定。引入容差会改变数学上精确的检测判据。\n- **边的顺序：**扫描顺序可能显著影响收敛所需的轮数，但不会改变最坏情况下的保证。\n- **严格更新：**通常只有发现严格更短的距离时才应修改前驱。在距离相等时也更新前驱，可能使路线重建变得复杂。\n\n定位负权环及受影响顶点\n\n要提取一个负权环，实现时可以额外执行一轮实际松弛，并记录一个被更新的顶点。沿其前驱指针追溯 \\(|V|\\) 次，就会到达前驱关系所构成的某个环上的顶点；继续追溯，直到某个顶点重复出现，即可恢复该环，再将遍历结果逆序，得到该环的有向顺序。\n\n要识别所有距离为 \\(-\\infty\\) 的顶点，算法可以收集额外一轮中距离得到改进的顶点，再从这些顶点出发，使用广度优先搜索或深度优先搜索沿边的正向遍历。这样既能标记可达的负权环，也能标记从这些环可达的下游顶点。其他可达顶点仍可能具有有限的最短路径距离。"
    },
    {
      "heading": "应用与相关算法",
      "text": "差分约束\n\n贝尔曼–福特算法可以判断以下形式的不等式组是否有可行解：\n\n\\[x_v-x_u\\le c_{uv}.\\]\n\n将每个不等式表示为一条权重为 \\(c_{uv}\\) 的边 \\(u\\to v\\)，再添加一个新源点，并从该源点向每个顶点连一条零权边。存在负权环就意味着约束不相容，因为将环上的不等式相加会得到一个不可能成立的不等式。如果不存在负权环，计算得到的距离就构成一个可行赋值。\n\n这将该算法与数学优化以及基于约束的调度联系起来。\n\n路由\n\n贝尔曼–福特算法的递推关系是距离向量路由的基础。路由器与邻居交换距离估计值，并将链路代价与邻居通告的距离相加，以更新自身的估计。\n\n这类协议是对算法的分布式改造，并不是照搬集中式程序逐边扫描的执行过程。网络发生变化时，它们的行为还会带来其他问题，包括路由环路和计数到无穷问题。这是该算法在分布式计算中的一项重要应用。\n\n重赋权与套利\n\n约翰逊算法使用贝尔曼–福特算法计算顶点势函数并检测负权环，随后对图进行重赋权，以便多次执行迪ijkstra算法。重赋权后的边权均非负，同时保留了最短路径关系。\n\n货币兑换套利也可以通过负权环检测来建模。将汇率 \\(r\\) 对应到权重 \\(-\\log r\\)，就能把汇率乘积大于 \\(1\\) 的环转化为负权环。实际模型还必须考虑交易成本、数值精度和执行约束。\n\n替代算法\n\n当所有边权都非负时，通常更适合使用迪ijkstra算法。在有向无环图中，即使存在负权边，按拓扑顺序执行松弛也能在 \\(O(|V|+|E|)\\) 时间内求出最短路径。\n\n基于队列的变体会处理那些距离发生变化、因而可能触发进一步松弛的顶点。这类方法在实践中可以避免许多不必要的扫描，但常用的最短路径快速算法变体，其最坏情况时间复杂度仍为 \\(O(|V||E|)\\)。"
    },
    {
      "heading": "历史发展",
      "text": "该算法以理查德·贝尔曼和小莱斯特·R·福特命名。福特于1956年描述了一种相关方法，贝尔曼则于1958年发表了他的动态规划形式。爱德华·F·摩尔于1959年独立提出了一种相关的最短路径方法，因此该算法也称为贝尔曼–福特–摩尔算法。\n\n这些表述确立了反复松弛作为最短路径计算核心技术的地位，将图算法、动态规划和分布式路由联系在一起。"
    }
  ],
  "links": [
    "graph-theory",
    "shortest-path-problem",
    "algorithm",
    "dijkstra-algorithm",
    "dynamic-programming",
    "pseudocode",
    "loop-invariant",
    "time-complexity",
    "space-complexity",
    "breadth-first-search",
    "depth-first-search",
    "mathematical-optimization",
    "distributed-computing"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}