单源最短路径的迪克斯特拉(Dijkstra)算法的改进

本文介绍了Dijkstra算法的基本原理和应用,该算法主要用于寻找图中单源点到其他所有节点的最短路径。内容涵盖了算法的特点、一个简单的实例以及与多源最短路径算法Floyd的对比。Dijkstra算法不适用于存在负权边的图,而Floyd算法则能处理有向图及负权路径问题,且具有特定的时间和空间复杂度。

Dijkstra算法

1.定义概览

Dijkstra(迪杰斯特拉)算法是典型的单源最短路径算法,用于计算一个节点(节点需为源点)到其他所有节点的最短路径。主要特点是以起始点为中心向外层层扩展,直到扩展到终点为止。Dijkstra算法是很有代表性的最短路径算法,注意该算法要求图中不存在负权边。

 实例:假设有A,B,C,D四个城市,(这里讨论的是有向网) 它们的距离为:  A->B(10),A->C(11),B->D(12),C->D(13);

所谓単源路径就是解决从源点 A开始找出到其他城市的最短距离(除本身外的其他所有城市)。Dijkstra算法可以求出A->B(10),A->C(11),A->D(22);

拓展2:多源最短路径(常用Floyd算法)是解决任意两点间的最短路径的一种算法,(不局限于从源点出发,到其他各个顶点 )可以正确处理有向图或负权的最短路径问题,同时也被用于计算有向图的传递闭包。Floyd算法的时间复杂度为O(N3),空间复杂度为O(N2)。

图的创建:

void createGraph(tnode t){
    cout<<"输入顶点和边数:"<<endl;
    cin>>t->v>>t->e;
    cout<<"输入顶点信息:"<<endl;
    for(int i = 1;i<=t->v;i++){
         cin>>t->vex[i];
    }
    for(int i = 1;i<=t->v;i++){
        for(int j = 1;j<=t->v;j++){
           t->wei[i][j] = LIMITLESS;
        }
    }
    cout<<"输入两连接点下标和权值:"<<endl;
    int k1,k2,weight;
    for(int i = 1;i<=t->e;i++){
        cin>>k1>>k2>>weight;
        t->wei[k1][k2] = weight;
    }
}
void  printGraph(tnode t){
       for(int i = 1;i<=t->v;i++){
          for(int 
以下是使用迪克斯特拉算法求解带权无向图中单源最短路径的 C 语言实现代码: ```c #include <stdio.h> #include <limits.h> #define V 5 // 图中顶点数 int minDistance(int dist[], int sptSet[]) { // 从尚未处理的顶点中找到距离最小的顶点 int min = INT_MAX, min_index; for (int v = 0; v < V; v++) { if (sptSet[v] == 0 && dist[v] <= min) { min = dist[v]; min_index = v; } } return min_index; } void printSolution(int dist[]) { printf("Vertex \t Distance from Source\n"); for (int i = 0; i < V; i++) { printf("%d \t\t %d\n", i, dist[i]); } } void dijkstra(int graph[V][V], int src) { int dist[V]; // 存储从源点到各顶点的最短距离 int sptSet[V]; // 存储已处理的顶点 for (int i = 0; i < V; i++) { dist[i] = INT_MAX; sptSet[i] = 0; } dist[src] = 0; // 源点到自己的距离为0 for (int count = 0; count < V-1; count++) { int u = minDistance(dist, sptSet); // 从尚未处理的顶点中找到距离最小的顶点 sptSet[u] = 1; // 标记该顶点为已处理 for (int v = 0; v < V; v++) { if (!sptSet[v] && graph[u][v] && dist[u] != INT_MAX && dist[u]+graph[u][v] < dist[v]) { // 如果顶点未被处理且与 u 相连,且通过 u 到达 v 的距离更短,则更新距离 dist[v] = dist[u] + graph[u][v]; } } } printSolution(dist); // 打印最短路径 } int main() { int graph[V][V] = { {0, 2, 0, 6, 0}, {2, 0, 3, 8, 5}, {0, 3, 0, 0, 7}, {6, 8, 0, 0, 9}, {0, 5, 7, 9, 0} }; dijkstra(graph, 0); // 计算从顶点0出发到其他各顶点的最短路径 return 0; } ``` 在上述代码中,我们首先定义了一个 `minDistance` 函数,用于从尚未处理的顶点中找到距离最小的顶点。然后定义了 `printSolution` 函数,用于打印最短路径。最后定义了 `dijkstra` 函数,用于计算从源点到各顶点的最短路径。在 `dijkstra` 函数中,我们首先初始化了 `dist` 数组和 `sptSet` 数组,然后进行循环处理,每次选择一个距离最小的顶点,并将其标记为已处理,然后更新与该顶点相连的其他顶点的距离。最后调用 `printSolution` 函数打印结果。
评论 1
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