SHORTEST PATH ALGORITHM

(Dijkstra, Bellman-Ford)
 SHORTEST PATH ALGORITHM
Macam – macam shortest Path
Shortest path dapat dibedakan menjadi :
 Single Source Shortest Path
 Menentukan shortest path dari verteks sumber s Є V ke setiap verteks v Є V 
Algoritma Dijkstra , Algoritma Bellman Ford
 Single Destination Shortest Path
 Menentukan shortest path ke suatu tempat t dari tiap verteks v
 Single Pair shortest path
 Menentukan shortest path dari u ke v jika diketahui pasangan u dan v
 All pair shortest path
 Untuk semua pasangan (u,v) ditentukan kemungkinan shortest pathnya. Floyd-Warshall

2
 Masalah Shortest Path

Terdapat sebuah graph berbobot (weighted graph) dan

dua vertices u dan v, kita ingin menemukan sebuah path
dengan bobot minimum antara u dan v.

 panjang path adalah penjumlahan dari bobot sisi-sisinya

(edges).

Contoh :
Shortest path antara jakarta surabaya
Aplikasi
 Internet packet routing
 Flight reservations
 Driving directions

3
 Pengertian Shortest Path
Misalkan sebuah directed graph G V,E

Bobot dari sebuah path p v0 , v1 ,...., vk

adalah
k
w p w vi 1 , vi
i 1

Bobot shotest path dari u ke v adalah

4
Shortest Path Properties

 Jika G tidak memiliki bobot, maka shortest pathnya

diperoleh dari panjang path yang paling minimal (jumlah edge-
nya paling sedikit).
 Jika G merupakan graph dengan bobot tertentu, maka bobot dari
p adalah

w p w u, v
u ,v p

5
 Shortest Path Properties

 Property 1:
 Sebuah subpath dari sebuah shortest path adalah sebuah shortest
path
 Property 2:
 Terdapat sebuah tree dari shortest paths dari start vertex ke seluruh
vertex lainnya

6
 Syarat
 Syarat yang harus dipenuhi oleh sebuah shortest path:
 Shortest path tidak memiliki cycle.
 Sebuah shortest path memiliki

V 1 edge.

7
 algoritma single source shortest path
Ada 2 macam algoritma yang digunakan dalam
memecahkan masalah single source shortest path, yaitu:

 Algoritma Bellman Ford ialah algoritma yang digunakan

untuk memecahkan masalah single shortest path yang memiliki
edge dengan bobot negatif.

 Algoritma Djikstra ialah algoritma yang digunakan untuk

memecahkan masalah single shortest path yang memiliki edge
dengan bobot positif.

8
 DJIKSTRA
 Edsger Wybe Dijkstra lahir di Rotterdam 11 May 1930.
ibunya seorang ahli metematika dan ayahnya seorang
ahli kimia .

 th 1956 Dijkstra lulus dari Universitas Leiden dalam

bidang mathematika dan teori fisika

 Th 1959 Dijkstra menerima PhD Universitas

Amsterdam untuk thesisnya yg berjudul
„Communication with an Automatic Computer‟,

9
 algoritma DIJKSTRA
 Algoritma dijkstra adalah salah satu algoritma untuk
memecahkan masalah “ single source shortest path”

 Pada algoritma dijkstra pemecahan masalah

diperuntukkan untuk sebuah Graph G=(V,E) yang
berbobot non negatif.

 Diasumsikan w(i,j) ≥0 untuk masing-masing edge (i,j) Є

E

10
 Metode algoritma DIJKSTRA
1. Inisialisasi s (sumber)
 Pilih salah satu vertex sebagai sumber
 Maka d(s) = 0
 Beri label 0 pada vertex s

2. Untuk masing-masing edge  e Є E

 Jika i adalah endpoint dari e yang sudah diberi label dan j
adalah endpoint yang belum diberi label maka p(i,j) adalah =
d(i) + w(i,j)

11
 Metode algoritma DIJKSTRA

3. e adalah edge untuk T yang mempunyai nilai P terkecil

 Jika i adalah endpoint dari e yang sudah diberi label dan j
adalah endpoint yang belum diberi label maka tambahkan e
dan vertex j ke tree T
 d(j)=P(ij)
 Beri label d(j) pada vertex j

4. Kembali ke no 2

12
 Metode dijkstra
Metode algoritma DIJKSTRA menggunakan metode
relaksasi

Relaksasi (i,j,w)
Jika d(j)>d(i)+w(i,j)
Maka d(j) adalah d(i) + w(i,j)
Beri label d(j) pada j

13
 Metode algoritma DIJKSTRA
 Output algoritma dijkstra adalah spanning tree T, dimana
path dari vertex s (sumber) ke masing-masing vertex v
adalah sebuah shortest path dari s ke v dalam sebuah graph
G.

 Label pada sebuah vertex adalah jarak dari s ke masing-

masing vertex

14
 Contoh 1
 Tentukan shortest path dari A ke setiap v pada graph G
berikut:

10
A B
15 6
7
5
9
C D
2

8 4
E

15
 Contoh 1(cont)
d(A)=0
10
 Spanning tree T kosong
A B 1. Inisialisasi s (sumber)
15 6  pilih vertex A sebagai sumber.
7
5  S=A, maka d(A)=0. beri label 0 pada A
9
C 2
D 2. Untuk semua edge Є E,
 i adalah endpoint yg sudah di label , i = A
8 4  j adalah endpoint yg belum dilabel j= B,C,D,E
E
 P(AB)=10, P(AC)=7, P(AE)=15

16
 Contoh 1(cont)
3 . AC yang mempunyai nilai P terkecil
sehingga C ditambahkan ke spanning tree
d(A)=0 T
10
A B  d(c)=P(AC)=7
15 6  Beri label d (c) pada vertex c
7
5
9
C D
2
d(C)=7
8 4
E

17
 Contoh 1(cont)
d(A)=0
10 4. Kembali ke no 2
A B
 P(AB)=10,P(AE)=15,
15 6
7 P(CB)=22,P(CD)=9,P(CE)=15
5
9  CD yg mempunyai nilai P
C D d(D)=9
2 terkecil, sehingga D ditambahkan
d(C)=7
8 4
ke T
E
 Beri label d(D)=9

18
 Contoh 1(cont)

5. Kembali ke no 2
d(A)=0 d(B)=10 • P(AB)=10,P(AE)=15,
10 P(CB)=22,P(CE)=15,P(DB)=15
A B
15 6
,P(DE)=13
7
9 5 • AB yg mempunyai nilai
C 2
D d(D)=9 terkecil,sehingga B ditambahkan
d(C)=7 ke T
8 4
E • Beri label d(B) =10

19
 Contoh 1(cont)
5. Kembali ke no 2
d(A)=0 d(B)=10  P(AE)=15, P(CB)=22,
10 P(CE)=15,P(DB)=15,
A B
P(DE)=13, P(BE)=18
15 6
7  DE yg mempunyai nilai
5
9 terkecil,sehingga E
C D
2
d(D)=9
ditambahkan ke T
d(C)=7
8  Beri label d(E) =13
E 4

d(E)=13 6. Semua vertex sudah

diberi label
7. selesai

20
 Aplikasi dijkstra
 Dijkstra's algorithm determines the distances (costs) between a given
vertex and all other vertices in a graph.This may be useful to determine
alternatives in decision making.

 Dijkstra's algorithm is almost identical to that of Prim's.The algorithm

begins at a specific vertex and extends outward within the graph, until
all vertices have been reached.

 The only distinction is that

 Prim's algorithm stores a minimum cost edge
 whereas Dijkstra's algorithm stores the total cost from a source vertex to
the current vertex.

 More simply, Dijkstra's algorithm stores a summation of minimum cost

edges whereas Prim's algorithm stores at most one minimum cost edge.

21
 contoh

22
 contoh

23
 contoh

24
 contoh

25
 contoh

26
 contoh

27
 soal
 Tentukan shortest path dari A ke semua node pada graph berikut :

28
 BELLMAN FORD
Algoritma ini merupakan pengembangan dari algoritma Djikstra,
Algoritma Bellman Ford akan benar jika dan hanya jika graph tidak
terdapat cycle dengan bobot negatif yang dicapai dari sumber s.

No cycle
Diasumsikan shortest
paths tidak mempunyai
cycles.
shortest path maksimum
mempunyai |V|-1 edge

29
 Ciri – ciri Algoritma Bellman-Ford :

 Bekerja walaupun terdapat edge dengan bobot negative.

 Harus directed edge (jika tidak graph akan memiliki cycle dengan
bobot negatif)
 Iterasi i menemukan seluruh shortest path dengan menggunakan i
edge.
 Dapat mendeteksi cycle dengan bobot negatif jika ada.

30
 Contoh algoritma bellman ford

BF(G,w,s) // G = Graph, w = weight, s=source

Determine Single Source(G,s);
set Distance(s) = 0; Predecessor(s) = nil;
for each vertex v in G other than s,
set Distance(v) = infinity, Predecessor(v) = nil;
for i <- 1 to |V(G)| - 1 do //|V(G)| Number of vertices in the graph
for each edge (u,v) in G do
if Distance(v) > Distance(u) + w(u,v) then
set Distance(v) = Distance(u) + w(u,v), Predecessor(v) = u;
for each edge (u,r) in G do
if Distance(r) > Distance(u) + w(u,r);
return false; //This means that the graph contains a cycle of negative weight
//and the shortest paths are not well defined
return true; //Lengths of shortest paths are in Distance array

31
 Algoritma :

Bellman-Ford(G,w,s)
Inisialisasi single source(G,s)
for i=1 to |V[G]|-1
do for each edge (u,v) E[G]
do RELAX(u,v)
for each edge (u,v) E[G] ;
untuk mencek apakah ada atau tidak cycle dgn bobot negatif
do if d[v] > d[u] +w ((u,v)) ;
jika hasil algoritma yang diinginkan belum didapat
then return FALSE
return TRUE;

32
 Teknik relaksasi
Untuk setiap vertex
v Є V, d (v) adalah
bobot upper bound
sebuah shortest
path dari s ke v,

d(v) disebut
estimasi
shortest-path

33
 relaksasi
1. pada algorithm Dijkstra dan algoritma shortest-paths untuk
directed acyclic graphs (DAG), setiap edge direlaksasi sekali.

2. pada algoritma Bellman-Ford, setiap edge direlaksasi beberapa kali.

34
 Triangle Inequality

Lemma 1
Untuk setiap edge (u; v) Є E, mempunyai δ(s;v) ≤
δ(s;u)+w(u;v)

35
 Upper-bound Property
Lemma 2
 Kita selalu mempunyai d[v] ≥ (s;v) untuk seluruh vertices vЄV
dan satu d[v] achieves the value (s;v), yang tidak pernah berubah

Corollary 1
 Jika tidak terdapat path dari s ke v, maka kita selalu mempunyai
d[v] = δ(s;v) = ∞.

36
 Convergence Property

Lemma 3 If s u  v is a shortest path in

G for some u; v ЄV and if d[u] = δ(s;u) at
any time prior to relaxing edge (u;v), then
d[v] = δ(s;v) at all times afterward.

37
 Path-relaxation Property

38
 Applications in routing

 A distributed variant of Bellman-Ford algorithm is used in the

Routing Information Protocol (RIP). The algorithm is
distributed because it involves a number of nodes (routers)
within an Autonomous system, a collection of IP networks
typically owned by an ISP. It consists of the following steps:

 Each node calculates the distances between itself and all other
nodes within the AS and stores this information as a table.
 Each node sends its table to all neighbouring nodes.
 When a node receives distance tables from its neighbours, it
calculates the shortest routes to all other nodes and updates
its own table to reflect any changes.

39
 Applications in routing
 The main disadvantages of Bellman-Ford algorithm in this
setting are
 Does not scale well
 Changes in network topology are not reflected quickly since
updates are spread node-by-node.
 Counting to infinity

40
 algoritma Bellman Ford
 Ada dua hal yang harus menjadi catatan pada algoritma
Bellman-Ford, yaitu :

 Shortest path tidak akan terdiri lebih dari V-1 edge dari graph yang
bersangkutan, dengan asumsi tidak ada negative cycle.Jika terdapat
lebih dari V-1 edge pada shortest path, maka ada node yang dilewati
lebih dari satu kali.Hal tersebut akan mengakibatkan shortest path
tidak optimal.

 Pada tiap iterasi, harus dipertimbangkan edge mana yang akan

digunakan terlebih dahulu.

41
 contoh
 • develop algorithm using the following working example

• use a table to show changes in

estimates of distances and
predecessors
• initialize table — no
predecessors

42
 contoh
 Revise estimates of distances
 Ulangi sebanyak v-1 kali
 Untuk masing-masing edge (u, v) dalam graph, set d(v) =
min[d(v), d(u) + w(u, v)]
 Jika jarak direvisi, tentukan vertex predecessor baru
 edges dapat diambil dengan berbagai cara misalnya sesuai
dengan urutan abjad: (a, b), (a,c), (a, d), (b, a), (c, b), . . . , (s,
b)

43
 contoh

show how we can use predecessor information to trace

paths from source

44
 penjelasan

45
46
47
48
49
50
51
52
HAPPY LEARNING !!