Dijkstra算法

1. 定义

单源点的最短路径问题:给定带权有向图G和源点v,求从v到G中其余各个顶点的最短路径。如何去求得这些最短路径,Dijkstra算法提出了一种按路径长度递增的次序产生最短路径的方案。而对于求解图G中每一对顶点之间的最短路径,其解决方案是重复执行Dijkstra算法n次,这样便可以求解且时间复杂度为O(n^3)。本文仅讨论单源点最短路径问题。

2. 应用

我这个人比较实用主义,一个东西我最先好奇的是它能完成什么工作,其次是再去了解它的原理。Dijkstra算法是求所有最短路径类问题的基本算法。地图导航、12306、还有身边的各种通讯网管布局、包括你们此刻在阅读这篇文章时候个人主机网络节点的选取,都用到了Dijkstra算法。

3.原理

(1)利用n*n阶带权的邻接矩阵arcs来表示带权有向图,arcs[i][j]表示弧<vi, vj>上的权值。若<vi,vj>不存在,则用INFINITE表示。再设S为已找到从v0出发的最短路径的终点的集合,它的初始值是{v0}。引入数组D[],其中的每一个值D[i]分别是v0到vi的最短路径长度。

(2)第一步首先列出所有能从v0直达的顶点,从中选出Min对应的顶点,添加进S集合当中,同时可得对应的D[i]。

(3)接着逐步连通v0与其他顶点,但注意一点,如果有中间节点,则中间节点必须从S集合当中选取。(因为按照S集合特性,每一条最短路径不是弧<v0, vi>本身,就是中间经过S中的顶点vj而到达的vi,这点利用反证法易得)即

D[i]=Min{D[k]|vk属于S};

S = S U {i};

(4)if D[j] + arcs[j][i] < D[i] then D[i] = D[j] + arcs[j][i];

(5)重复第3、4步骤共n-1个顶点即n-1次,结束,D[]即为所求。

4.实战

昨日好友发来一道题,恰好我第一想到的解决方法是用Dijkstra。但想归想,做又是一码事!惭愧的是许久未用早已忘记,而且又虎虎点开了文献二的博客看到了别人家的源码,于是长叹一声默默地放下了手中的辣条。

先给题目--


于是在借鉴文献二的基础下,给出了下面的源码。

==================

15/3/26修正:把源码贴出来后果然有好处,这不就被好友们纠错了:)。下面这个解法没有考虑到最短路径存在多条问题,因此就是WA。但也算是一种思路,参考领会我的意思即可,等过阵子有时间了再想想,先这样。

==================

#include <iostream>
#include <stdio.h>
#include <stack>

using namespace std;

#define MAXLENGTH 100
#define INFINITE 8888
#define NUMBER 10

int matrix[MAXLENGTH][MAXLENGTH];
int shortestlen[MAXLENGTH];
int shortestpath[MAXLENGTH];
int isin[MAXLENGTH];
int ishared[MAXLENGTH];

void Init(int n)
{
    int i, j;
    for (i = 1; i <= n; i++)
        for (j = 1; j <= n; j++)
        {
            if(i == j)
                matrix[i][j] = 0;
            else
                matrix[i][j] = INFINITE;
        }
    for (i = 1; i <= n; i++)
    {
        shortestlen[i] = INFINITE;
        shortestpath[i] = 0;
        isin[i] = 0;
        ishared[i] = 0;
    }
}

int main()
{
    int i, X, Y;
    int temp, temp_i, temp_min;
    int count = 0;
    unsigned int people_count = 0;
    Init(NUMBER);
    while(1)
    {
        scanf("%d, %d", &X, &Y);
        if ( 0 == X || 0 == Y)
            break;
        if (X < Y)
            matrix[X][Y] = 1;
        if (X > Y)      //保证了单向性
            matrix[Y][X] = 1;
    }
    isin[1] = 1;
    shortestpath[1] = 1;
    shortestlen[1] = 0;
    for (i = 2; i <= NUMBER; i++)
    {
        shortestlen[i] = matrix[1][i];
        if (shortestlen[i] != INFINITE)
            shortestpath[i] = 1;
    }
    temp_i = 1;

    while (count < NUMBER - 1)
    {
        temp_min = INFINITE;
        for (i = 1; i <= NUMBER; i++)
        {
            if ((isin[i] == 0) && (shortestlen[i] < temp_min))
            {
                temp_min = shortestlen[i];
                temp_i = i;
            }
        }
        isin[temp_i] = 1;

        for (i = 1; i <= NUMBER; i++)
        {
            if ((isin[i] == 0) && (temp_min + matrix[temp_i][i] < shortestlen[i]))
            {
                shortestlen[i] = temp_min + matrix[temp_i][i];
                shortestpath[i] = temp_i;
            }
        }
        count++;
    }

    stack<int> S;
    for (i = 2; i <= NUMBER; i++)
    {
        temp = i;
        if (0 == shortestpath[temp])
        {
            printf("no path\n");
            continue;
        }
        while (shortestpath[temp] != 1)
        {
            S.push(shortestpath[temp]);
            temp = shortestpath[temp];
        }
        printf("1-->");
        while (!S.empty())
        {
            printf("%d-->", S.top());
            if (!ishared[S.top()])
                ishared[S.top()] = 1;
            S.pop();
        }
        printf("%d min length is %d\n", i, shortestlen[i]);
    }
    for (i = 1; i <= NUMBER; i++)
        if (ishared[i])
            people_count ++;

    printf("======\n%d\n", people_count);
    return 0;
}

运行结果是


*有错误的地方还请指出,有更优的解法欢迎分享。

5.reference

[1]《数据结构》.严蔚敏

[2]http://blog.youkuaiyun.com/cyg0810/article/details/8192579




### 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
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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