算法 - 最短路径（二）- Dijkstra

Dijkstra算法是典型的 单源最短路径算法，用于计算一个节点到其他所有节点的最短路径。
 

算法思路

Dijkstra算法是一种类似于贪心的算法，步骤如下：

1. 首先指定一个节点，比如说V₀，要计算V₀到其他节点的最短路径。

2. 设置两个集合S和U：

   S中存放已找到的最短路径的顶点，初始时，集合S中只有一个顶点，即V₀。

   U中存放当前还未找到最短路径的点，初始时，集合U中存放除了V₀以外的所有点。

3. 在U中选取一个距离V₀最近的点，并认为那个点到V₀的距离为最短路径，将选中的点（设为V₁）放入集合S中。

4. 把V₁当做中间节点，更新集合U中的各顶点的距离（遍历V₁的出点）：if ( 'V1 到 Vn 的距离' + 'V1 到 V0 距离' < 'V0 到 Vn 的距离' )，则更新U。

5. 重复第3、第4步骤，直到所有节点都包含在S中，则遍历结束。

此处有一张帮助理解的动态图：

 

算法分步图解

若存在一个有权图如下图所示：

1. 首先我们选定节点A作为原点，并初始化S和U两个集合：

2. 执行上述第3、4步骤：

   1. 在U中选取一个距离1号节点最近的点：3号节点，并认为3号节点到1号节点的距离为最短路径，将3号节点点放入集合S中。
   2. 把3号节点当做中间节点，更新集合U中的各顶点的距离（遍历3号节点的出点），并更新U。

3. 接着继续在U中选择距离1号节点最近的节点：2号节点。将2号节点放入S集合中，并更新U集合中的值。由于此时以2号节点为中转点并不能减少U中其他节点到1号节点的距离，所以U中的值不会改变。

   

4. 继续重复上述步骤：将4号节点选入S中。

   

5. 执行到最后一步是，由于U中只有5号节点，所以5号节点理所当然被选进S集合，此时算法结束：

算法实现

dist[i]表示当前找到的从源点v₀出发到终点v_i的最短路径的长度，初始化时，dist[i] = edge[v₀][i]

S[i]为0表示顶点v_i是否被加入到集合S中，初始化时S[v₀]=1，其余为0

path[i]表示v₀到v_i的最短路径上顶点v_i的前一个顶点序号。采用“倒向追踪”方法，确定v₀到v_i的最短路径上的每个顶点

初始化：dist[k] = edge[v₀][k]v0是源点S[v₀]=1

递推：
　　u = min{dist[t]}s[v_t] = 0;

u表示当前T集合中dist数组元素值最小的顶点的序号，以后u加入集合S。

dist[k] = min(dist[k], dist[u] + edge[u][k])S[v_k] = 0;
 

代码实现

void Dijkstra(Vertex s)
{
    while(1){
        V = 未收录顶点中dist最小者；
        if(不存在这样的V)
            break;
        collected[V] = true;			//true表示收录进S集合
        for (V的每个邻接点W)
            if(collected[W] == false)
                if(dist[V]+E<v,w> < dist[W]){	//更新U集合
                    dist[W] = dist[V] + E<v,w>;
                    path[W] = V;				//记录路径
                }
    }
}

 

算法分析

Dijkstra有一个不足之处，那就是此算法不能计算负权边，要解决负权边，需要用到bellman-ford算法。

如上图，如果用Dijkstra算法的话就会出错：从1号节点开始，第一步dist[2] = 7, dist[3] = 5;在其中找出最小的边是dist[3] = 5;然后更新dist[2] = 0，最终得到dist[2] = 0,dist[3] = 5，而实际上dist[3] = 2；所以如果图中含有负权值，Dijkstra失效。

这个算法的复杂度是O(n²)，空间复杂度也是n²，但通过优先队列优化，可将复杂度将至O(nlog(n))。