Dijkstr 最短路径算法

本文介绍了一个使用Dijkstra算法寻找带权图中两节点间最短路径的C++实现。通过不断选择未访问过的距离起点最近的节点并更新其邻居的距离,最终确定从起始节点到所有其他节点的最短路径。代码提供了详细的实现过程,包括初始化距离矩阵、更新最短路径等步骤。

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

Dijkstr 最短路径算法:

#include <iostream>
#include <cstdio>
#include <algorithm>
#include <cmath>
#include <cstring>
#define MAX  10000
using namespace std;
int n,m,s,e,vis[100],low[100],dis[210][210];
int dijkstra()
{
    int i,min;
    int pos=s;
    memset(vis,0,sizeof(vis));
    vis[pos]=1;
    for(i=1; i<=n; i++)
        low[i]=dis[pos][i];
    low[pos]=0;
    while(1)
    {
        min=MAX;
        for(i=1; i<=n; i++)
            if(!vis[i]&&low[i]<min)
            {
                min=low[i];
                pos=i;
            }
        vis[pos]=1;
        if(min==MAX)break;
        for(i=1; i<=n; i++)
            if(!vis[i]&&low[i]>low[pos]+dis[pos][i])
                low[i]=low[pos]+dis[pos][i];
    }
    if(low[e]==MAX)
        return -1;
    return low[e];

}
int main()
{
    int i,j,a,b,t;
    while(scanf("%d%d",&n,&m),n+m)
    {
        for(i=0; i<=n; i++)
            for(j=0; j<=n; j++)
                dis[i][j]=MAX;
        for(i=1; i<=m; i++)
        {
            scanf("%d%d%d",&a,&b,&t);
            if(t<dis[a][b])dis[a][b]=dis[b][a]=t;
        }
        scanf("%d%d",&s,&e);
        printf("%d\n",dijkstra());
    }
    return 0;
}


### Dijkstra算法概述 Dijkstra算法是一种经典的单源最短路径算法,主要用于解决加权图中的最短路径问题。该算法的核心思想是从起点出发,逐步扩展已知的最短路径集合,直至覆盖目标节点或整个图[^1]。 #### 算法的主要特性 - **适用范围**:适用于带权重的有向图和无向图,但要求所有边的权重均为非负数。 - **核心机制**:通过维护一个距离数组 `dist` 和优先队列来动态更新从起点到各节点的距离值[^2]。 --- ### Dijkstra算法的具体实现 以下是基于 Python 的标准实现: ```python import heapq def dijkstra(graph, start): """ 实现Dijkstra算法以找到从start节点到其他所有节点的最短路径 参数: graph (dict): 图结构表示为邻接表字典 {node: [(neighbor, weight), ...]} start : 起始节点 返回: dict: 从起始节点到每个节点的最短距离 """ # 初始化距离字典,默认无穷大 distances = {vertex: float('infinity') for vertex in graph} distances[start] = 0 # 起点到自身的距离为0 priority_queue = [] # 创建优先队列 heapq.heappush(priority_queue, (0, start)) # 插入初始节点及其距离 while priority_queue: current_distance, current_vertex = heapq.heappop(priority_queue) # 如果当前弹出的距离大于记录的距离,则跳过此节点处理 if current_distance > distances[current_vertex]: continue # 遍历邻居节点并更新距离 for neighbor, weight in graph[current_vertex]: 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 ``` --- ### 示例应用 假设有一个简单的加权图如下所示: ```plaintext A --4--> B | | 6 2 | | v v C --1--> D ``` 可以将其转换为邻接列表的形式,并调用上述函数求解: ```python graph = { 'A': [('B', 4), ('C', 6)], 'B': [('D', 2)], 'C': [('D', 1)], 'D': [] } result = dijkstra(graph, 'A') print(result) # 输出 {'A': 0, 'B': 4, 'C': 6, 'D': 5} ``` 在此例子中,从节点 A 到其余节点的最短路径分别为: - A → B: 4 - A → C: 6 - A → D: 5(经过 C) --- ### 关键注意事项 1. **权重约束**:如果存在负权重边,则需改用 Bellman-Ford 或 SPFA 算法替代 Dijkstra 算法。 2. **性能分析**:时间复杂度通常为 \(O((V+E)\log V)\),其中 \(V\) 是顶点数量,\(E\) 是边的数量。这得益于优先队列的操作效率。 ---
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