加权图的单源最短路径问题——解法:DijKstra算法

2024-04-25 19:38

本文主要是介绍加权图的单源最短路径问题——解法:DijKstra算法,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

问题都是老生常谈,不再介绍,此处给出算法思想(自己总结的,别人写好的)、以及代码实现。

1、自己总结算法思想

记新加入顶点的集合为S,余下顶点的集合为V-S.

         i、取一个起始顶点,加入S中。

         ii、从V-S集合中,寻找出最短路径距离信息的结点,加入S集合中

         iii、对新加入S中的顶点,更新新加入顶点到V-S中邻接顶点的路径距离信息,若无相应路径则转步骤3(只有当路径信息变小时才更新哈,并记录此时已更新路径信息结点的前驱结点(方便输出呢),与prim算法区别的是,此处是对新加入的结点,更新的是路径距离信息(即所谓从源点到新加入结点的邻接结点的路径权值之和))。

         iv、重复2、3步骤,直至S集合中顶点个数为图中所有顶点个数。

2、借鉴他人总结的算法思想

090644t797fce7n20of7j9.png

 

       与Floyd-Warshall算法一样这里仍然使用二维数组e来存储顶点之间边的关系,初始值如下。

090651l6pt4666tptut66u.png

 

       我们还需要用一个一维数组dis来存储1号顶点到其余各个顶点的初始路程,如下。

090657ofidcactthcig33i.png

 

       我们将此时dis数组中的值称为最短路的“估计值”。

       既然是求1号顶点到其余各个顶点的最短路程,那就先找一个离1号顶点最近的顶点。通过数组dis可知当前离1号顶点最近是2号顶点。当选择了2号顶点后,dis[2]的值就已经从“估计值”变为了“确定值”,即1号顶点到2号顶点的最短路程就是当前dis[2]值。为什么呢?你想啊,目前离1号顶点最近的是2号顶点,并且这个图所有的边都是正数,那么肯定不可能通过第三个顶点中转,使得1号顶点到2号顶点的路程进一步缩短了。因为1号顶点到其它顶点的路程肯定没有1号到2号顶点短,对吧O(∩_∩)O~

       既然选了2号顶点,接下来再来看2号顶点有哪些出边呢。有2->3和2->4这两条边。先讨论通过2->3这条边能否让1号顶点到3号顶点的路程变短。也就是说现在来比较dis[3]和dis[2]+e[2][3]的大小。其中dis[3]表示1号顶点到3号顶点的路程。dis[2]+e[2][3]中dis[2]表示1号顶点到2号顶点的路程,e[2][3]表示2->3这条边。所以dis[2]+e[2][3]就表示从1号顶点先到2号顶点,再通过2->3这条边,到达3号顶点的路程。

       我们发现dis[3]=12,dis[2]+e[2][3]=1+9=10,dis[3]>dis[2]+e[2][3],因此dis[3]要更新为10。这个过程有个专业术语叫做“松弛”。即1号顶点到3号顶点的路程即dis[3],通过2->3这条边松弛成功。这便是Dijkstra算法的主要思想:通过“边”来松弛1号顶点到其余各个顶点的路程。

 

       同理通过2->4(e[2][4]),可以将dis[4]的值从∞松弛为4(dis[4]初始为∞,dis[2]+e[2][4]=1+3=4,dis[4]>dis[2]+e[2][4],因此dis[4]要更新为4)。

       刚才我们对2号顶点所有的出边进行了松弛。松弛完毕之后dis数组为:

090706vmjy7l2ee2lyalia.png

 

       接下来,继续在剩下的3、4、5和6号顶点中,选出离1号顶点最近的顶点。通过上面更新过dis数组,当前离1号顶点最近是4号顶点。此时,dis[4]的值已经从“估计值”变为了“确定值”。下面继续对4号顶点的所有出边(4->3,4->5和4->6)用刚才的方法进行松弛。松弛完毕之后dis数组为:

090714f2p1wppynngj2pep.png

 

       继续在剩下的3、5和6号顶点中,选出离1号顶点最近的顶点,这次选择3号顶点。此时,dis[3]的值已经从“估计值”变为了“确定值”。对3号顶点的所有出边(3->5)进行松弛。松弛完毕之后dis数组为:

090722ywunackk35i8cni5.png

 

       继续在剩下的5和6号顶点中,选出离1号顶点最近的顶点,这次选择5号顶点。此时,dis[5]的值已经从“估计值”变为了“确定值”。对5号顶点的所有出边(5->4)进行松弛。松弛完毕之后dis数组为:

090730eq6oqzyq7laqha9y.png

 

       最后对6号顶点所有点出边进行松弛。因为这个例子中6号顶点没有出边,因此不用处理。到此,dis数组中所有的值都已经从“估计值”变为了“确定值”。

       最终dis数组如下,这便是1号顶点到其余各个顶点的最短路径。

090738azt5clcozl899ekt.png

 

       OK,现在来总结一下刚才的算法。算法的基本思想是:每次找到离源点(上面例子的源点就是1号顶点)最近的一个顶点,然后以该顶点为中心进行扩展,最终得到源点到其余所有点的最短路径。基本步骤如下:

  • 将所有的顶点分为两部分:已知最短路程的顶点集合P和未知最短路径的顶点集合Q。最开始,已知最短路径的顶点集合P中只有源点一个顶点。我们这里用一个book[ i ]数组来记录哪些点在集合P中。例如对于某个顶点i,如果book[ i ]为1则表示这个顶点在集合P中,如果book[ i ]为0则表示这个顶点在集合Q中。

  • 设置源点s到自己的最短路径为0即dis=0。若存在源点有能直接到达的顶点i,则把dis[ i ]设为e[s][ i ]。同时把所有其它(源点不能直接到达的)顶点的最短路径为设为∞。

  • 在集合Q的所有顶点中选择一个离源点s最近的顶点u(即dis[u]最小)加入到集合P。并考察所有以点u为起点的边,对每一条边进行松弛操作。例如存在一条从u到v的边,那么可以通过将边u->v添加到尾部来拓展一条从s到v的路径,这条路径的长度是dis[u]+e[u][v]。如果这个值比目前已知的dis[v]的值要小,我们可以用新值来替代当前dis[v]中的值。

  • 重复第3步,如果集合Q为空,算法结束。最终dis数组中的值就是源点到所有顶点的最短路径。

3、代码实现(此处运用邻接矩阵存储图的信息)

#include<iostream>
#include<string.h>using namespace std;#define MAX 6      // point数量
#define INF_distance 0xFFFFFFFF/*
* Dijkstra最短路径。
* 即,统计图中"顶点"到其它各个顶点的最短路径。
*
* 参数说明:
*     adjMatrix      -- 邻接矩阵
*     startPoint     -- 起始顶点(start vertex)。即计算"顶点startPoint"到其它顶点的最短路径。
*     prePoint       -- 前驱顶点数组。prePoint[i]的值是"顶点startPoint"到"顶点i"的最短路径所经历的全部顶点中,位于"顶点i"之前的那个顶点。
*     dist           -- 长度数组。dist[i]是"顶点startPoint"到"顶点i"的最短路径的长度。
*/void dijkstra(unsigned int adjMatrix[][MAX], int startPoint, unsigned int prePoint[], unsigned int dist[]) {int i, k;unsigned int temp, min;bool flag[MAX]; flag[i]=1表示"顶点startPoint"到"顶点i"的最短路径已成功获取。for (i = 0; i < MAX; ++i) {flag[i] = false;prePoint[i] = 0;dist[i] = adjMatrix[startPoint][i];}//对超始点自身进行初始化flag[startPoint] = true;prePoint[startPoint] = 0;k = startPoint;//遍历,每次找出到一个顶点的最短距离for (i = 0; i < MAX; ++i) {min = INF_distance;for (int j = 0; j < MAX; ++j) {//寻找具有最短距离的结点if (!flag[j]&&dist[j] < min) { //不在S中,从startPoint到V-S结点集中距离最短的min = dist[j];k = j;}}flag[k] = true;//表明此结点已遍历,放入S集中for (int j = 0; j < MAX;++j) {//更新k的邻接点距离temp = adjMatrix[k][j] == INF_distance ? INF_distance : (adjMatrix[k][j] + min);//主要是为了计算出startPoint到k结点相邻结点的距离if (!flag[j] && temp < dist[j]) {dist[j] = temp;prePoint[j] = k;//记录前驱结点是为了方便输出信息}}}}void print(unsigned int prePoint[], unsigned int dist[], int startPoint, int endPoint) {if (endPoint == startPoint) {cout << startPoint << "," << dist[endPoint] << endl;return;}if (endPoint != startPoint) {print(prePoint, dist, startPoint, prePoint[endPoint]);cout << endPoint << "," << dist[endPoint] << endl;}
}int main() {unsigned int prePoint[MAX];unsigned int dest[MAX];unsigned int adjMatrix[MAX][MAX] = { { 0, 1, 12, INF_distance, INF_distance, INF_distance },{ INF_distance, 0, 9, 3, INF_distance, INF_distance },{ INF_distance, INF_distance, 0, INF_distance, 5, INF_distance },{ INF_distance, INF_distance, 4, 0, 13, 15 },{ INF_distance, INF_distance, INF_distance, INF_distance, 0, 4 },{ INF_distance, INF_distance, INF_distance, INF_distance, INF_distance, 0 } };memset(prePoint, 0, sizeof(prePoint));memset(dest, 0, sizeof(dest));dijkstra(adjMatrix, 0, prePoint, dest);print(prePoint, dest, 0, 5);cout << MAX - 1 << "," << dest[MAX - 1] << endl;return 0;
}

参考链接:

https://blog.csdn.net/heroacool/article/details/51014824

https://www.cnblogs.com/GnibChen/p/8875247.html

这篇关于加权图的单源最短路径问题——解法:DijKstra算法的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/935608

相关文章

springboot循环依赖问题案例代码及解决办法

《springboot循环依赖问题案例代码及解决办法》在SpringBoot中,如果两个或多个Bean之间存在循环依赖(即BeanA依赖BeanB,而BeanB又依赖BeanA),会导致Spring的... 目录1. 什么是循环依赖?2. 循环依赖的场景案例3. 解决循环依赖的常见方法方法 1:使用 @La

SpringBoot实现MD5加盐算法的示例代码

《SpringBoot实现MD5加盐算法的示例代码》加盐算法是一种用于增强密码安全性的技术,本文主要介绍了SpringBoot实现MD5加盐算法的示例代码,文中通过示例代码介绍的非常详细,对大家的学习... 目录一、什么是加盐算法二、如何实现加盐算法2.1 加盐算法代码实现2.2 注册页面中进行密码加盐2.

SpringBoot启动报错的11个高频问题排查与解决终极指南

《SpringBoot启动报错的11个高频问题排查与解决终极指南》这篇文章主要为大家详细介绍了SpringBoot启动报错的11个高频问题的排查与解决,文中的示例代码讲解详细,感兴趣的小伙伴可以了解一... 目录1. 依赖冲突:NoSuchMethodError 的终极解法2. Bean注入失败:No qu

MySQL新增字段后Java实体未更新的潜在问题与解决方案

《MySQL新增字段后Java实体未更新的潜在问题与解决方案》在Java+MySQL的开发中,我们通常使用ORM框架来映射数据库表与Java对象,但有时候,数据库表结构变更(如新增字段)后,开发人员可... 目录引言1. 问题背景:数据库与 Java 实体不同步1.1 常见场景1.2 示例代码2. 不同操作

Java时间轮调度算法的代码实现

《Java时间轮调度算法的代码实现》时间轮是一种高效的定时调度算法,主要用于管理延时任务或周期性任务,它通过一个环形数组(时间轮)和指针来实现,将大量定时任务分摊到固定的时间槽中,极大地降低了时间复杂... 目录1、简述2、时间轮的原理3. 时间轮的实现步骤3.1 定义时间槽3.2 定义时间轮3.3 使用时

如何解决mysql出现Incorrect string value for column ‘表项‘ at row 1错误问题

《如何解决mysql出现Incorrectstringvalueforcolumn‘表项‘atrow1错误问题》:本文主要介绍如何解决mysql出现Incorrectstringv... 目录mysql出现Incorrect string value for column ‘表项‘ at row 1错误报错

如何解决Spring MVC中响应乱码问题

《如何解决SpringMVC中响应乱码问题》:本文主要介绍如何解决SpringMVC中响应乱码问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录Spring MVC最新响应中乱码解决方式以前的解决办法这是比较通用的一种方法总结Spring MVC最新响应中乱码解

pip无法安装osgeo失败的问题解决

《pip无法安装osgeo失败的问题解决》本文主要介绍了pip无法安装osgeo失败的问题解决,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一... 进入官方提供的扩展包下载网站寻找版本适配的whl文件注意:要选择cp(python版本)和你py

Linux修改pip和conda缓存路径的几种方法

《Linux修改pip和conda缓存路径的几种方法》在Python生态中,pip和conda是两种常见的软件包管理工具,它们在安装、更新和卸载软件包时都会使用缓存来提高效率,适当地修改它们的缓存路径... 目录一、pip 和 conda 的缓存机制1. pip 的缓存机制默认缓存路径2. conda 的缓

解决Java中基于GeoTools的Shapefile读取乱码的问题

《解决Java中基于GeoTools的Shapefile读取乱码的问题》本文主要讨论了在使用Java编程语言进行地理信息数据解析时遇到的Shapefile属性信息乱码问题,以及根据不同的编码设置进行属... 目录前言1、Shapefile属性字段编码的情况:一、Shp文件常见的字符集编码1、System编码