Go实现Bellman-Ford算法：处理负权边的最短路径问题

1. 项目概述：用Go实现Bellman-Ford算法

Bellman-Ford算法是图论中解决单源最短路径问题的经典算法，相比Dijkstra算法，它最大的优势是能处理带有负权边的图。我在最近的一个分布式网络路由项目中需要计算存在负权边的最短路径，用Go实现了这个算法。今天分享完整实现过程和几个关键优化技巧。

这个实现包含完整的负权环检测功能，采用邻接表存储图结构，并通过松弛操作（relaxation）逐步逼近最优解。代码会处理三种典型场景：普通加权图、带负权边但不含负权环的图、以及存在负权环的图。对于需要处理金融交易网络、温度传感器网络等存在"负成本"场景的开发者特别有用。

2. 算法核心原理拆解

2.1 松弛操作与动态规划思想

Bellman-Ford的核心是松弛操作，即对于每条边(u,v)，检查是否存在从源点s到v的更短路径。用公式表示就是：

code复制if d[v] > d[u] + w(u,v) {
    d[v] = d[u] + w(u,v)
}

这个操作体现了动态规划的"最优子结构"特性。算法通过|V|-1轮松弛操作（V为顶点数），保证最短路径能被正确计算。为什么是|V|-1次？因为最长的无环路径最多包含|V|-1条边。

2.2 负权环检测机制

Bellman-Ford的独特价值在于它能检测负权环——如果在完成|V|-1轮松弛后，还能继续优化路径权重，说明图中存在负权环。这种环会让路径权重无限减小。算法通过额外一轮松弛操作来检测这种情况：

go复制for i := 0; i < len(vertices)-1; i++ {
    // 常规松弛操作
}
// 额外检测轮
if hasNegativeCycle(graph, dist) {
    return nil, errors.New("存在负权环")
}

3. Go语言实现详解

3.1 图结构设计与初始化

采用邻接表存储图结构，相比邻接矩阵更节省空间，特别适合稀疏图。定义两个核心结构体：

go复制type Edge struct {
    Source    *Vertex
    Target    *Vertex
    Weight    float64
}

type Vertex struct {
    ID        string
    Adjacent  []*Edge
}

type Graph struct {
    Vertices  map[string]*Vertex
    Edges     []*Edge
}

初始化时需要注意并发安全问题。由于Go的map非线程安全，在多goroutine环境下建议用sync.RWMutex保护：

go复制var mu sync.RWMutex

func (g *Graph) AddVertex(id string) {
    mu.Lock()
    defer mu.Unlock()
    if _, exists := g.Vertices[id]; !exists {
        g.Vertices[id] = &Vertex{ID: id}
    }
}

3.2 核心算法实现

完整算法实现分为三个步骤：

1. 初始化距离：源点距离为0，其他顶点为无穷大
2. 执行|V|-1轮松弛操作
3. 检查负权环

关键实现细节：

go复制func BellmanFord(g *Graph, startID string) (map[string]float64, error) {
    // 初始化
    dist := make(map[string]float64)
    for id := range g.Vertices {
        dist[id] = math.Inf(1)
    }
    dist[startID] = 0

    // 松弛操作
    for i := 0; i < len(g.Vertices)-1