dijkstra算法

本文详细介绍了一种用于寻找图中两点间最短路径的经典算法——Dijkstra算法。文章通过实例演示了算法的具体步骤,并提供了实现该算法的C++代码。

dijkstra是一种求单元最短路径的方法。

dis[i]表示源点到i点的最短距离,T集合表示已处理完的点,源点到T中的点的最短距离就是dis[i]。

通过贪心的方法,先将源点至i点的距离从图中拷到dis[i](源点至i点没有路径则设成无限(INF),dis[源点]=0),然后将i点放进集合T,然后再将dis中最小的点(并且不在T里)u加入T,通过u点松弛各点(就是源点到u点再到各点,如果距离更近则更新),直到所有点都加入T。

举个例子:

各点之间的距离如表所示。

mapi=123456
j=10120INF50INFINF
2120010INFINF30
3INF10030INFINF
450INF300INF50
5INFINFINFINF0300
6INF30INF503000

首先:

i123456
dis[i]0120INF50INFINF
T1

dis中最小是4点(1点除外)

:4点至3点30,50+30=80,80<INF,dis[3]=80;

:4点至6点50,50+50=100,100<INF,dis[6]=100;

4加入T:

i123456
dis[i]01208050INF100
T14
最小是3点:


i123456
dis[i]0908050INF100
T134

然后2点:

i123456
dis[i]0908050INF100

T1234
接着6点:
i123456
dis[i]01208050INF100

i123456
dis[i]0908050400100
T12346

最后5点:

i123456
dis[i]0908050400100
T123456
结束
1点到各点:

123456
0908050400100

代码:

#define size 1000
#define INF 1000000000
#include <cstring>
#include <cstdio>
using namespace std;
int map[size + 1][size + 1];
int dis[size + 1];
int n;
void dijkstra(int begin){
    int i,j,pos,x;
    bool T[n + 1];
    for(i = 1; i <= n; i ++)
        dis[i] = map[begin][i];
    dis[begin] = 0;
    memset(T,0,sizeof(T));
    T[begin] = 1;
    for(i = 2; i <= n; i ++){
        x = INF;
        pos = INF;
        for(j = 1; j <= n; j ++)
            if(! T[j])
                if(dis[j] < x){
                    pos = j;
                    x = dis[j];
                }
        if(pos == INF)
            break;
        T[pos] = 1;
        for(j = 1; j <= n; j ++)
            if(! T[j])
                if(dis[j] > dis[pos] + map[pos][j])
                    dis[j] = dis[pos] + map[pos][j];
    }
}
int main(){
    int i,j;
    scanf("%d",& n);
    for(i = 1; i <= n; i ++)
        for(j = 1; j <= n; j ++){
            scanf("%d",map[i] + j);
            if(map[i][j] == -1)
                map[i][j] = INF;
        }
    dijkstra(1);
    for(i = 1; i <= n; i ++)
        printf("1->%d:%d\n",i,dis[i]);
    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