Dijkstra算法

Dijkstra算法过程不多赘述,因为课本上包括各种资料上已经说得够详细明白了,如果还不懂的话最好找个人详细地给你画一画流程或者自己好好钻研一下。现在直接贴代码,因为这个程序是我自己花了5小时写的,从无到有的产出过程很艰辛啊,没有参考网上任何大神的代码,如果大神想看程序的话还是自行绕道吧,或者有好心的大神给指出问题和优化的方向是最好的!因为我也是个初学者,所以对于初学者来说非常简单易懂,我会在程序的注释里把代码解释清楚滴~~

这里写图片描述

#include <limits.h>
#include<iostream>
using namespace std;

/*
全局变量: 
i,j,k,t:循环参数
temp,num:返回每一次排序的元素值和元素的下标
数组flag:标记此结点,被选择标记1,否则标记0 
数组a=p[i]:表示结点i的前驱为结点a
数组pp:一个过渡数组,输出路径结果的(程序中有注释)
二维数组w:图的邻接矩阵
数组d:表示从起始点到其余各点的最短路径 (changing) 
mul:过渡参数,具体程序中解读 
*/ 

int i=0,j=0,k=0,t=0;
int temp=-1,num=-1;
int flag[100]={0},p[100]={1};
int pp[100]={-1};
double w[100][100]={0.0};
double d[100]={0.0};



/*
插入算法找出数组中最小元素的值和下标 
注意是对flag标记为0的元素进行查找 
*/

void MinSearch(double a[],int n){           //n是节点的个数 
    temp=1000;
    for(i=1;i<=n;i++){
        if(flag[i]==0){
            if(temp>a[i]){
                temp=a[i];
                num=i;
            }
        }
    }
}


void Dijsktra(double w[][100],int m,int n){

    //初始化 
    flag[m]=1;
    for(j=1;j<=n;j++){
        d[j]=w[m][j];
        p[j]=1;
    }
    p[m]=-1;

    /*
    最短路径求解过程
    mul的作用是判断是不是每个结点都走到了, 一共循环n-1次
    每一次循环都要寻找排序中的最小元素值
    内层循环是关键,好好体会,寻找更小的路径代替原路径,可以画一下     
    */ 

    int mul=n-2; 
    while(mul>0){     
        j=1; 
        MinSearch(d,n);    //求得temp和num,全局变量    
        while(j<=8){    
            if(j<=n&&j!=num&&j!=m&&w[num][j]<1000){      
                if(d[j]>d[num]+w[num][j]){
                    d[j]=d[num]+w[num][j];
                    flag[num]=1;
                    p[j]=num;
                    mul--;
                } 
            }
            j++;        
        }
    }


    /*输出最短距离和路线 
    使用了一个过渡数组pp,因为结点的前驱输出时是倒序,所以用了一个过渡数组,如果大神有好方法欢迎批评指正啊!! 
    */

    for(i=1;i<=n;i++){
        if(i!=m){
            cout<<"the shortest distance from "<<m<<" to "<<i<<" is "<<d[i]<<endl;
            cout<<"the route from "<<m<<" to "<<i<<" is "<<endl;
            k=i;
            t=0;
            while(k!=-1){
                pp[t]=k;
                k=p[k];
                t++;
            }
            while(t>0){
                t--;
                cout<<pp[t]<<" ";
            }
        }
        cout<<endl;
    }
}


//test 
int main(){

    //定义各个参数的值:邻接矩阵w1、节点个数n、起始点m 

    double w1[100][100]={0.0};
    int n=8,m=1;
    for(i=1;i<=n;i++){
        for(j=1;j<=n;j++){
            w1[i][j]=INT_MAX;         //INT_MAX表示无穷大 
            if(i==j){
                w1[i][j]=0;
            }
        }
    }
    w1[1][2]=6; w1[1][3]=3; w1[1][4]=1;
    w1[2][5]=1;
    w1[3][2]=2;  w1[3][4]=2;
    w1[4][6]=10;
    w1[5][4]=6;  w1[5][6]=4;  w1[5][7]=3;  w1[5][8]=6;
    w1[6][5]=10;  w1[6][7]=2;
    w1[7][8]=4;

    cout<<"图的赋权邻接矩阵为:"<<endl;
    for(i=1;i<=n;i++){
        for(j=1;j<=n;j++){
            cout<<w1[i][j]<<" ";
            if(j%n==0){
                cout<<endl;
            }
        }
    }

    //调用 Dijsktra算法 

    Dijsktra(w1,m,n);

    return 0;
}

这里写图片描述

### 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