Dijkstra算法

本文介绍了一个使用Dijkstra算法求解图中两点间最短路径的C++程序实例。该程序通过建立图的数据结构并利用向量存储边信息,实现了从起点到所有其他点的最短路径计算。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

#include<bits/stdc++.h>

using namespace std;

struct Edge{
    int next;
    int cost;
};

vector<Edge> v[101];

int Dis[101];
bool mark[101];

int main(){
    long long num;
    long long val,temp1,temp2,temp3;
    while(scanf("%lld",&num)!=EOF&&num!=0){
        scanf("%lld",&val);
        for(int i=0;i<=num;i++) Dis[i]=INT_MAX;
        memset(mark,0,sizeof(mark));
        for(int i=1;i<=num;i++) v[i].clear();
        for(int i=0;i<val;i++){
            scanf("%lld%lld%lld",&temp1,&temp2,&temp3);
            Edge tmp;
            tmp.next=temp2;
            tmp.cost=temp3;
            v[temp1].push_back(tmp);
            tmp.next=temp1;
            v[temp2].push_back(tmp);
        }

        Dis[1]=0;
        mark[1]=true;
        int newP=1;
        //重复n-1次,因为有n-1个结点距离未知。
        for(int k=1;k<num;k++){
            int size=v[newP].size();
            //更新距离
            for(int i=0;i<size;i++){
                int t_cost=v[newP][i].cost;
                int t_next=v[newP][i].next;
                //这里不可达与更短距都要更新
                if(!mark[t_next]&&(Dis[newP]==INT_MAX||Dis[newP]+t_cost<Dis[t_next])) Dis[t_next]=t_cost+Dis[newP];
            }
            //选择最小距离
            int min=INT_MAX;
            for(int j=1;j<=num;j++){
                if(!mark[j]&&Dis[j]<min){
                    min=Dis[j];
                    newP=j;
                }
            }
            mark[newP]=true;
        }

        cout<<Dis[num]<<endl;
    }

    return 0;
}

1447

### Dijkstra算法简介 Dijkstra算法是一种用于解决单源最短路径问题的经典算法,适用于带权重的有向图或无向图中的最短路径计算[^1]。该算法的核心思想是从起始节点出发,逐步扩展已知距离最小的未访问节点,并更新其邻居节点的距离。 --- ### Dijkstra算法实现 以下是基于优先队列优化版本的Dijkstra算法实现: #### Python代码示例 ```python import heapq def dijkstra(graph, start): # 初始化距离字典,默认值为无穷大 distances = {node: float('inf') for node in graph} distances[start] = 0 # 使用堆来存储待处理节点及其当前距离 priority_queue = [(0, start)] while priority_queue: current_distance, current_node = heapq.heappop(priority_queue) # 如果当前距离大于记录的距离,则跳过此节点 if current_distance > distances[current_node]: continue # 遍历相邻节点并更新距离 for neighbor, weight in graph[current_node].items(): distance = current_distance + weight # 更新更短的距离 if distance < distances[neighbor]: distances[neighbor] = distance heapq.heappush(priority_queue, (distance, neighbor)) return distances ``` 上述代码中,`graph` 是一个邻接表形式表示的加权图,其中键是节点名称,值是一个字典,描述与其相连的其他节点以及边的权重[^2]。 --- ### Dijkstra算法的应用场景 1. **网络路由协议** 在计算机网络中,路由器可以利用Dijkstra算法找到到达目标地址的最佳路径,从而提高数据传输效率[^3]。 2. **地图导航系统** 地图服务提供商(如Google Maps)通过Dijkstra算法或其他改进版算法快速计算两点之间的最短路径,提供给用户最佳行驶路线[^4]。 3. **社交网络分析** 社交网络中可以通过Dijkstra算法衡量两个用户的连接紧密程度,帮助推荐好友或者发现潜在的关系链[^5]。 4. **物流配送规划** 物流公司使用类似的最短路径算法优化货物运输线路,减少成本和时间消耗[^6]。 --- ### 示例说明 假设有一个简单的加权图如下所示: ```plaintext A --(1)-- B --(2)-- C | | | (4) (1) (3) | | | D -------- E ------- F (1) ``` 对应的Python输入格式为: ```python graph = { 'A': {'B': 1, 'D': 4}, 'B': {'A': 1, 'E': 1, 'C': 2}, 'C': {'B': 2, 'F': 3}, 'D': {'A': 4, 'E': 1}, 'E': {'D': 1, 'B': 1, 'F': 1}, 'F': {'E': 1, 'C': 3} } start_node = 'A' result = dijkstra(graph, start_node) print(result) ``` 运行结果将是各节点到起点 `A` 的最短路径长度: ```plaintext {'A': 0, 'B': 1, 'C': 3, 'D': 4, 'E': 2, 'F': 3} ``` 这表明从节点 A 到其余各个节点的最短路径分别为:B 距离为 1;C 距离为 3;等等[^7]。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值