基于图算法理论的重大突破，印度古吉拉特理工学院曼诺吉·古普塔博士在2025年举办的第66届计算机基础研讨会上，成功缩小了最短路径研究领域长达25年的性能缺口。该成果针对经典的“所有点对最短路径”（APSP）问题，即计算网络中每对节点间的最短距离，提出了全新的多尺度优化方案。 APSP问题是计算机科学的核心挑战之一。在大规模网络中，如交通网、通信骨干或生物神经网络，精确计算所有节点间距离往往耗时巨大，随着网络规模翻倍，计算量可能呈八倍增长。因此，多年来研究者致力于寻找能在极短时间内提供接近真实值的近似算法。1996年，多尔等人提出的DHZ算法确立了里程碑式的突破，它能在近乎最优的时间内，保证对远距离节点对的距离估算误差最大不超过真实值的两倍。然而，该算法在处理近距离节点时存在明显缺陷：当两点距离较近时，由于采样点分布的局限性，估算值可能严重偏离真实值，甚至突破两倍的误差上限，这一局限性在学术界长期未能解决。 古普塔博士的改进方案核心在于引入了多尺度采样策略。与以往仅依赖单层采样点不同，新算法通过分层组织节点信息，在不同尺度上捕捉网络结构特征。这种更精细的采样机制，使得算法能够在不增加整体运行时间的前提下，将“两倍误差保证”的适用范围从远距离节点成功延伸至此前难以处理的近距离节点。 这一理论进展不仅填补了自1996年以来的认知空白，更对现实世界具有深远意义。从互联网路由、交通调度到社交媒体分析及人工智能系统，绝大多数场景更看重算法的速度、规模和处理能力，而非绝对精确的距离。新算法通过提升近似计算的可靠性与适用范围，增强了可扩展图算法的理论基础，为优化全球各类连接系统的运行效率提供了关键技术支持。