Dijkstra算法

文章介绍了Dijkstra算法在处理有向图中负边权值问题时的局限,并提出使用堆优化的方法,通过优先队列降低时间复杂度至O(mlogm),适用于无向图的路径查询问题。主要讲解了两种方法并强调了堆优化方法的记忆要点。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

目录

写法一:如果有负边权的话会出错,时间复杂度为:O(n^2)

写法二:堆优化——用优先队列维护被更新的点的集合(也是不能有负的权值)时间复杂度为O(mlogm)  

注意:其实主要被背第二种即可


写法一:如果有负边权的话会出错,时间复杂度为:O(n^2)

例题:5.星际传送门网络 - 蓝桥云课 (lanqiao.cn)

#include<bits/stdc++.h>//万能头
#define int long long//直接将int定义为long long这样不用考虑是不是会超出范围,但是要注意int main要改成signed main
#define inf INT_MAX / 2//设置为无穷大
using namespace std;

const int N = 1e3 + 10;//定义最大的数据范围
int n , m , q;//一共有n个数,m次输入,q次询问
struct edge//定义结构体
{
  int v , w;//v表示终点,w表示权值
};
vector<edge> e[N];//用来存放各条边
int d[N] , vis[N];//d[N]表示原点到达i的距离,vis[N]表示这个点有没有删除

void dijkstra(int s, int o)//dijkstra算法模板
{
  for(int i = 0 ; i <= n ; i++) vis[i] = 0;//将之前的记录清零
  for(int i = 0 ; i <= n ; i++) d[i] = inf;//将一开始原点到所有点的距离设为无穷大
  d[s] = 0;//原点到原点的距离为0
  for(int i = 1 ; i < n ; i++)//循环n - 1次
  {
    int u = 0;//一个哨位,这个原点到这个位置永远是无穷大
    for(int j = 1 ; j <= n ; j++)//循环所有的点
    if(!vis[j] && d[j] < d[u]) u = j;//寻找没有被删除,且离选中的点距离最小的点
    vis[u] = 1;//找到这个点将他删除
    for(auto ed : e[u])//循环判断找到的这个点所有的邻边
    {
      int v = ed.v , w = ed.w;//将这个点的终点与权值表达出来
      if(d[v] > d[u] + w)//如果权值变小了,就更新为小的权值
      d[v] = d[u] + w;
    }
  }
  if(d[o] == inf) cout << -1 << endl;//判断是不是无穷大,如果无穷大就表示不能到达
  else cout << d[o] << endl;//否则输出到这个点的距离
}

signed main()//因为把int定义为long long所以不能用int要用signed
{
  cin >> n >> m >> q;
  for(int i = 0 ; i < m ; i++)
  {
    int a , b , c;//a表示起点,b表示终点,c表示权值
    cin >> a >> b >> c;
    e[a].push_back({b , c});//因为是无向图,所以两种情况可以相反,所以都要录入
    e[b].push_back({a , c});
  }
  while(q--)//q次询问
  {
    int u , v;//每次询问的起点以及终点
    cin >> u >> v;
    dijkstra(u , v);//算法
  }
  return 0;
}

写法二:堆优化——用优先队列维护被更新的点的集合(也是不能有负的权值)时间复杂度为O(mlogm)  

创建一个pair类型的大根堆q{-距离 , 点},把距离取负值,距离最小的元素最大,一定在堆顶。

1.初始化,{0 , s}入队 , d[s] = 0,d[其它点] = +无穷;
2.从队头淡出距离最小的点u,把u扩展过则跳过,否则打上标记;
3.对u的所有出边执行松弛操作,把{-d[v] , v}压入队尾;
4.重复2、3步操作,直到队列为空  

模板:

struct edge{int v , w;};//定义结构体
vector<edge> e[N];
int d[N] , vis[N];//d[N]表示第i个数到原点的距离,vis[N]表示是否被标记
int pre[N];//用来表示路径的,也就是记录每个点的前驱点
priority_queue<pair<int , int>> q;//优先队列

void dijkstra(int s)
{
  for(int i = 0 ; i <= n ; i++) d[i] = inf;//inf为最大值
    d[s] = 0; q.push({0 , s});
  while(q.size())
  {
    auto t = q.top() ; q.pop();
    int u = t.second;
    if(vis[u]) continue;//再出对跳过
    vis[u] = 1;//否则标记u已经出队
    for(auto ed : e[u])
    {
       int v = ed.v , w = ed.w;
       if(d[v] > d[u] + w)
       {
          d[v] = d[u] + w;
          pre[v] = u;//记录前驱点
          q.push({-d[v] , v});//大根堆
       }
    }
  }
}

void dfs_path(int u)//递归输出路径
{
  if(u == s) {cout << u << " "; return ;}//到达原点就结束
  dfs_path(pre[u]);
  cout << u << " " ;
}

注意:其实主要被背第二种即可

### 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