dijkstra算法

Dijkstra算法详解
本文介绍Dijkstra算法的基本原理及步骤,通过示例演示如何求解图中两点间的最短路径,并提供C++实现代码。

dijkstra算法用于求图的指端路径

dijkstra 是由狄克斯特拉提出的算法,又称迪杰斯特拉算法,在记名字的时候可以通过音译来记

2.步骤:

    注:S为走过的顶点, U为没走过的

    (1)刚开始,将所有顶点分为两个顶点集,顶点集S只包含源点v(v就是起始位置,为已经走过的顶点),
        顶点集U包含除v之外的所有顶点,源点v到U中的顶点x的距离为边上的权(如果x不是v出边的邻接点,则设为∞)
    (2)从U中选取一个顶点u,他是源点v到U中距离最小的一个,然后把顶点u加入顶点集S中
    (3)以顶点u为新考虑的顶点,修改源点v到U中各顶点j的距离,若从源点v到顶点j经过顶点u的距离比之前不经过顶点u的距离更短,则修改源点v到顶点j的最短距离值
      (4)重复2/3步骤,直到U为空即可

例题

题目

输出从点1出发到每一个顶点的最短路径

输入格式:

第一行是2个整数n和m,分别表示图中的顶点个数和边数接下来m行,每行输入3个用空格隔开的数,表示边的起点、终点、边的长度 。

输出格式:

n-1行,按照顶点编号从大到小的顺序,每行输出原点1到一个顶点的最短距离的路径。

输入样例:

6 9
1 2 2
1 4 1
2 3 5
2 4 3
2 5 4
3 6 10
3 5 12
4 5 3
5 6 6

 输出样例:

0   2   7   1   4   10

根据dijkstra算法

代码如下

#include <iostream>
#define N 100

int maxV=0x7fffffff;
int n,m,used; 
bool visited[N];
int edge[N][N],dist[N];
using namespace std;


void dijkstra(){
    for(int j=1;j<n;j++){
       int minV=maxV;
       for(int i=1;i<=n;i++){
        if(!visited[i]&&dist[i]<minV){
            minV=dist[i];
            used=i;
        }
       }

    visited[used]=true;
    for(int x=1;x<=n;x++){
        if(edge[used][x]<maxV){
        if(dist[x]>dist[used]+edge[used][x]){
            dist[x]=dist[used]+edge[used][x];
        }
        }
    }
}

}
int main()
{
    // 初始化边的矩阵
    cin>>n>>m;
    for(int i=1;i<=n;i++){
        for(int j=1;j<=n;j++){
            if(i==j){
                edge[i][j]=0;
            }else{
                edge[i][j]=maxV;
            }
        }
    }

    //输入每条边
    for(int i=1;i<=m;i++){
        int x,y,d;
        cin>>x>>y>>d;
        edge[x][y]=d;
    }
    // 初始化dist数组并标记1节点
    for(int i=1;i<=n;i++){
        dist[i]=edge[1][i];
    }
    visited[1]=true;
    dist[1]=0;

    //调用 -迪杰(狄克).斯特拉算法
    dijkstra();
    for(int i=1;i<=n;i++){
        cout <<dist[i]
        <<"   ";
    }
    return 0;
}

结果如下

 谢谢观看

### 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