Dijkstra复习

看挑战程序设计竞赛上的。

朴素的Dijkstra 如果用邻接矩阵存储,每次需要用O(|V|)的时间找到一个没有被使用过的且距离顶点距离最近的点,然后需要枚举一遍所有的点,这个操作也是O(|V|),一共更新O(|V|)次 一共的复杂度就是O(|V|^2)

朴素的Dijkstra如果用邻接表存储,每次同样需要O(|V|)的时间找到一个没有被使用过的且距离顶点距离最近的点,但是总体只会把所有边枚举一遍O(|E|),一共还是更新O(|V|)次,所以复杂度也是O(|V|^2)

如果用邻接表加上优先队列,那么每次找到一个找到一个没有被使用过的且距离顶点距离最近的点的复杂度就是O(lgV),插入和更新的最坏情况是O(|E|),所以一共的复杂度是O(|E|lg|V|)。需要注意,当|E|≈|V|^2时,使用优先队列的复杂度为O(|V|^2lg|V|) 。

更新:

总结一下dijkstra的适用范围。

标准的dijkstra+heap的,以前写的程序都是在完整循环一次之后会确定从s到当前的最短路,并且这个值不会再改变了,之后的最短路依赖于已经得出最短路的点,这是基于一个贪心思想,即未来的最短路是建立在当前得到最短路的基础上的,这就默认了一个事实,不能存在负权边。 这种写法遇到负权边就要出错。

还有一种是标准写法的变种,它的外层循环是while(pq.size()),也就是说只要优先队列不为空,就会继续更新。假设图中存在一条负权边s->t,那么在s被更新之后,必然枚举它的相邻边t,即使t之前已经被确定了最短距离,只要这个借助s->t的最短距离小于原来已经确定的最短距离,pq就不会为空,所以如果存在负权边s->t,它能创造一个更近的距离,这条负权边不会被忽视。所以这种写法可以正确求出含负权边的图。

但是无论如何都不能用来求含负环的图。


朴素+邻接表代码

#include <iostream>
#include <cstdio>
#include <cstring>
#include <vector>
#define INF 0x7fffffff
using namespace std;
struct edge{
   int to,v;
   edge(int to,int v):to(to),v(v){}
   edge(){}
};
const int maxn = 5005;
vector<edge> g[maxn];
bool used[maxn];
int d[maxn];
int V,E;
void dijkstra(int s)
{
    d[s]=0;
    memset(used,0,sizeof(used));
    while(true)
    {
        int u=-1;
        for(int v=1;v<=V;v++)
            if(!used[v]&&(u==-1||d[v]<d[u])) u=v;

        if(u==-1) break;
        used[u]=1;
        for(int i=0;i<(int)g[u].size();i++)
            d[g[u][i].to]=min(d[g[u][i].to],d[u]+g[u][i].v);
    }
}
int main()
{
    int s;
    scanf("%d%d%d",&V,&E,&s);
    for(int i=1;i<=V;i++)
    {
        g[i].clear();
        d[i]=INF;
    }
    for(int i=1;i<=E;i++)
    {
        int f,t,v;
        scanf("%d%d%d",&f,&t,&v);
        g[f].push_back(edge(t,v));//споРм╪
    }
    dijkstra(s);
    for(int i=1;i<=V;i++)
        printf("%d->%d:%d\n",s,i,d[i]);
    return 0;
}
Dijkstra+优先队列代码

#include <iostream>
#include <cstdio>
#include <cstring>
#include <vector>
#include <queue>
#define INF 0x7fffffff
using namespace std;
typedef pair<int,int> P;
struct edge{
   int to,v;
   edge(int to,int v):to(to),v(v){}
   edge(){}
};
const int maxn = 5005;
vector<edge> g[maxn];
int V,E;
int d[maxn];
void dijkstra(int s)
{
    priority_queue<P,vector<P>,greater<P> > pq;
    d[s]=0;
    pq.push(P(0,s));
    while(pq.size())
    {
        P now=pq.top();
        pq.pop();
        if(now.first>d[now.second]) continue;
        for(int i=0;i<(int)g[now.second].size();i++)
        {
            d[g[now.second][i].to]=min(d[g[now.second][i].to],d[now.second]+g[now.second][i].v);
            pq.push(P(d[g[now.second][i].to],g[now.second][i].to));
        }
    }
}
int main()
{
    int s;
    scanf("%d%d%d",&V,&E,&s);
    for(int i=1;i<=V;i++)
        d[i]=INF;
    for(int i=1;i<=E;i++)
    {
        int f,t,v;
        scanf("%d%d%d",&f,&t,&v);
        g[f].push_back(edge(t,v));
    }
    dijkstra(s);
    for(int i=1;i<=V;i++)
        printf("%d->%d:%d\n",s,i,d[i]);
    return 0;
}




<think>嗯,用户让我讲解Dijkstra算法,首先得回忆一下这个算法的基本概念和应用场景。Dijkstra算法是用于在图中找到单源最短路径的,适用于有向或无向图,但边权必须非负。这点很重要,如果图中有负权边,Dijkstra就不适用了,可能需要用Bellman-Ford。 接下来,我需要确定用户可能的背景。可能是学生刚学图论,或者准备面试需要复习算法。所以讲解要结构清晰,步骤明确,最好有例子辅助理解。同时用户提到使用中文,所以确保语言准确且易懂。 用户提供的系统级指令要求数学公式用$...$和$$...$$格式,比如变量和方程。所以在讲解算法步骤时,涉及到松弛操作的时候,需要用数学表达式。例如,距离更新公式$d[v] = \min(d[v], d[u] + w(u, v))$,这里要检查是否正确使用LaTeX语法,避免遗漏$符号。 然后,思考Dijkstra的核心思想:贪心策略,每次选择当前距离起点最近的节点,更新其邻居的距离。需要解释为什么这样做有效,可能涉及证明,但用户可能不需要详细证明,所以简要带过即可。 可能需要分步骤说明,比如初始化、选取节点、松弛操作、标记已处理等步骤。同时给出一个具体的例子,比如一个带权图,分步演示算法执行过程,这样更直观。 还要注意提到数据结构的优化,比如优先队列(堆)的使用,将时间复杂度从$O(V^2)$优化到$O((V+E)\log V)$,这样用户了解不同实现方式的差异。 另外,用户可能关心应用场景,比如路由协议、地图导航等,举几个实际例子增加实用性。同时提醒常见错误,比如负权边的问题,或者误解算法只能处理单一源点的情况。 最后,确保回答结构符合要求:问题分析、分步讲解、实例演示、复杂度分析、应用与注意事项。这样用户能一步步理解,不会有遗漏。检查是否所有数学公式都正确使用$符号,尤其是行内公式和独立公式的区别,比如独立公式如算法步骤中的公式可能需要单独成段,使用$$...$$。</think>### Dijkstra算法分步讲解 Dijkstra算法是**单源最短路径算法**,用于在**边权非负**的带权图中找到从**起点到所有其他顶点的最短路径**。以下是其核心原理与实现步骤: --- #### 一、问题分析 1. **输入**:带权图$G=(V,E)$(边权$w(e) \geq 0$),起点$s$ 2. **输出**:起点$s$到所有顶点的最短距离 3. **核心思想**:贪心策略,通过逐步确定最短路径的顶点来扩展解集 --- #### 二、算法步骤 1. **初始化** - 创建距离数组$d$,其中$d[s]=0$,其余顶点$d[v]=\infty$ - 创建优先队列(最小堆),将起点$s$加入队列 - 创建集合$S$记录已确定最短路径的顶点(初始为空) 2. **循环处理队列** - **提取当前距离最小的顶点$u$**:$$u = \arg\min_{v \in V \setminus S} d[v]$$ - 将$u$加入集合$S$ - **松弛操作(Relaxation)**:对$u$的所有邻居$v$,若$d[v] > d[u] + w(u,v)$,则更新: $$d[v] = \min(d[v], d[u] + w(u, v))$$ 并将$v$加入队列 3. **终止条件**:队列为空时结束 --- #### 三、实例演示(以具体图为例) 假设图如下(边权非负): ``` A /|\ 1/ | \3 / | \ B-2-C-4-D ``` 求从A出发的最短路径: | 步骤 | 已处理集合S | 当前顶点u | 更新后的d值 | |------|------------|-----------|---------------------| | 0 | ∅ | - | d[A]=0, 其他为∞ | | 1 | {A} | A | d[B]=1, d[C]=3, d[D]=3 | | 2 | {A,B} | B | d[C]=min(3,1+2)=3 | | 3 | {A,B,C} | C | d[D]=min(3,3+4)=3 | | 4 | {A,B,C,D} | D | 无更新 | 最终最短路径:A→B(1), A→C(3), A→D(3) --- #### 四、时间复杂度分析 - **基础实现(数组)**:$O(|V|^2)$,适合稠密图 - **优先队列优化**:$O((|V|+|E|)\log|V|)$,适合稀疏图 --- #### 五、应用场景 1. 网络路由协议(如OSPF) 2. 地图导航(如两点间最短驾驶路径) 3. 物流路径规划 --- #### 六、注意事项 1. **边权必须非负**:若存在负权边,需改用Bellman-Ford算法 2. **仅限单源**:若需多源最短路径,需使用Floyd-Warshall算法 3. **优先队列去重**:同一顶点可能被多次加入队列,需通过距离判断是否处理 通过以上步骤,Dijkstra算法能高效解决非负权图中的最短路径问题。
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