OSPF协议之Dijkstra最短路算法

OSPF协议之Dijkstra最短路算法

原理描述

本章将会介绍OSPF协议中常常提到的SPF算法。这个SPF算法具体来说就是Dijkstra最短路算法。最短路算法指的是一个点到其余各个顶点的最短路径,也叫作“单源最短路径”。

在这里插入图片描述

在这里使用二维数组e来存储顶点之间边的关系,初始值如下:

在这里插入图片描述

我们还需要一个一维数组dis来存储1号顶点到其余各个顶点的初始路程:

dis123456
0112

此时dis数组中的值称为最短路的“估计值”。

根据Dijkstra最短路算法的目的与结合本章举出的具体例子,首先求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号最近的是2号顶点。因此dis[2]就从“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dis[2]的值。因为目前离1号最近的是2号,并且这个图所有的边都是正数,那么不可能通过第三个顶点中转而使得1号到2号的路程进一步缩短。

选择2号顶点后,观察2号顶点可以到达哪些顶点。观察得到2号顶点可以通过2->3、2->4这两条边。先讨论通过2->3这条边能否让1号到3号顶点的路程变短。具体表达式表示为比较dis[3]和dis[2]+e[2][3]的大小。其中dis[3]表示1号到3号顶点的路程。dis[2]表示1号到2号顶点的路程,e[2][3]表示2->3这条边的开销。所以dis[2]+e[2][3]表示从1号到2号顶点,再从2->3这条边到达3号顶点的路程。

通过二维数组得知,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。因此Dijkstra算法的主要思想就是通过“边”来松弛1号顶点到其余各个顶点的路程。

同理通过2->4,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。

通过对2号顶点所有的出边进行了松弛,松弛完毕之后的dis数组为:

dis123456
01104

紧接着需要在剩下的3、4、5和6号顶点中选出离1号顶点最近的顶点。通过上面更新后的dis数组,当前离1号顶点最近的是4号顶点。dis[4]已经由“估计值”变为了确定值。因此对4号顶点所有出边(4->3,4->5,4->6)用同样的方法进行松弛。松弛完毕之后dis数组为:

dis123456
01841719

继续在剩下的3、5、6号顶点中选出离1号最近的顶点。本次选择3号顶点,此时dis[3]的值已经从“估计值”变成了“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:

dis123456
01841319

继续再剩下的5号和6号定点中,选出离1号最近的顶点。本次选择5号,此时dis[5]的值从“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。松弛完毕后dis数组为:

dis123456
01841317

最后对6号顶点出边进行松弛。本例中6号顶点没有出边,因此不用处理。至此,dis数组中所有的值都从估计值变成了确定值。

总结

Dijkstra算法基本思想就是每次找到距离源点最近的一个顶点,然后以该顶点为中心进行扩散,最后得到源点到其余所有点的最短路径。

  1. 将所有顶点分为两部分: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。开始,集合P中只有源点一个顶点。我们用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]=1,则表示这个顶点在集合P中,如果book[i]=0则表示这个顶点在集合Q中。
  2. 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]设置为e[s][i]。同时把所有其他(源点不能直接到达的)顶点的最短路径设为∞。
  3. 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中。并考察所有以点u为起点的出边,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dis[v]中的值,否则忽略。
  4. 重复step3,如果集合Q为空,则算法结束。最终dis数组中的值就是源点到所有顶点的最短路径。

算法实现

代码部分后续会补充

  • 7
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
抱歉,我不能提供完整的基于GA遗传优化和OSPF协议的WSN最短路算法Matlab源代码,但是我可以提供一些代码片段,希望能对您有所帮助。 以下是一个简单的遗传算法的实现: ```matlab % 遗传算法的参数设置 popsize = 100; % 种群大小 mutrate = 0.01; % 变异率 elite = 0.1; % 精英率 generations = 50; % 迭代次数 % 初始化种群 population = zeros(popsize, num_nodes); for i = 1:popsize population(i, :) = randperm(num_nodes); end % 迭代 for i = 1:generations % 计算适应度 fitness = zeros(popsize, 1); for j = 1:popsize fitness(j) = calculateFitness(population(j, :)); end % 选出精英个体 [sorted_fitness, idx] = sort(fitness, 'ascend'); elite_num = round(elite * popsize); elite_population = population(idx(1:elite_num), :); % 生成新的种群 new_population = zeros(popsize, num_nodes); new_population(1:elite_num, :) = elite_population; for j = elite_num+1:popsize % 选择两个父代 parent1 = selectParent(population, fitness); parent2 = selectParent(population, fitness); % 交叉产生子代 child = crossover(parent1, parent2); % 变异 if rand < mutrate child = mutate(child); end new_population(j, :) = child; end population = new_population; end ``` 以上代码是一个简单的遗传算法的实现,其中包括种群初始化、适应度计算、精英选择、交叉和变异等操作。需要根据具体的问题进行修改和拓展。 以下是一个简单的OSPF协议的实现: ```matlab % 构建拓扑图 topology = sparse(num_nodes, num_nodes); for i = 1:num_edges topology(edges(i, 1), edges(i, 2)) = edges(i, 3); topology(edges(i, 2), edges(i, 1)) = edges(i, 3); end % 计算最短路径 [dist, path] = graphshortestpath(topology, source_node, dest_node, 'Method', 'Dijkstra'); ``` 以上代码使用Matlab中的graphshortestpath函数来计算最短路径,需要提供拓扑图和起点、终点等信息。需要根据具体的问题进行修改和拓展。 综上所述,实现基于GA遗传优化和OSPF协议的WSN最短路算法的Matlab源代码需要将遗传算法OSPF协议结合起来,需要根据具体的问题进行修改和拓展。希望这些代码片段能对您有所帮助。

“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