单源最短路径——dijkstra

本文介绍了一种经典的单源最短路径算法——Dijkstra算法,并提供了一个详细的C++实现示例。该算法通过不断地选择未被访问过的最短路径顶点来逐步构建最短路径树,最终得到所有顶点到起点的最短路径。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

dijkstra的单源最短路径。如题,
dijkstra就是蓝白点思想(我自己还没有完全搞懂不会写讲解的,等我会讲解了再重编辑这篇博客。)
代码如下

单源最短路径
dijkstra其实就是选一个起始点,从起始点开始遍历剩余的点,求出所有的点到起始点的距离,其中最短的就是最短路径。

//Writer:jr HSZ;%%%WJMZBMR
#include<iostream>
#include<cstdio>
#include<cstring>
#include<cmath>
#include<algorithm>
#include<cstdlib>
#define f(i,a,b) for(register int i=a;i<=b;i++)
using namespace std;
struct Edge {
    int next,to,val;
} edge[500005];
int cnt;
int head[500005];
void add(int bg,int ed,int v) {
    edge[++cnt].to=ed;
    edge[cnt].next=head[bg];
    edge[cnt].val=v;
    head[bg]=cnt;
}
int n,m,a,s,b,c;
int dis[10005];
bool vis[10005];
int main() {
    memset(dis,0x3f,sizeof dis);
    memset(head,-1,sizeof head);
    scanf("%d%d%d",&n,&m,&s);
    f(i,1,m) {
        scanf("%d%d%d",&a,&b,&c);
        add(a,b,c);//有向图&邻接表存图
    }
    dis[s]=0;//dijkstra的日常预备
    f(i,1,n) {
        int minn=0x3f3f3f;
        int k=0;
        f(j,1,n) {
            if(!vis[j]&&dis[j]<minn) {
                minn=dis[j];
                k=j;
            }
        }
        if(k==0) {
            break;
        }
        vis[k]=1;
        for(register int j=head[k]; j!=-1; j=edge[j].next)      {//遍历邻接表
            if(!vis[edge[j].to]&&dis[edge[j].to]>
            (edge[j].val+dis[k])) {/*如果这个点没有被更新过且这个点到
            起始点的现距离大于刚更新的那个点到起始点的距离加这个点和前一个
            点连接的边的权值则更新这个点。*/
                dis[edge[j].to]=edge[j].val+dis[k];
            }
        }
    }
    f(i,1,n) {
        if(dis[i]==0x3f3f3f3f) {
            printf("2147483647 ");
        } else printf("%d ",dis[i]);//输出
    }
    return 0;
}

离字典,将起始节点的距离设为0,其他节点的距离设为无穷大 distances = {node: sys.maxsize for node in graph} distances[start] = 0 # 初始化已访问节点的集合和未访以下是使用问节点D的集ijkstra合 visited = set() unvisited算法求解最短路径的Python = set(graph) while unvisited: # 代码示例: ```python class D选择当前ijkstra距: def __init__(self, graph离最小的节点 , start, current goal): self.graph = graph # 邻接表_node = min(unvisited, key=lambda self node: distances[node]) # 更新.start = start当前节点的 # 起邻居节点点 self.goal =的距离 goal # 终点 for neighbor in graph self.open[current_node]: _list = {} if neighbor in # open 表 self.closed_list unvisited: new_distance = distances[current_node] + = {} graph[current_node][neighbor # closed 表 self.open_list[start] if new_distance] = < distances[neighbor]: 0.0 # 将 distances[neighbor] = new_distance # 将当前起点放入 open_list 中 self.parent = {节点标记start:为已访 None} 问,并从未访问集合中移除 visited.add # 存储节点的父子关系。键为(current_node) 子节点, unvisited值为父.remove(current_node) return节点。方便做最 distances def print后_path(dist路径的ances,回 start溯 self.min, end): _dis = None # 根 # 最短路径的长度 def shortest_path据距离字典和终点节点(self): while True: ,逆向 if self打印路径.open_list is path = [end None: ] print('搜索 current_node =失败 end while current_node !=, 结束!') break distance start: , min_node = for neighbor in graph min(zip[current_node]: if(self.open_list distances[current.values(), self_node] ==.open_list.keys distances[neighbor())) #] + graph 取出距[neighbor][current_node]: 离最小的节点 self path.open_list.pop.append(min_node)(neighbor) current_node = neighbor break path.reverse() # 将其从 open_list 中去除 self print.closed("_list[minShortest_node] = path from", distance # 将节点加入 closed start, "to", end,_list ":", "->".join(path)) # 示例 中 if min_node == self.goal: # 如果节点为图的邻接矩阵终点 self.min_dis = distance 表示 graph shortest = { _path = [ 'Aself.goal]': {'B': # 5, 'C 记录从': 终1}, 点回溯的路径 'B
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