最短路径算法(Dijkstra算法)

最短路径(Dijkstra)算法 最短路径算法Dijktra 阅读详情

Dijkstra算法算是贪心思想实现的,首先把起点到所有点的距离存下来找个最短的,然后松弛一次再找出最短的,所谓的松弛操作就是,遍历一遍看通过刚刚找到的距离最短的点作为中转站会不会更近,如果更近了就更新距离,这样把所有的点找遍之后就存下了起点到其他所有点的最短距离。

(1) 初始化:

● 将源点v0加到S中,即S[v0]=true

● 将v0到各个终点的最短路径长度初始化为权值,即Dist[i]=G.arcs[v0][vi]

● 如果v0和顶点vi之间有弧,则将vi的前驱置为v0,即Path[i]=v0,否则Path[i]=-1

(2) 循环n-1次执行以下操作:

● 选择下一条最短路径的终点vk,使得Dist[k]=Min{Dist[i]|vi∈V-S}

● 将vk加入到S中,即S[vk]=true

● 根据条件更新从v0出发到集合V-S上任一顶点的最短路径的长度,若条件Dist[k]+G.arcs[k][i]<Dist[i]成立,则更新Dist[i]=Dist[k]+G.arcs[k][i],同时更改vi的前驱为vk;Path[i]=k

算法思想

//图的定义-邻接矩阵
#define MaxInt 32767        //表示极大值 即无穷大
#define MVNum 100            //最大顶点数
typedef string VerTexType;    //设顶点的数据类型为string,需#include<string>
typedef int ArcType;        //设权值类型为整型
typedef struct
{
    VerTexType vexs[MVNum];        //顶点表
    ArcType arcs[MVNum][MVNum];    //邻接矩阵
    int vexnum, arcnum;            //图的当前点数和边数
}AMGraph;


int Dist[MVNum];//Dist存当前找到的最短路径长度
int Path[MVNum];//当前找到的最短路径最后一个中转顶点,也就是想要到达这个点,需要经过哪一个点
bool S[MVNum];//标记当前是否已求出最短路径,也可以理解为true是集合s,false是集合v-s
void ShortestPath_DIJ(AMGraph G, int v0)//求有向网G的v0顶点到其余顶点的最短路径
{
    int n, v, i, w, min;
    n = G.vexnum;//顶点数
    //初始化
    for (v = 0; v < n; v++) //n个顶点依次初始化 
    {
        S[v] = false;//S初始为空集 
        Dist[v] = G.arcs[v0][v];//将v0到各个终点的最短路径长度初始化为弧上的权值
        if (Dist[v] < MaxInt) Path[v] = v0;//如果v0与v之间有弧,则将v的前驱置为v0
        else Path[v] = -1;//无弧,置为-1 
    }
    //S集合
    S[v0] = true;//将v0加入S
    Dist[v0] = 0;//原点到原点的距离为0

    //******初始化结束,开始主循环,每次求得v0到某个顶点v的最短路径,将v加入到S集
    for (i = 1; i < n; i++)//n-1个顶点 
    {
        min = MaxInt;
        //找最小的那条路径,并入集合S
        for (w = 0; w < n; w++)
            if (!S[w] && Dist[w] < min)//选择一条当前的最短路径,终点为v 
            {
                v = w; min = Dist[w];
            }
        //并入s
        S[v] = true;//将v加入S 
        for (w = 0; w < n; ++w)//更新从v0出发到集合V-S上所有的最短路径长度 
            if (!S[w] && (Dist[v] + G.arcs[v][w]) < Dist[w])
            {
                Dist[w] = Dist[v] + G.arcs[v][w];//更新D[w] 
                Path[w] = v;//更改w的前驱为v 
            }
    }
}

打印出从begin到end的路径:

void DisplayPath(AMGraph G, int begin, int temp)
{
    if(begin == temp) {
        cout << G.vexs[temp] ;
        return ;
    };
    if (Path[temp] != -1)
    {
        DisplayPath(name, begin, Path[temp]);
        cout << "-->"<< G.vexs[temp] ;
    }
}

对于上面的图片经计算v1到v8的最短路径,代码如下:

#include<iostream>
using namespace std;

#define MaxInt 32767        //表示极大值

int Dist[8];//最短路径长度
int Path[8];//中转顶点
bool S[8];//访问标志位 
//采用迪杰斯特拉算法,求有向网G的v0顶点到其余顶点的最短路径
void ShortestPath_DIJ(int G[][8], int v0,int nums)
{

    int n, v, i, w, min;
    n = nums;//顶点数
    for (v = 0; v < n; v++) //n个顶点依次初始化 
    {
        S[v] = false;
        Dist[v] = G[v0][v];//将v0到各个终点的最短路径长度初始化为弧上的权值
        if (Dist[v] < MaxInt) Path[v] = v0;//v0与v之间有弧,则将v的前驱置为v0
        else Path[v] = -1;//无弧,置为-1 
    }
    S[v0] = true;
    Dist[v0] = 0;
    
    for (i = 1; i < n; i++)//n-1个顶点 
    {
        min = MaxInt;
        for (w = 0; w < n; w++)
            if (!S[w] && Dist[w] < min)
            {
                v = w; min = Dist[w];
            }
        S[v] = true;
        for (w = 0; w < n; ++w)
            if (!S[w] && (Dist[v] + G[v][w]) < Dist[w])
            {
                Dist[w] = Dist[v] + G[v][w];
                Path[w] = v;
            }
    }
}
void DisplayPath(string name[], int begin, int temp)
{
    if(begin == temp) {
        cout << name[temp] ;
        return ;
    };
    if (Path[temp] != -1)
    {
        DisplayPath(name, begin, Path[temp]);
        cout << "-->"<< name[temp] ;
    }
}


int main(){
//    邻接矩阵 
    int G[8][8] = {
            {0,6,MaxInt,1,MaxInt,50,MaxInt,MaxInt},//v1
            {MaxInt,0,43,11,6,MaxInt,MaxInt,MaxInt},//v2
            {MaxInt,MaxInt,0,MaxInt,MaxInt,MaxInt,MaxInt,8},//v3
            {MaxInt,MaxInt,MaxInt,0,12,MaxInt,MaxInt,MaxInt},//v4
            {MaxInt,MaxInt,MaxInt,MaxInt,0,MaxInt,24,MaxInt},//v5
            {MaxInt,MaxInt,MaxInt,MaxInt,1,0,12,MaxInt},//v6
            {MaxInt,MaxInt,MaxInt,MaxInt,MaxInt,MaxInt,0,20},//v7
            {MaxInt,MaxInt,MaxInt,MaxInt,MaxInt,MaxInt,MaxInt,0}//v8
            };
    string name[8];
    for(int i = 0;i <8;i++){
        name[i] ="v"+to_string(i+1);
//        cout<<name[i]<<endl; 
    }
    ShortestPath_DIJ(G,0,8);
//    for(auto v:Path){
//        cout<<v<<endl;
//    }
    DisplayPath(name, 0, 7);
    cout<<endl<<"距离为"<<Dist[7]<<endl; 
    
}
数据结构与算法 —— 最短路径Dijkstra算法(迪杰斯特拉)详细图解以及python实现 前两章我们讲到了关于图的基本知识,和广度/深度优先搜索。本章,我们将介绍加权图和最短路径的相关知识。最短路径和最小生成树是图论中常见的问题。最短路径是指在一个图中找到两个节点之间的最短路径,最小生成树是指在一个图中找到一个连通子图,使得所有节点都能够互相到达,且总权值最小。最短路径算法常见的有floyd算法(弗洛伊德算法)和 dijkstra算法(迪杰斯特拉)。本文只介绍dijkstra算法。最短路径运用非常广泛,比如在导航系统中,确定两个地点间哪条路线最短; 阅读详情

相关推荐

图论:Dijkstra算法——最详细的分析,图文并茂,一次看懂!

Dijstra算法

普罗米修斯的博客 18万+

Dijkstra最短路径算法

迪杰斯特拉(Dijkstra)算法是一种用于在加权图中找到单源最短路径的算法。

bairui6666的博客 4512

C++ 有向图最短路径之Dijkstra算法

一、思路 1.Dijkstra算法 每次都是从起始顶点v出发,找与v有关的有向边<v,u>。找到<v, u>之后,找有向边<u,k>,如果通过绕过顶点u而使从v到k的路径更短的话,就要修改v到k的路径。即v->u>k的路径比v->k的路径更短。 如上面的有向图:起始顶点为0 (1)先将顶点...

ChanJose的博客 9002

【最短路径算法】一文掌握Dijkstra算法,详解与应用示例+代码

Dijkstra算法(迪杰斯特拉算法)是一种用于在加权图中查找从一个起始节点到所有其他节点的最短路径的算法。该算法最初由荷兰计算机科学家Edsger W. Dijkstra于1956年提出。Dijkstra算法适用于带有非负权重的有向图或无向图。log(V)),其中V是节点数。如果使用优先队列来优化,时间复杂度可以减小到O(EDijkstra算法在许多领域广泛应用,包括路线规划、网络路由、资源分配和许多其他需要找到最短路径的应用。

qq_35831906的博客 2万+

Dijkstra算法求最短路径(java)

任务描述:在一个无向图中,获取起始节点到所有其他节点的最短路径描述 Dijkstra(迪杰斯特拉)算法是典型的最短路径路由算法,用于计算一个节点到其他所有节点的最短路径。主要特点是以起始点为中心向外层层扩展,直到扩展到终点为止。 Dijkstra一般的表述通常有两种方式,一种用永久和临时标号方式,一种是用OPEN, CLOSE表方式 用OPEN,CLOSE表的方式,其采用的是贪心法的

JavaMan_chen的专栏 5万+

Dijkstra的最短路径算法

Given a graph and a source vertex in the graph, find shortest paths from source to all vertices in the given graph. Dijkstra’s algorithm is very similar to Prim’s algorithm for minimum spanning tree. ...

weixin_41697507的博客 2万+

图算法——求最短路径(Dijkstra算法)

图解Dijkstra算法,让你了解Dijkstra算法的每一步是怎么进行的

在夜里行走的博客 13万+

RK3588 EVB开发板原理图讲解【六】

该原理图展示了eMMC Flash与主控芯片之间的连接关系,以及相关的电源、信号线路和去耦电容等。

weixin_48721556的博客 1184

Dijkstra算法——单源最短路径查找

单源最短路径的查找——Dijkstra 算法

qq_61500888的博客 8101

二次规划问题(qp)和序列二次规划问题(sqp)的简单理解

当二次规划的约束为非线性约束时,通常会采用sqp进行求解,用连续求解qp的方法来得到非线性约束条件下的最优解,上述的qpoases和osqp均无法直接求解非线性约束问题,所以如果使用这两个库的话,注意,sqp是结果,而不是原因,只有在非线性约束的情况下才会考虑sqp求解,如果问题本身就是线性约束,则直接用qp解就行。对于工程师而言,我们在编写代码的时候,并不关心二次规划问题的求解细节,所以一般是把二次规划问题建立好后,直接调用三方库进行求解。因为约束为非线性约束,所以先将约束进行线性化,约束原方程为。

zmhzmhzm的博客 1万+

从零开始:用摩尔线程S4000运行开源AI项目的完整流程

本文详细介绍了如何使用摩尔线程S4000 GPU从零开始运行开源AI项目的完整流程,包括硬件选择、驱动安装、容器化环境配置以及典型AI项目的实战部署。通过性能优化技巧,显著提升推理速度,适合开发者快速上手国产GPU的AI应用开发。

weixin_29231725的博客 584

最短路径问题——Dijkstra算法

摘要:Dijkstra算法是解决单源最短路径问题的经典算法,适用于带权非负有向/无向图。其优点包括高效性(O((V+E)logV))、确定性和实现简单,但无法处理负权边且内存消耗较大。算法通过维护距离数组和优先队列,逐步将"蓝点"转为"白点"来更新最短路径。核心思路是利用中转点优化路径,最终得到源点到所有顶点的最短距离。典型的应用场景包括网络路由等需要快速计算最短路径的领域。

2303_79102751的博客 1961

骗分导论 CSP、NOIP、蓝桥杯、PAT、USACO等竞赛的算法骗分技巧 轻松省三

问题来了,那么多座桥,炸一座就破坏岛屿的联系,可能性微乎其微(除非特别设计数据)。它们的价值极大,不仅能初步帮你检验程序的对错,而且,如果你不会做这道题,你就可以直接输出样例!在OI考试中最后难的题数据最后的几个,他们往往不会创造新的数据,此时就可以直接输出最后几个数据了。需要运用《骗分导论》第3章中学到的知识,先写出朴素算法,然后造一些数据,可能就会发现规律。有些时候,问题的答案可能很有特点:对于大多数情况,答案是一样的。据说,在NOIP2013中,有人最后一题不会,愤然打了个随机数,结果得了。

星卯教育-信奥教练tony 6408

dijkstra算法_最短路径算法—Dijkstra算法详解

介绍对于dijkstra算法,很多人可能感觉熟悉而又陌生,可能大部分人比较了解bfs和dfs,而对dijkstra和floyd算法可能知道大概是图论中的某个算法,但是可能不清楚其中的作用和原理,又或许,你曾经感觉它很难,那么,这个时候正适合你重新认识它。Dijkstra能是干啥的?Dijkstra是用来求单源最短路径的就拿上图来说,假如直到的路径和长度已知,那么可以使用dijkstra算法计算南京...

weixin_39788960的博客 3534

(数字图像处理MATLAB+Python)第五章图像增强-第一节:图像增强概述和基于灰度级变换的图像增强

图像增强(Image Enhancement):指不考虑图像降质原因,利用各种数学方法和变换手段,增强图像中人们感兴趣部分或提高有用的图像特征的清晰度。从图像质量来看,图像增强提高了图像的可懂度,改善了图像的视觉效果例如在现实场景中,针对那些对比度较差、视觉效果不好的图像,我们就可以利用图像增强改善视觉质量图像增强可分为如下几种基于灰度级变换的图像增强基于直方图修正的图像增强基于照度反射模型的图像增强基于模糊技术的图像增强基于伪彩色处理的图像增强其他图像增强方法分段线性灰度级变换。

快乐江湖的博客 3335

python基础知识补充

1. jupyter notebook 解释 2. ipython 魔法命令 3. latex in Markdown cell(在markdown里面编写数学公式) 4. jupyter notebook功能扩展:安装Nbextension 5. python解释与运行 6. 垃圾回收(计数机制与分代回收机制) 7. 名字空间与局部作用域L和全局作用域G 8. 小整数缓存区与字符驻留 9. Statement &Expression 10. 调试

weixin_43178406的博客 1万+

最短路径问题—Dijkstra算法和Floyd算法

最短路径问题一般分为两类:一是单源最短路径,即求图中某一顶点到其他顶点的最短路径,可通过Dijkstra(迪杰斯特拉)算法求解;二是求每一对顶点间的最短路径,可通过Floyd( 弗洛伊德)算法求解。

24考研人晴落的博客 5186

Python爬虫实战:京东/淘宝商品价格与评论监控系统——从User-Agent伪装到编码陷阱的全面攻克

在电商数据驱动决策的今天,无论是个人消费者想抓住历史低价,还是市场分析师需要追踪竞品动态,抑或是算法交易员依赖实时价格信号,自动化的商品价格与评论监控系统都已成为不可或缺的工具。然而,电商平台的反爬虫策略日益严苛,字符编码的“暗坑”更是让初学者屡屡碰壁。本文将以京东(JD.com和淘宝(Taobao.com两大主流平台为目标,手把手带你构建一个稳定、高效的商品监控爬虫。User-Agent伪装——如何模拟真实浏览器行为,突破初级反爬。GBK/UTF-8编码混战。

2201_76125261的博客 75

DIJKSTRA最短路径算法

这个也是最短路径算法,在严巍敏的书上也有提到过,具体的思想忘记了,(老了*0*)和FLOYD算法做个对照,记得他们各有优缺点,一个是从全局出发,一个是从局部生成的。很强大的算法。 C代码如下:#include #define INF 32767 #define FALSE 0 #define TRUE 1 #define MAXN 8 typedef

轩辕寒星的专栏 1907

1个PID回路如何连接2个执行器(算法和代码)

我们先看下位置型PID的控制框图:2、PID是基于error的控制 所以反馈信号跳动、干扰非常大的话,对PID的闭环控制影响是非常大的,所以对于反馈信号、一定要抗干扰和滤波处理。3、下图是增量型PID的控制框图:4、一个PID输出回路如何连接2个执行器?(有些系统会设置热阀和冷阀才能满足控制要求)。

RXXW_Dor的博客 1811

贝叶斯统计 [韦来生编]

贝叶斯(Bayes)统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外,还要利用参数的先验信息,因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”,近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。  本书共分六章。第1章是绪论,介绍了贝叶斯统计的若干基本概念,同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法,包括蒙特卡洛方法和马尔可夫链蒙特卡洛(MCMC)方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题,书末附有常用的几个表格和部分习题解答供读者查用。  大约可在54学时内讲授本书的第1章至第六章的主要内容,教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲,留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。  作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容,以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。  本书编写准备过程中,中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版,作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。

最短路径 Dijkstra算法

小博今天又给大家更新了,最近学习过程中在最短路径问题上被两个比较……我们暂且认定比较恶心的算法难倒了好一会,不过最后还是攻克了,在这里小博写下自己的心得和大家分享一下 **最短路径:**网路中两个不同顶点之间的所有路径中边的权值之和最小的那一条 ...

weixin_42154057的博客 1420

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

最短路径之Dijkstra算法

引入 迪科斯彻提出了著名的单源最短路径求解算法——Dijkstra算法。 Dijkstra算法是解决单源最短路径问题的贪心算法,它先求出长度最短的一条路径,再参照该最短路径求出长度次短的一条路径,直到求出从源点到其他各个顶点的最短路径。 Dijkstra算法的基本思想是首先假定源点为u,顶点集合V被划分为两部分:集合S和V-S。初始时S中仅含有源点u,其中S中的顶点到源点的最短路径已经确定。集合V-S中所包含的顶点到源点的最短路径的长度待定,称从源点出发只经过S中的点到达V-S中的点的路径为特殊路径,并用

LXYDSF的博客 5143

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

最短路径Dijkstra算法

大家好!今天我想给大家讲一个非常有趣的算法,叫做Dijkstra算法。这个算法可以帮助我们在图中找到从一个点到另一个点的最短路径,就好像我们在玩一个寻找宝藏的游戏!

m0_58067066的博客 1722

最短路径——Dijkstra算法与Floyd算法

本文介绍图论中求最短路径的Dijkstra算法和Floyd算法,并给出了C语言代码实现。

仅以此博客记录日常学习工作中所思所得,水平有限,难登大雅,万望海涵。 2561

最短路径算法:Dijkstra与Floyd

本文介绍了两种经典的最短路径算法:Dijkstra算法和Floyd算法。Dijkstra算法适用于单源最短路径问题,采用贪心策略,时间复杂度为O((V+E)logV),但不能处理负权边。Floyd算法则计算所有顶点对间的最短路径,采用动态规划方法,时间复杂度为O(V³),可处理负权边但不支持负权环。文章通过代码示例、流程图和对比表格详细说明了两种算法的原理、实现和适用场景,帮助读者根据实际问题需求选择合适的算法解决方案。最后建议读者动手实践以加深理解。

从不水文,坚持创作,加油 1544

实现图的最短路径——Dijkstra算法概述

Dijkstra算法实现最短路径概述Dijkstra算法思想Dijkstra算法过程设置关键数组具体图解过程Dijkstra算法实现Dijkstra算法完整过程运行结果分析 概述 现在给出一个无向网G现在让你从0点开始 求出到每个点的最短路径 如下图: 首先我们也不需要去考虑什么算法怎么去实现啊,怎么写代码之类的问题,现在就考虑一下如果让我们自己去选择最短路径,选择出来一个路径会是什么样的呢?...

ZQYnn's blog 2616
上一篇: sql中不同语句的用法
下一篇: C++ 四种类型转换
橘中人code
博客等级 码龄8年 30粉丝 13原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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