Dijkstra算法

#include <iostream>
#include <cstring>

#define MAXI 105
#define INF 0x3f3f3f
using namespace std;

int a[MAXI][MAXI];    //无向图
int dist[MAXI];        //到各个点的最短路径
int n,m;        //顶点数和边数
int prev[MAXI];        //路径

void Dijkstra(int v0)
{
    bool s[MAXI];        //顶点集合
    for(int i=1;i<=n;i++)    //初始化
    {
        s[i]=false;
        dist[i]=a[v0][i];
        if(a[v0][i]<INF)
            prev[i]=v0;
        else
            prev[i]=-1;
    }
    dist[v0]=0;
    s[v0]=true;
    for(int i=2;i<=n;i++)
    {
        int u=v0;
        int maxx=INF;
        for(int j=1;j<=n;j++)
            if(!s[j]&&dist[j]<maxx)
            {
                u=j;
                maxx=dist[j];
            }
        s[u]=true;
        for(int j=1;j<=n;j++)
        {
            if(!s[j]&&a[u][j]<INF)
            {
                if(dist[j]>dist[u]+a[u][j])
                {
                    dist[j]=dist[u]+a[u][j];
                    prev[j]=u;
                }
            }
        }
    }
}
void creat()
{
    for(int i=1;i<=n;i++)
        for(int j=1;j<=n;j++)
            a[i][j]=INF;
    for(int i=1;i<=n;i++)
        a[i][i]=0;
}

int main()
{
    int t;
    int w,u,v;
    cin>>n>>m;
    creat();
    for(int i=0;i<m;i++)
    {
        cin>>u>>v>>w;
        a[u][v]=w;
        a[v][u]=w;
    }
    Dijkstra(1);
    for(int i=1;i<=n;i++)
        cout<<dist[i]<<" ";
    t=7;
    while(t!=1)
    {
        cout<<prev[t]<<"->";
        t=prev[t];
    }
    return 0;
}
/*
7 12
1 2 7
1 3 9
1 6 14
2 3 10
2 4 15
3 4 11
3 6 2
4 5 6
5 6 9
7 4 7
7 5 5
7 6 3
*/

 

posted on 2017-03-29 18:58 asuml 阅读( ...) 评论( ...) 编辑 收藏
### 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
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