[数据结构]Dijkstra算法求单源最短路径

概念

  求带权有向图中某个源点到其余各个顶点的最短路径,最常用的是Dijkstra算法。该算法设置一个集合S记录已求得的最短路径的顶点,可用一个数组s[]来实现,初始化为0,当s[Vi]=1时表示将顶点Vi放入S中,初始时把源点V0放入S中。此外,在构造过程中还设置了两个辅助数组:
  dist[]:记录了从源点v0到其他各个顶点当前的最短路径长度,dist[i]初值为arcs[V0][i]。
  path[]:path[i]表示从源点到顶点i之间的最短路径的前驱结点,在算法结束时,可根据其值追溯得到源点V0到定点Vi的最短路径。
  假设从定点0出发,即V0=0,集合S最初只包含顶点0,邻接矩阵arcs表示带权有向图,arcs[i][j]表示有向边

实例及解析

这里写图片描述

  这里写图片描述

分析步骤(注意这是个有向图!):

  1. 第一趟,由于我们从V1开始,可以直接遍历到V2,V5;我们可以看到V1-V2的权值为10,V1-V5的权值为5,所以我们选最短的那一条路径,即V1-V5。
  2. 第二趟,我们可以从V1,V5,可以直接遍历到V2,V3,V4;V5-V2的权值为8(我们也可以从v1-v2,但是从v1-v5-v2的路径更短),V5-V3的权值为14,V5-V4的权值为7,我们选择最短的那一条路径,即V5-V4。
  3. 第三趟,我们可以从V1,V5,V4出发,可以遍历到V2,V3;V1-V5-V2为8,V1-V5-V4-V3为13,所以选最短的那一条,即V1-V5-V2为8。
  4. 第四趟,只剩下最后一个顶点,也就是V3,从V1-V5-V2-V3路径长度为9,遍历完成。

算法复杂度

  这个算法的时间复杂度为O(|V|²),如果要找出所有结点对之间的最短距离,则需要对每个结点运行一次Dijkstra算法,时间复杂度为O(|V|³)

注意

 如果边上带有负权值,Dijkstra算法并不使用。若允许边上带有负权值,则可能出现当与S内某点以负边连接的点确定其最短路径时,它的最短路径加上这条负边的权值结果可能小于a原先确定的最短路径长度,而此时a在Dijkstra算法下是无法更新的。
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Dijkstra算法是一种用于计算单源最短路径的贪心算法。该算法的基本思想是从起点开始,逐步向外扩展搜索范围,直到找到终点为止。在搜索过程中,我们会维护一个距离数组,用于记录每个节点到起点的最短距离,同时还需要维护一个标记数组,用于标记哪些节点已经被访问过。 以下是使用C语言实现Dijkstra算法计算单源最短路径的代码示例: ```c #include <stdio.h> #include <limits.h> #define V 6 // 图中的节点数 int minDistance(int dist[], int visited[]) { int min = INT_MAX, min_index; for (int i = 0; i < V; i++) { if (visited[i] == 0 && dist[i] <= min) { min = dist[i]; min_index = i; } } return min_index; } void dijkstra(int graph[V][V], int start) { int dist[V]; // 用于记录每个节点到起点的最短距离 int visited[V]; // 用于标记哪些节点已经被访问过 for (int i = 0; i < V; i++) { dist[i] = INT_MAX; visited[i] = 0; } dist[start] = 0; for (int i = 0; i < V - 1; i++) { int u = minDistance(dist, visited); visited[u] = 1; for (int v = 0; v < V; v++) { if (!visited[v] && graph[u][v] && dist[u] != INT_MAX && dist[u] + graph[u][v] < dist[v]) { dist[v] = dist[u] + graph[u][v]; } } } printf("节点\t距离\n"); for (int i = 0; i < V; i++) { printf("%d\t%d\n", i, dist[i]); } } int main() { int graph[V][V] = { {0, 4, 0, 0, 0, 0}, {4, 0, 8, 0, 0, 0}, {0, 8, 0, 7, 0, 4}, {0, 0, 7, 0, 9, 14}, {0, 0, 0, 9, 0, 10}, {0, 0, 4, 14, 10, 0} }; dijkstra(graph, 0); return 0; } ``` 上述代码中,我们首先定义了一个6个节点的图,并将其表示为邻接矩阵的形式。接下来,我们定义了`minDistance`函数,用于查找距离起点最近的未访问节点。然后,在`dijkstra`函数中,我们初始化距离数组和标记数组,然后从起点开始,依次查找距离起点最近的节点,并更新与该节点相邻的节点的距离。最后,输出每个节点到起点的最短距离。 在上述示例中,我们使用了邻接矩阵来表示图,这种方式适用于节点数较少的情况。当节点数较多时,可以考虑使用邻接表或其他数据结构来表示图。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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