零零散散学算法之详解几种最短路径

深入解析最短路径算法

正文
 
第一节 问题的提出及解决方法
       所谓最短路径问题，可以说有两种情况来描述。
       描述一：在图论中，指的是寻找图中两个节点之间的最短距离。如下图

       描述二：在现实生活中，指的是找到从一个地方到另一个地方的最近距离。如下图

       上述两种情况的本质是一样的，即求一个点到另一个点的最短路径。好了，问题已经提出来了，那怎么解决呢？解决该问题的方法还是比较多的，不过由于各个路径算法所对应的问题条件不同，我们可根据不同的情况，选择不同的路径算法。
       本文将介绍三种最短路径算法，分别是：戴克斯特拉算法（Dijkstra algorithm），弗洛伊德算法（Floyd algorithm）以及A*搜索算法。

第二节 戴克斯特拉算法（Dijkstra algorithm）
       该算法解决的是有向图中单个源点到其他顶点的最短路径问题。

戴克斯特拉算法的实现过程如下：
       第一步：用带权的矩阵WeiArcs来表示带权有向图，如果图中的两个顶点vi和vj是连通的，则用WeiArcs[i][j]表示这两个顶点所形成边的权值；如果vi和vj不连通，即<vi,vj>这条边不存在，那么将WeiArcs[i][j]置为∞。
       第二步：设S为已求得的从某一顶点v始发的最短路径的终点的集合，且S的初始状态为空，初始化时，将始发顶点置于S集合中。那么从v出发到图中其余各个顶点vi可能达到的最短路径长度的初值为D[i]。
       第三步：选择一顶点vj,使得vj就是当前求得的一条从顶点v出发的最短路径的终点。此时令S = S ∪ {vj}。
       第四步：修改从v出发到集合V-S（V为图顶点的集合&#