Dijkstra's algorithm

本文介绍了一种使用最小堆优化的Dijkstra最短路径算法实现,并通过一个具体的C++程序实例展示了如何构建和维护堆,以提高算法效率。该程序从文件中读取图数据,并计算指定顶点之间的最短路径。
https://sites.google.com/site/indy256/algo_cpp/dijkstra_heap
#include <iostream>
#include <fstream>
#include <math.h>
#include <vector>
#include <sstream>
#include <map>

using namespace std;

int heap[1000];
int prior[1000];
int heapSize = 0;
//int pos2Id[1000];
int id2Pos[1000];
bool boolX[1000];

void InsertHeap(int id)
{
	heap[heapSize++] = id;
	id2Pos[id] = heapSize-1;
	int pos = heapSize-1;
	while (pos > 0)
	{
		int parent = pos-1 >> 1;
		if(prior[id] > prior[heap[parent]])
		{
			break;
		}
		int temp = heap[parent];
		heap[parent] = id;
		heap[pos] = temp;

		id2Pos[id] = parent;
		id2Pos[temp] = pos;

		pos = parent;
	}
}

void DeleteHeap(int id)
{
	int pos = id2Pos[id];
	if (pos < 0)
	{
		return;
	}

	heap[pos] = heap[--heapSize];
	id2Pos[heap[pos]] = pos;
	while (pos < (heapSize>>1))
	{
		int child = 2*pos+1;
		if (child+1< heapSize && prior[heap[child+1]] < prior[heap[child]])
		{
			child++;
		}

		if (prior[heap[pos]] <= prior[heap[child]])
		{
			break;
		}

		int temp = heap[pos];
		heap[pos] = heap[child];
		heap[child] = temp;

		id2Pos[temp] = child;
		id2Pos[heap[pos]] = pos;

		pos = child;
	}
}

int PopMin()
{
	int id = heap[0];
	heap[0] = heap[--heapSize];
	int pos = 0;
	id2Pos[heap[pos]] = pos;
	while (pos < (heapSize>>1))
	{
		int child = 2*pos+1;
		if (child+1< heapSize && prior[heap[child+1]] < prior[heap[child]])
		{
			child++;
		}

		if (prior[heap[pos]] <= prior[heap[child]])
		{
			break;
		}

		int temp = heap[pos];
		heap[pos] = heap[child];
		heap[child] = temp;

		id2Pos[temp] = child;
		id2Pos[heap[pos]] = pos;

		pos = child;
	}

	return id;
}


void Dijkstra(vector<vector<pair<int, int>>> g, int s)
{
	int numV = g.size();
	prior[s] = 0;
	InsertHeap(s);

	while(heapSize >0)
	{
		int u = PopMin();
		boolX[u] = true;
		for (int i=0; i<g[u].size(); i++)
		{
			int v = g[u][i].first;
			int w = g[u][i].second;
			if (boolX[v-1])
			{
				continue;
			}

			DeleteHeap(v-1);
			prior[v-1] = min(prior[v-1], prior[u]+w);
			InsertHeap(v-1);
		}
	}
}

int main()
{
	ifstream infile;
	infile.open("dijkstraData.txt");

	// ------------- Read the Graph --------------
	vector<vector<pair<int, int>>> graph;
	const int numV = 200;
	vector<pair<int, int>> temp;
	for (int i=0; i< numV; i++)
	{
		graph.push_back(temp);
	}

	string line;
	char cline[10000];
	
	/*while (infile.getline(cline, 10000))*/
	while(getline(infile, line))
	{
		std::stringstream ss;
		ss << line;
		int u;
		int v;
		char t;
		int w;
		ss >> u;
		while(ss >> v)
		{
			ss >> t;
			ss >> w;
			graph[u-1].push_back(make_pair(v, w));
		}
		ss.clear();
		line.clear();
	}

	// --------------
	for (int i=0; i<numV; i++)
	{
		id2Pos[i] = -1;
		prior[i] = 1000000;
		boolX[i] = false;
	}
	Dijkstra(graph, 0);
	int r[]= {7,37,59,82,99,115,133,165,188,197};
	for (int i=0; i<10; i++)
	{
		cout<< r[i] << " : " << prior[r[i]-1] << endl; 
		/*cout << prior[i] << endl;*/
	}
	infile.close();
	graph.clear();
	return 0;

}

### Dijkstra算法解释 #### 原理概述 Dijkstra算法是一种用于解决单源最短路径问题的贪心算法,适用于边权重非负的情况。该算法旨在找到加权图中从起始顶点到其他所有顶点之间的最短距离[^2]。 对于每一个被处理过的节点v来说,在未访问集合中的任意邻居w而言,如果通过当前节点到达它的总花费更少,则更新这个最小估计值并记录前驱信息以便后续重建最优路线;当所有的邻接点都被考察完毕之后就将其标记为已访问状态不再重复考虑。此过程持续迭代直到遍历完整张网络结构为止。 #### 实现细节 为了提高效率,通常采用优先队列来选取下一个待扩展的最佳候选者——即具有最低临时成本估算值得结点作为新的起点继续探索未知区域内的连接关系。下面给出了一种常见的Python语言版本的具体编码形式: ```python import heapq def dijkstra(graph, start): pq = [(0, start)] # Priority Queue (cost, node) visited = set() min_dist = {start: 0} while pq: dist_u, u = heapq.heappop(pq) if u in visited: continue visited.add(u) for v, weight_uv in graph[u].items(): alt = dist_u + weight_uv if v not in min_dist or alt < min_dist[v]: min_dist[v] = alt heapq.heappush(pq, (alt, v)) return min_dist ``` 这段程序定义了一个名为`dijkstra()` 的函数接收两个参数:一个是表示图形数据结构的对象 `graph` ,另一个是指定出发位置的关键字 `start`. 它返回一个字典类型的对象 `min_dist`, 其键代表各个目标地点而对应的值则存储着由初始位移至相应终点所需的最少行程长度. 值得注意的是,上述实现假设输入图为邻接表的形式,并且每条边上都附带有一个正实数值用来衡量两者间直接相连所耗费的成本大小。此外还利用了标准库模块`heapq` 来构建一个小根堆从而实现了二叉树型式的优先级序列管理机制以支持快速检索操作。 #### 应用场景 除了经典的交通导航系统中外,Dijkstra算法还在许多领域有着广泛的应用,比如计算机网络路由选择、社交网络分析以及资源分配优化等问题上均能见到其身影。特别是当涉及到求解静态环境下两点间的最佳传输方案时尤为适用[^3].
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