迪杰斯特拉(Dijkstra)算法学习(Java)

本文介绍了迪杰斯特拉(Dijkstra)算法,一种用于计算图中两点间最短路径的算法。该算法以起始点为中心,采用广度优先搜索策略层层扩展,直至找到目标顶点的最短路径。文章通过一个实际问题——战争时期邮差送信,展示了Dijkstra算法的应用,并提供了Java代码实现,详细解释了算法过程。最后,通过展示已访问顶点集合、前驱顶点和最短距离数组,验证了算法的正确性。

迪杰斯特拉(Dijkstra)算法学习(Java)

学习视频:尚硅谷韩老师java讲解数据结构和算法

一、迪杰斯特拉(Dijkstra)算法介绍

迪杰斯特拉(Dijkstra)算法是典型最短路径算法,用于计算一个结点到其他结点的最短路径。它的主要特点是以 起始点为中心向外层层扩展**(广度优先搜索思想)**,直到扩展到终点为止。

二、迪杰斯特拉(Dijkstra)算法过程
  1. 设置出发顶点为 v,顶点集合 V{v1,v2,vi…},v 到 V 中各顶点的距离构成距离集合 Dis,Dis{d1,d2,di…},Dis 集合记录着 v 到图中各顶点的距离(到自身可以看作 0,v 到 vi 距离对应为 di)
  2. 从 Dis 中选择值最小的 di 并移出 Dis 集合,同时移出 V 集合中对应的顶点 vi,此时的 v 到 vi 即为最短路径
  3. 更新 Dis 集合,更新规则为:比较 v 到 V 集合中顶点的距离值,与 v 通过 vi 到 V 集合中顶点的距离值,保留 值较小的一个(同时也应该更新顶点的前驱节点为 vi,表明是通过 vi 到达的)
  4. 重复执行两步骤,直到最短路径顶点为目标顶点即可结束
三、迪杰斯特拉(Dijkstra)算法最佳应用-最短路径

在这里插入图片描述

  1. 战争时期,胜利乡有 7 个村庄(A, B, C, D, E, F, G) ,现在有六个邮差,从 G 点出发,需要分别把邮件分别送到 A, B, C , D, E, F 六个村庄
  2. 各个村庄的距离用边线表示(权) ,比如 A – B 距离 5 公里
  3. 问:如何计算出 G 村庄到 其它各个村庄的最短距离?
  4. 如果从其它点出发到各个点的最短距离又是多少?
  5. 使用图解的方式分析了迪杰斯特拉(Dijkstra)算法思路

在这里插入图片描述

四、迪杰斯特拉算法解决上述问题–代码实现
package com.lxf.dijstra;

import java.util.Arrays;

public class DijkstraAlgorithm {
    public static void main(String[] args) {
        //顶点数组
        char[] vertex={'A','B','C','D','E','F','G'};
        //邻接矩阵
        int[][] matrix=new int[vertex.length][vertex.length];
        final int N=65535;
        matrix[0]=new int[]{N,5,7,N,N,N,2};
        matrix[1]=new int[]{5,N,N,9,N,N,3};
        matrix[2]=new int[]{7,N,N,N,8,N,N};
        matrix[3]=new int[]{N,9,N,N,N,4,N};
        matrix[4]=new int[]{N,N,8,N,N,5,4};
        matrix[5]=new int[]{N,N,N,4,5,N,6};
        matrix[6]=new int[]{2,3,N,N,4,6,N};

        //创建Graph对象
        Graph graph = new Graph(vertex, matrix);
        //测试,看看图的邻接矩阵是否ok
        graph.showGraph();

        //测试迪杰斯特拉算法
        graph.dsj(6);

        graph.show();
    }

}

/**
 *
 */
// 已访问顶点集合
class VisitedVertex {
    // 记录各个顶点是否访问过,true:表示访问过,false:未访问,会动态更新
    public boolean[] already_arr;
    // 每个下标对应的值为前一个顶点下标, 会动态更新
    public int[] pre_visited;
    // 记录出发顶点到其他所有顶点的距离,比如 G 为出发顶点,就会记录 G 到其它顶点的距离,会动态更新,求 的最短距离就会存放到 dis
    public int[] dis;


    /**
     * 构造器
     * @param length :表示顶点的个数
     * @param index: 出发顶点对应的下标,比如G顶点,下标就是6
     */
    public VisitedVertex(int length,int index) {
        this.already_arr=new boolean[length];
        this.pre_visited=new int[length];
        this.dis=new int[length];
        //初始化dis数组
        Arrays.fill(dis,65535);
        dis[index]=0;//设置出发顶点本身下标为0
        this.already_arr[index]=true;//设置出发顶点为已访问过
    }

    /**
     * 功能:更新出法顶点到index顶点的距离
     * @param index
     * @param len
     */
    public void updateDis(int index,int len){
       dis[index]=len;
    }

    /**
     * 功能:更新pre顶点的前驱为index
     * @param pre
     * @param index
     */
    public void updatePre(int pre,int index){
        pre_visited[pre]=index;
    }

    /**
     * 功能:返回出发顶点到index顶点的距离
     * @param index
     */
    public int getDis(int index){
        return dis[index];
    }

    /**
     * 继续选择并返回新的访问顶点,比如这里的G顶点后,就是将A点作为新的访问顶点(注意不是出发点)
     * @return
     */
    public int updateArr(){
        int min=65535,index=0;
        for (int i = 0; i < already_arr.length; i++) {
            if(!already_arr[i]&&dis[i]<min){
                min=dis[i];
                index=i;
            }
        }
        //更新index 顶点被访问过
        already_arr[index]=true;
        return index;
    }

    /**
     * 显示最后的结果
     * 即将三个数组的情况输出
     */
    public void show(){
        System.out.println("===================================");
        //输出already_arr
        for (boolean b : already_arr) {
            System.out.print(b+" ");
        }
        System.out.println();

        //输出pre_visited
        for (int i : pre_visited) {
            System.out.print(i+" ");
        }
        System.out.println();

        //输出dis
        for (int i : dis) {
            System.out.print(i+" ");
        }
        System.out.println();
    }
}

class Graph{
    private char[] vertex;//顶点数组
    private int[][] matrix;//邻接矩阵
    private VisitedVertex vv;//已经访问的顶点的集合

    //构造器
    public Graph(char[] vertex, int[][] matrix) {
        this.vertex = vertex;
        this.matrix = matrix;
    }
    //显示图
    public void showGraph(){
        for (int[] link : matrix) {
            System.out.println(Arrays.toString(link));
        }
    }

    /**
     * 迪杰斯特拉算法
     * @param index
     */
    public void dsj(int index){
        vv = new VisitedVertex(vertex.length, index);
        //更新index顶点到周围顶点的距离和前驱结点
        update(index);
        for (int i = 0; i < vertex.length; i++) {
            index=vv.updateArr();//选择并返回新的访问顶点
            update(index);//更新index顶点到周围顶点的距离和前驱结点
        }
    }

    /**
     * 更新index下标顶点到周围顶点的距离和周围顶点的前驱顶点
     * @param index
     */
    private void update(int index){
        // matrix[0]=new int[]{N,5,7,N,N,N,2};
        // matrix[1]=new int[]{5,N,N,9,N,N,3};
        // matrix[2]=new int[]{7,N,N,N,8,N,N};
        // matrix[3]=new int[]{N,9,N,N,N,4,N};
        // matrix[4]=new int[]{N,N,8,N,N,5,4};
        // matrix[5]=new int[]{N,N,N,4,5,N,6};
        // matrix[6]=new int[]{2,3,N,N,4,6,N};
        int len=0;
        //根据遍历我们的邻接矩阵的matrix[index]行
        for (int i = 0; i < matrix[index].length; i++) {
            //len的含义是:出发顶点到index顶点的距离+从index顶点到i顶点的距离和
            len=vv.getDis(index)+matrix[index][i];
            //如果j顶点没有被访问过,并且len小于出发顶点到i顶点的距离,就需要更新
            if(!vv.already_arr[i]&&len<vv.getDis(i)){
                vv.updatePre(i,index);//更新i顶点的前驱为index顶点
                vv.updateDis(i,len);//更新出发顶点到i顶点的距离
            }
        }
    }

    /**
     * 打印迪杰斯特拉的结果:三个数组
     */
    public void show() {
        vv.show();
    }
}
<think>好的,我现在需要处理用户关于Dijkstra算法的图解教程和示例的请求。首先,我要回忆一下Dijkstra算法的基本概念和步骤。Dijkstra算法是用于在带权图中找到单源最短路径的算法,适用于没有负权边的图。用户提到他们想查找相关的图解说明,所以我的回答需要结构清晰,分步骤解释,并且最好能配合示例和图解。 接下来,我需要确保回答符合用户给出的系统级指令。所有数学表达式要用$...$格式,比如边的权重表示。独立公式需要用$$...$$,例如距离更新的公式可能需要单独成段。同时,要使用中文,生成相关问题,并在引用处正确标注。用户提供的引用有三个,我需要检查这些引用内容是否与Dijkstra算法的图解或示例相关。引用[1]提到权重对Dijkstra算法的重要性,引用[2]是关于Dijkstra算法与其他算法的结合应用,引用[3]是Java实现的文章。可能需要将这些引用自然地融入回答中,特别是在解释权重或应用场景时。 然后,我需要组织回答的结构。通常,图解教程需要分步骤说明,每一步都对应图中的某个状态变化。例如,初始化、选择当前节点、更新邻居节点距离、标记已访问等步骤。每个步骤需要配合一个简化的示例图,比如表格或节点图,但由于文本限制,无法插入实际图片,所以需要用文字描述或符号来模拟图解。例如,可以用表格表示各个节点的距离变化,或者用节点间的箭头表示边和权重。 接下来,考虑示例的选择。一个常见的例子是有多个节点和不同权重的图,比如四个节点A、B、C、D,A作为起点。需要详细展示Dijkstra算法如何逐步计算最短路径。例如,初始化时,起点的距离为0,其他为无穷大。然后每次选择距离最小的未访问节点,更新其邻居的距离。这个过程需要分步骤写出,每个步骤后的节点状态变化,并用表格或列表形式展示。 同时,要注意LaTeX格式的正确使用,例如边的权重用$w$表示,节点间的距离更新公式用数学表达式。例如,当从节点u到节点v时,距离的更新条件是$d[v] = \min(d[v], d[u] + w(u, v))$,这个公式需要用独立公式块显示,即用$$...$$包裹。 另外,用户可能需要了解算法的时间复杂度和应用场景,所以在相关问题部分可以提出关于复杂度分析、优化方法(如优先队列的使用)以及实际应用的问题。引用[2]提到Dijkstra常与其他算法结合考察,可以在相关问题中提及这一点,引导用户思考如何与其他算法结合使用。 最后,检查是否所有引用都正确插入。例如,在解释权重的重要性时,可以引用[1];在提到与其他算法结合时,引用[2]。确保引用标识自然出现在相关段落末尾,不打断阅读流程。 总结回答的结构: 1. 算法概述:简述Dijkstra算法的用途和条件。 2. 算法步骤:分步骤解释,每个步骤配合示例节点的状态变化。 3. 示例演示:详细分步说明一个具体例子的处理过程,用表格展示各节点距离变化。 4. 算法特点:时间复杂度、优缺点。 5. 相关问题:生成几个相关问题,引导进一步学习。 现在需要确保每个部分都符合格式要求,数学表达式正确,引用正确放置,并且语言清晰易懂。例如,在步骤中使用项目符号,示例中使用代码块或表格模拟图解过程,公式正确使用$和$$符号。同时,生成的相关问题要围绕用户可能感兴趣的扩展内容,如复杂度、优化、应用等。</think>### Dijkstra算法图解教程与示例 #### 1. 算法概述 Dijkstra算法用于求解**带非负权重的有向图或无向图**中单源最短路径问题,通过逐步扩展最短路径树实现目标[^1]。算法核心是维护一个距离数组$d[\cdot]$,其中$d[v]$表示从起点到节点$v$的当前最短距离。 #### 2. 算法步骤 1. **初始化** - 起点$s$的距离设为$0$:$d[s] = 0$ - 其他节点距离设为$\infty$:$d[v] = +\infty \ (v \neq s)$ - 所有节点标记为未访问 2. **迭代选择当前最短路径节点** 每次从**未访问节点**中选择距离最小的节点$u$,标记为已访问。 3. **松弛操作(Relaxation)** 对$u$的邻居节点$v$,若$d[v] > d[u] + w(u, v)$,则更新$d[v]$: $$d[v] = \min(d[v], d[u] + w(u, v))$$ 其中$w(u, v)$为边$(u, v)$的权重[^1]。 4. **重复步骤2-3** 直到所有可达节点均被访问。 #### 3. 示例演示(以图为例) 假设有图如下,求从**A**出发的最短路径: ``` 节点关系: A -> B (权重2) A -> C (权重4) B -> C (权重1) B -> D (权重7) C -> D (权重3) ``` **分步图解过程**(用表格模拟状态变化): | 步骤 | 当前节点 | 距离数组:A(0), B(), C(), D() | 已访问节点 | |------|----------|-----------------------------------|------------| | 初始化 | - | [0, ∞, ∞, ∞] | {} | | 1 | A | [0, **2**, **4**, ∞] | {A} | | 2 | B | [0, 2, **3**, **9**] | {A, B} | | 3 | C | [0, 2, 3, **6**] | {A, B, C} | | 4 | D | [0, 2, 3, 6] | {A, B, C, D} | **关键步骤解释**: - **步骤1**:选择A,更新邻居B和C的距离。 - **步骤2**:选择B(当前最小未访问节点),更新C的距离为$2+1=3$,D的距离为$2+7=9$。 - **步骤3**:选择C,更新D的距离为$3+3=6$。 - **步骤4**:选择D,算法结束。 #### 4. 算法特点 - **时间复杂度**: - 基础实现(邻接矩阵):$O(n^2)$ - 优先队列优化:$O(m + n \log n)$(适用于稀疏图) - **局限性**:仅适用于**非负权重图**,负权边会导致结果错误。 ---
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