Dijkstra算法

Dijkstra算法


Dijkstra 是单源最短路算法

思路

https://blog.youkuaiyun.com/lbperfect123/article/details/84281300
Dijkstra 思路是维护一个集合 s ,集合内的点是已经确定最短路的点,可以视为一个大整体,每次操作找出与集合相邻的点中距离起点最近的点加入集合中,并确定它的最短路为它的上家的最短路+该边权值,存在 dis 中

代码

import java.util.*;


class Solution {
    public static void main(String[] args){

        int N = 8;
        //有向图
        int[] A = new int[]{1,1,2,2,3,4,4,4,5};
        int[] B = new int[]{2,3,4,3,5,3,5,6,6};
        int[] W = new int[]{1,12,3,9,5,4,13,15,4};

        int[] H = new int[]{2,4};

        int[][] map = new int[N+1][N+1];
        for(int[] ma:map){
            Arrays.fill(ma,Integer.MAX_VALUE);
        }

        for(int i=1;i<=N;i++)
        {
            map[i][i]=0;
        }

        for(int i = 0;i < A.length;i++) {
            //边权重都为1
            map[A[i]][B[i]] = W[i];
        }


        Solution s = new Solution();
        int[] vis = new int[N+1];
        int[] dis = new int[N+1];
        Arrays.fill(dis,Integer.MAX_VALUE);
        Arrays.fill(vis,0);


        s.Dijkstra(N,1,dis,vis,map);

        for(int i:dis){
            System.out.println(i);
        }

    }

    /*
    N 是节点数量
    u是最短路径的起始点
    dis[N + 1] 是确定的最短路径点集合
    vis[N+1] 是最短路径集合的点是否已经访问过
    map[N+1][N+1] 是路径图
    */


    public void Dijkstra(int N,int u,int[] dis,int[] vis,int[][] map) {

        vis[u]=1;

        for(int t=1;t<=N;t++)
        {
            dis[t]=map[u][t];
        }

        for(int t = 1; t < N; ++t) {

            int minn= Integer.MAX_VALUE;
            int temp = 0;
            for(int i=1;i<=N;i++) {
                //从没确定最短的的一个节点选择最下的
                if(vis[i] == 0&&dis[i]<minn)
                {
                    minn=dis[i];
                    temp=i;
                }
            }
            vis[temp]=1;
            for(int i=1;i<=N;i++)
            {
                //map[temp][i]+dis[temp] 溢出了
                if(((long)map[temp][i]+(long)dis[temp])<(long)dis[i])
                {
                    dis[i]=map[temp][i]+dis[temp];
                }
            }
        }
    }
}
源码地址: https://pan.quark.cn/s/d1f41682e390 miyoubiAuto 米游社每日米游币自动化Python脚本(务必使用Python3) 8更新:更换cookie的获取地址 注意:禁止在B站、贴吧、或各大论坛大肆传播! 作者已退游,项目不维护了。 如果有能力的可以pr修复。 小引一波 推荐关注几个非常可爱有趣的女孩! 欢迎B站搜索: @嘉然今天吃什么 @向晚大魔王 @乃琳Queen @贝拉kira 第三方库 食用方法 下载源码 在Global.py中设置米游社Cookie 运行myb.py 本地第一次运行时会自动生产一个文件储存cookie,请勿删除 当前仅支持单个账号! 获取Cookie方法 浏览器无痕模式打开 http://user.mihoyo.com/ ,登录账号 按,打开,找到并点击 按刷新页面,按下图复制 Cookie: How to get mys cookie 当触发时,可尝试按关闭,然后再次刷新页面,最后复制 Cookie。 也可以使用另一种方法: 复制代码 浏览器无痕模式打开 http://user.mihoyo.com/ ,登录账号 按,打开,找到并点击 控制台粘贴代码并运行,获得类似的输出信息 部分即为所需复制的 Cookie,点击确定复制 部署方法--腾讯云函数版(推荐! ) 下载项目源码和压缩包 进入项目文件夹打开命令行执行以下命令 xxxxxxx为通过上面方式或取得米游社cookie 一定要用双引号包裹!! 例如: png 复制返回内容(包括括号) 例如: QQ截图20210505031552.png 登录腾讯云函数官网 选择函数服务-新建-自定义创建 函数名称随意-地区随意-运行环境Python3....
### 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