Dijkstra算法

这是一个按路径长度递增的次序产生最短路径的算法。
通过一步步求出它们之间顶点的最短路径,过程中都是基于已经求出的最短路径的基础上,求出更远点的最短路径。

#define MAXVEX 9
#define INFINITY 65535
typedef int Pathmatrix[MAXVEX];
//用于储存最短路径下标的数组
typedef int ShortPathTable[MAXVEX];
//用于储存源点到各点最短路径的权值和 

//dijkstra算法,求出有向网G的v0顶点到其余顶点v的最短路径p[v],及带权长度D[v]
//p[v]的值为前驱顶点下标,D[v]的值表示v0到v的最短路径长度

void  ShortestPath_DijkStra(MGraph G,int v0,Pathmatirx *P,ShortPathTable *D)
{
     int v,w,k,min;
     int final[MAXVEX];
     //final[w] = 1 表示求得的顶点V0至Vw的最短路径
     //初始化
     for(v = 0; v < G.numVertexes; v ++)
     {
          final[v] = 0;           //全部顶点为未访问状态
          (*P)[v] = 0;          //路径数组初始化为0
          (*D)[v] = G.matirx[v0][v];   //将与v0点有连线的顶点加上权值
     }
     
     (*D)[v0] = 0;     //v0至v0的路径为0
     final[v0] = 1;      //v0至v0不需要求路径

     //开始主循环,每次求得v0到某个顶点v的最短路径
     for( v = 1; v < G.numVertexes; v++)
     {
          min = INFINITY;          //当前所知离v0点的最短距离
          for( w = 0; w < G.numVertexes; w++)
          {
               if(!final[w] && (*D)[w] < min)
               {
                    k = w;
                    min = (*D)[w];   //w顶点离v0顶点更近
               }
          }
          
          final[k] = 1;    //将目前找到的最近的点的顶点置为1
          for(w = 0; w <G.numVertexes; w++)   //修正当前最短路径及距离
          {
               如果经过v顶点的路径比现在这条路径的长度短
               if(!final[w] && (min + G.matirx[k][w] < (*D)[w]))
               {
                    (*D)[w] = min + G.matirx[k][w];   //修正路径长度
                    (*D)[w] = k;
               }
               
          }
     }
     
}

### 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