Dijkstra 算法

迪杰斯特拉算法(Dijkstra)是由荷兰计算机科学家狄克斯特拉于1959年提出的,因此又叫狄克斯特拉算法。是从一个顶点到其余各顶点的最短路径算法,解决的是有权图中最短路径问题。迪杰斯特拉算法主要特点是从起始点开始,采用贪心算法策略,每次遍历到始点距离最近且未访问过的顶点的邻接节点,直到扩展到终点为止。

#include <iostream>
#include <string>
#include <sstream>
#include <cstring>

using namespace std;


#define N 5
#define INF 0x3f3f3f

int dis[N];
bool visit[N];
int pre[N];

// void Dijkstra(int s) //建表过程 ,建立图中所有点与s的最短路径
int Dijkstra(int s,int e,int map[N][N])//s->e的最短路径
{
	memset(visit, false, sizeof(visit));
	memset(dis, INF, sizeof(dis));
	memset(pre, -1, sizeof(pre));

	dis[s] = 0;

	for (int i = 0; i < N; i++)
	{
		dis[i] = map[s][i];
		pre[i] = s;
	}
	//

	//建表操作
	for (int i = 0; i < N; i++)
	{
		int distemp = INF;
		int indextemp;
		//找一个最近点 遍历所有点
		for (int j = 0; j < N; j++)
		{
			if ( !visit[j] && dis[j] < distemp)
			{
				distemp = dis[j];
				
				indextemp = j;
			}
		}
		visit[indextemp] = true; //标记访问过

		//	第二次遍历 目的是优化
		for (int j = 0; j < N; j++) 
		{
			if (!visit[j] && dis[j] > map[indextemp][j] + distemp) 
                        //言外一直 a->d的直接距离 大于 a->index->d
			{
				dis[j] = map[indextemp][j] + distemp;
				pre[j] = indextemp;//前驱点更新 
			}
		}
	}
	//所有遍历完,表就建好了,有用的主要是前驱表pre[]和距离表dis[]
	return dis[e];
}

void prin(int i,int s)
{
	cout << pre[i] << "<-";
	if(pre[i]!=s)
		prin(pre[i],s);
}
int main()
{
	int map[5][5] =
		{
			{0, 6, INF, 1, INF}, //不直接相连的点距离就是无穷大
			{6, 0, 5, 2, 2},
			{INF, 5, 0, 5, INF},
			{1, 2, INF, 0, 1},
			{INF, 2, 5, 1, 0},
		};

	int res = Dijkstra(0,2,map); 

	cout << res << endl;

	cout << "2";
	prin(2,0);
	return 0;
}

 

 

 

### 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