Dijkstra + 堆优化

本文介绍了一个使用优先队列实现的Dijkstra算法示例代码。该算法用于在一个带权重的有向图中寻找从起点到所有其他点的最短路径。通过不断选择当前距离最小且未被访问过的节点进行松弛操作来更新最短路径。
const int maxn = (30000 + 10);
const int inf = 0x3f3f3f3f;

struct qnode{
    int v,c;
    qnode(int _v = 0,int _c = 0) : v(_v),c(_c){}
    bool operator<(const qnode &r)const{
        return c > r.c;
    }
};

struct Edge{
    int v,cost;
    int next;
}edge[200000];

int tot;
int head[maxn];
bool vis[maxn];
int dist[maxn];

void Dijkstra(int n,int start){
    memset(vis,false,sizeof(vis));
    for(int i = 1;i <= n;i ++)  dist[i] = inf;
    priority_queue<qnode> que;
    while(!que.empty()) que.pop();
    dist[start] = 0;
    que.push(qnode(start,0));
    qnode tmp;
    while(!que.empty()){
        tmp = que.top();
        que.pop();
        int u = tmp.v;
        if(vis[u])  continue;
        vis[u] = true;
        for(int i = head[u];i != -1;i = edge[i].next){
            int v = edge[i].v;
            int cost = edge[i].cost;
            if(!vis[v] && dist[v] > dist[u] + cost){
                dist[v] = dist[u] + cost;
                que.push(qnode(v,dist[v]));
            }
        }
    }
}

void addedge(int u,int v,int w){
    edge[tot].v = v;
    edge[tot].cost = w;
    edge[tot].next = head[u];
    head[u] = tot ++;
}
### 使用优化Dijkstra算法在C++中的实现 Dijkstra算法的核心在于逐步扩展当前已知的最短路径,而为了提高效率,可以利用优先队列(最小)来加速选取下一个待处理的节点的过程。以下是基于优化Dijkstra算法在C++中的具体实现。 #### 1. 算法概述 传统的Dijkstra算法通过线性扫描的方式寻找距离起点最近的未访问节点,时间复杂度为 \(O(V^2)\),其中 \(V\) 是图中顶点的数量。当使用二叉作为优先队列时,可以在 \(O(\log V)\) 的时间内完成插入和删除操作,从而将总的时间复杂度降低至 \(O((E+V)\log V)\)[^2],其中 \(E\) 表示图中边的数量。 #### 2. C++ 实现代码 下面是一个完整的优化Dijkstra 算法的 C++ 实现: ```cpp #include <iostream> #include <vector> #include <queue> #include <climits> using namespace std; struct Edge { int to; long long weight; }; // 定义一个小根比较函数 struct Compare { bool operator()(const pair<long long, int>& a, const pair<long long, int>& b) { return a.first > b.first; // 按照距离从小到大排列 } }; void dijkstra(int start, vector<vector<Edge>>& adjList, vector<long long>& dist) { priority_queue<pair<long long, int>, vector<pair<long long, int>>, Compare> pq; // 初始化距离数组 for (int i = 0; i < dist.size(); ++i) { dist[i] = LLONG_MAX; } dist[start] = 0; pq.push({0, start}); while (!pq.empty()) { auto current = pq.top(); pq.pop(); int u = current.second; long long d = current.first; // 如果已经找到了更优的距离,则跳过此节点 if (d > dist[u]) continue; // 遍历相邻节点并尝试更新距离 for (auto& edge : adjList[u]) { int v = edge.to; long long w = edge.weight; if (dist[v] > dist[u] + w) { // 松弛操作 dist[v] = dist[u] + w; pq.push({dist[v], v}); } } } } int main() { int n, m, s; cin >> n >> m >> s; // 输入节点数、边数以及起点编号 vector<vector<Edge>> adjList(n + 1); // 邻接表表示图 for (int i = 0; i < m; ++i) { int from, to, weight; cin >> from >> to >> weight; adjList[from].push_back(Edge{to, weight}); // 单向边 } vector<long long> dist(n + 1); dijkstra(s, adjList, dist); // 输出结果 for (int i = 1; i <= n; ++i) { cout << "Distance from source to node " << i << ": "; if (dist[i] == LLONG_MAX) { cout << "INF\n"; // 若不可达则输出 INF } else { cout << dist[i] << "\n"; } } return 0; } ``` #### 3. 关键点解析 - **数据结构的选择** 使用 `priority_queue` 和自定义比较器实现了最小的功能,能够快速获取当前距离起点最近的节点[^4]。 - **松弛操作** 当发现一条新的路径使得目标节点的距离变得更小时,立即更新其距离值,并将其加入优先队列以便后续进一步探索[^3]。 - **性能提升** 利用优化后的版本显著减少了不必要的重复计算,在稀疏图上的表现尤为突出。 --- ###
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