@HowToPrompt__: 中国教授发现了40年来图的最快最短路径算法。Dijkstra算法已经lite…
摘要
一位中国教授发现了一种新的确定性最短路径算法,通过结合Dijkstra和Bellman-Ford算法并引入前沿缩减,突破了40年来的排序障碍,在稀疏图上实现了O(m log^(2/3) n)的时间复杂度。
查看缓存全文
缓存时间: 2026/07/20 23:34
中国教授发现了40年来最快的图最短路径算法。
Dijkstra算法自20世纪50年代以来,一直在驱动着整个世界。
无论你是在用谷歌地图、预订航班,还是路由网络数据包,Dijkstra都是幕后运行的引擎。
要找到最短路径,Dijkstra的做法是先检查最近的节点。但为了始终知道哪个节点“最近”,这个算法必须不断地在一个优先队列中对它们进行排序。排序需要计算时间。这形成了一个硬性的数学速度极限:O(m + n log n)。
40年来,研究人员一直相信,因为必须对节点进行排序才能找到最短路径,所以永远无法比排序所需的时间更快。这就是臭名昭著的“排序壁垒”。
这些研究人员大胆地问道:如果我们干脆……不对所有东西进行排序呢?
他们没有维护一个缓慢但完美的网络节点全局排序,而是构建了一个结合Dijkstra和Bellman-Ford算法的混合怪兽。他们引入了一个绝妙的概念,称为“前沿缩减”。
这个算法不去对所有顶点进行排序,而是识别出一小组“关键”顶点。这些关键顶点充当着巨大的最短路径子树的根节点。通过将节点分组为簇,并只关注这些关键顶点,他们大幅减少了需要跟踪的活动节点数量。前沿中的节点越少 = 排序越少 = 速度爆表。
这个新的确定性算法运行时间为 O(m log^(2/3) n)。
用大白话来说是什么意思呢?
log^(2/3) n 的增长速度比 log n 慢得多。在拥有数百万节点的大规模稀疏图中,计算操作的总量急剧下降。它提供了最坏情况下的保证,而不依赖概率或随机猜测。
这打破了理论计算机科学中的一个基本假设,并为以下方面奠定了架构基础:
→ 超快图路由引擎(地图、物流、供应链) → 大规模网络优化(互联网数据包) → AI导航与数据流依赖图
它证明,即使是最根深蒂固、看似“最优”的技术基础,也仍然有待颠覆。
相似文章
@techNmak: 38年来,计算机科学家们认为迪杰斯特拉算法在稀疏图中是最优的。这个逻辑似乎无懈可击…
来自清华、斯坦福和马克斯·普朗克的五位研究人员开发了一种新的最短路径算法,在稀疏有向图中超越了迪杰斯特拉算法,实现了O(m log^(2/3) n)的时间复杂度,这是自1987年以来的首次改进。
@lxfater: 清华几个人把 Google Maps 用了 41 年的算法给超了 从 1984 年算到现在,41 年没人做到过 那个算法叫 Dijkstra,你没听过没关系,你每天都在用 但这个卡了 40 年突破不了,因为有一道数学上的排序屏障横在中间 …
Researchers from Tsinghua University have developed a new shortest-path algorithm with O(m log^{2/3} n) complexity, surpassing Dijkstra's algorithm which had been considered theoretically optimal for 41 years.
GraphDC:一种用于可扩展图算法推理的分治多智能体系统
本文介绍了 GraphDC,这是一个分治多智能体框架,它将图算法任务分解为子图以分配给专门的智能体处理,从而提高了在复杂图结构上的可扩展性和推理性能。
使用图论加速后端(2019年)
Sensor Tower 工程团队利用图论分析和性能分析工具,识别出后端端点缓慢的瓶颈,通过优化 Protobuf 解码和编码步骤,实现了四倍的速度提升。
@2prime_PKU: 我们刚刚用AI解决了一个存在35年的开放数学问题!在排队论中,BAR是寻找n…的“主方程”
研究人员使用AI,特别是ChatGPT 5.5 Pro,解决了排队论中一个存在35年的符号BAR猜想,证明了反射扩散的平稳分布的唯一性。这一结果推进了对随机网络均衡的理解,并展示了AI在数学发现中的作用。