Dijkstra算法

Dijkstra算法与SPFA:处理有向图负权边的策略

 Dijkstra算法只能应对素有边权都是非负数的情况,如果边权出现负数,那么Dijkstra算法很可能会出错,这时最好使用SPFA算法。

邻接矩阵版【带权有向图】

#include<iostream>
#include<algorithm>
using namespace std;
const int MAXV = 1000;//最大顶点数
const int INF = 1000000000;//设INF为一个很大的数
//邻接矩阵版,适用于点数不大的情况
//n为顶点数,MAXV为最大顶点数
int n=6,G[MAXV][MAXV]={
	{0,1,INF,4,4,INF},
	{INF,0,INF,2,INF,INF}, 
	{INF,INF,0,INF,INF,1},
	{INF,INF,2,0,3,INF},
	{INF,INF,INF,INF,0,3},
	{INF,INF,INF,INF,INF,0}
};
int d[MAXV];//起点到达各点的最短路径长度
bool vis[MAXV]={false};//标记数组,vis[i]==true表示已访问。初值均为false
void Dijkstra(int s) {//s为起点 
	fill(d,d+MAXV,INF);//fill函数将整个d数组赋为INF(慎用memset) 
	d[s] = 0;//起点s到达自身的距离为0
	for(int i=0;i<n;i++) {//循环n次 
		int u = -1,MIN = INF;//u使d[u]最小,MIN存放该最小的d[u]
		for(int j=0;j<n;j++) {//找到未访问的顶点中d[]最小的 
			if(vis[j]==false&&d[j]<MIN){
				u = j;
				MIN = d[j];
			}
		}
		//找不到小于INF的d[u],说明剩下的顶点和起点s不连通
		if(u==-1)  return;
		vis[u] = true;//标记u为已访问 
		for(int v=0;v<n;v++){
			//如果v未访问&&u能到达v&&以u为中介点可以使d[v]更优
			if(vis[v]==false&&G[u][v]!=INF&&d[u]+G[u][v]<d[v]) {
				d[v] = d[u]+G[u][v];//优化d[v] 
			}
		}
	}
}
int main(){
	//邻接矩阵版的Dijkstra算法时间复杂度为O(v*v) 
	Dijkstra(0);
	for(int i=0;i<n;i++){
		cout<<d[i]<<" ";//代表了从起点0到终点i的最短距离[0,1,5,3,4,6] 
	}
	return 0;
}

邻接表版

#include<iostream>
#include<vector>
#include<algorithm>
using namespace std;
const int MAXV = 1000;//最大顶点数
const int INF = 1000000000;//设INF为一个很大的数
struct Node{
	int v;//v为边的目标顶点 
	int dis;//dis为边权 
	Node(int _v,int _dis){
		v = _v;
		dis = _dis;
	}
};
//图G,Adj[u]存放从顶点u出发可以到达的所有顶点
Node* p01 = new Node(1,1);
Node* p03 = new Node(3,4);
Node* p04 = new Node(4,4);
Node* p13 = new Node(3,2);
Node* p25 = new Node(5,1);
Node* p34 = new Node(4,3);
Node* p32 = new Node(2,2);
Node* p45 = new Node(5,3);

vector<Node> Adj[MAXV]={
	{*p01,*p03,*p04},
	{*p13},
	{*p25},
	{*p34,*p32},
	{*p45},
	{}
};
int n=6;//n为顶点数,图G使用邻接表实现,MAXV为最大顶点数
int d[MAXV];//起点到达各点的最短路径长度
bool vis[MAXV]={false};//标记数组,vis[i]==true表示已访问。初值均为false 
void Dijkstra(int s) {//s为起点 
	fill(d,d+MAXV,INF);//fill函数整个d数组赋为INF(慎用memset) 
	d[s] = 0;//起点S到达自身的距离为0
	for(int i=0;i<n;i++) {//循环n次 
		int u=-1,MIN = INF;//u使d[u]最小,MIN存放该最小的d[u]
		for(int j=0;j<n;j++) {//找到未访问的顶点中的d[]最小的 
			if(vis[j]==false&&d[j]<MIN){
				u = j;
				MIN = d[j];
			}
		}
		//找不到小于INF的d[u],说明剩下的顶点和起点s不连通
		if(u==-1) return;
		vis[u] = true;//标记u为已访问
		//只有下面这个for循环与邻接矩阵的写法不同
		for(int j=0;j<Adj[u].size();j++) {
			int v = Adj[u][j].v;//通过邻接表直接获得u能到达的顶点v
			if(vis[v]==false&&d[u]+Adj[u][j].dis<d[v]) {
				//如果v未访问&&以u为中介点可以使d[v]更优
				d[v] = d[u]+Adj[u][j].dis;//优化d[v] 
			}
		}
	}
}
int main(){
	//邻接表版的复杂度为O(V*V+E) 
	Dijkstra(0);
	for(int i=0;i<n;i++){
		cout<<d[i]<<" ";//代表了从起点0到终点i的最短距离[0,1,5,3,4,6] 
	}
	return 0;
}

### 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