Dijkstra算法(附代码理解)

1.Dijkstra算法概述

Dijkstra算法是一种经典的图论算法，用于计算一个顶点（源点）到图中其他所有顶点的最短路径。该算法由荷兰计算机科学家Edsger W. Dijkstra于1956年提出，适用于有向或无向图，且图中的边权重是非负的。Dijkstra算法的基本思想是从源点出发，逐步扩展到越来越远的顶点，直到覆盖整个图。在每一步中，算法都会选择一个尚未被访问的顶点，该顶点到源点的距离是已知的最短路径长度，然后更新与其直接相连的未被访问顶点的最短路径估计值. 

2. Dijkstra算法原理

2.1 核心概念

Dijkstra算法是一种图搜索算法，由荷兰计算机科学家艾兹格·迪科斯彻于1956年提出。它用于计算单个源点到所有其他顶点的最短路径。

• 算法特点：Dijkstra算法在图中的顶点之间存在非负权值的情况下，找出单个源点到所有其他顶点的最短路径。
• 应用场景：广泛用于路由协议和地图服务中，例如Google地图和Waze等导航软件。

2.2 算法逻辑

Dijkstra算法基于贪心策略，通过不断探索与源点更近的节点，逐步构建最短路径。

• 初始化：设置所有顶点的距离为无穷大，源点到自身的距离为0。
• 未访问集合：顶点集合分为已访问和未访问两部分，算法开始时只有源点在已访问集合内。
• 选择顶点：从未访问集合中选择一个具有最小距离的顶点作为当前顶点。
• 更新距离：更新从当前顶点可达的其它未访问顶点的最短路径估计值。
• 迭代：重复选择和更新步骤，直到所有顶点都被访问。

2.3 算法步骤

以下是Dijkstra算法的详细步骤，通常使用邻接矩阵或邻接表表示图。

1. 设置初始值：初始化所有顶点的距离为无穷大，源点的距离设置为0。
2. 标记访问状态：所有顶点的访问状态设为未访问。
3. 循环执行：
   • 从未访问顶点中选择具有最短路径估计的顶点，设为当前顶点。
   • 将当前顶点标记为已访问。
   • 遍历当前顶点的所有邻接顶点，计算经过当前顶点到达邻接顶点的距离，如果该距离小于邻接顶点当前的最短路径估计值，则更新该估计值。
4. 循环直到所有顶点被访问：重复上述步骤，直到所有顶点都被访问。

2.4 实现细节

Dijkstra算法的实现可以使用以下几种数据结构：

• 邻接矩阵：适用于稠密图，提供了快速的邻接关系访问。
• 优先队列（如最小堆）：用于快速选择未访问集合中的最小距离顶点。
• 距离数组：存储从源点到每个顶点的当前已知最短距离。

2.5 算法性能

Dijkstra算法的性能受以下因素影响：

• 图的稠密度：在稀疏图中，算法性能较好，因为邻接列表的使用减少了不必要的访问。
• 实现方式：使用优先队列可以提高算法效率，将时间复杂度从O(V^2)降低到O((V+E)logV)，其中V是顶点数，E是边数。

2.6 局限性与变种

Dijkstra算法不适用于以下情况：

• 存在负权边的图，此时Bellman-Ford算法更为适用。
• 实时或动态图，此时可能需要考虑使用其他算法，如Floyd-Warshall算法。

此外，存在多种优化和变种，如A*搜索算法，通过引入启发式信息来加快搜索过程。

3. Dijkstra算法优缺点

3.1 优点

Dijkstra算法以其简洁和高效的特性，在单源最短路径问题上被广泛应用。

• 简洁性：算法逻辑清晰，易于理解和实现。
• 精确性：在没有负权边的图中，Dijkstra算法能准确找到从起点到所有其他点的最短路径。
• 贪心策略：通过不断地选择当前最短的路径，逐步构建出最优解。
• 灵活性：适用于不同的数据结构，例如邻接矩阵或邻接表。

3.2 缺点

尽管Dijkstra算法在很多情况下表现出色，但它也存在一些限制和缺点。

• 负权边处理：算法不能正确处理包含负权边的图，因为这违反了算法的贪心选择假设。
• 时间复杂度：在最坏的情况下，算法的时间复杂度为，其中是顶点数。这在顶点数量较大时可能导致效率问题。
• 空间复杂度：尽管可以使用优先队列优化来降低时间复杂度，但这也增加了空间复杂度。
• 单源限制：Dijkstra算法仅适用于单源问题，如果需要找到所有点对的最短路径，则需要重复运行算法或使用其他算法如Floyd算法。

3.3 适用场景与改进

尽管存在限制，Dijkstra算法在适当的场景下依然非常有用，并且有一些方法可以改进其性能。

• 优先队列优化：使用优先队列（如最小堆）来选择当前最短路径的顶点，可以将时间复杂度优化到，其中是边数。
• 增量式Dijkstra：在某些应用中，图可能会动态变化，增量式Dijkstra算法可以在不重新计算整个图的情况下更新最短路径。
• 与其他算法结合：在需要处理大规模图或有特殊需求的场景下，可以考虑将Dijkstra算法与其他算法结合使用，例如A*搜索算法，通过引入启发式信息来提高效率。

在使用Dijkstra算法时，了解其优缺点有助于合理选择算法，并在需要时采取适当的优化措施。

4.C++实现示例 

#include <iostream> // 包含输入输出流的头文件
#include <vector>   // 包含动态数组的头文件
#include <queue>    // 包含队列的头文件
#include <climits>  // 包含整数类型极限的头文件

// 定义边的结构体，包含目标顶点和权重
typedef struct Edge {
    int target; // 边指向的顶点
    int weight; // 边的权重
    // 构造函数初始化target和weight
    Edge(int t, int w) : target(t), weight(w) {}
};

// 实现Dijkstra算法的函数
void dijkstra(const std::vector<std::vector<Edge>>& graph, int start) {
    // 存储从start到每个顶点的最短距离
    std::vector<int> distances(graph.size(), INT_MAX);
    int n = graph.size(); // 图的顶点数
    distances[start] = 0; // 源点到自身的距离为0

    // 使用优先队列（最小堆）存储边，按权重排序
    std::priority_queue<Edge, std::vector<Edge>, std::greater<Edge>> pq;
    pq.push(Edge(start, 0)); // 将源点加入队列

    while (!pq.empty()) { // 循环直到优先队列为空
        Edge closest = pq.top(); // 获取权重最小的边
        pq.pop(); // 从队列中移除该边

        // 如果当前边的权重大于已知的最短距离，则跳过
        if (closest.weight > distances[closest.target]) continue;

        // 遍历与当前顶点相连的所有边
        for (const Edge& edge : graph[closest.target]) {
            int new_distance = distances[closest.target] + edge.weight;
            // 如果新计算的距离小于已知的最短距离，则更新它
            if (new_distance < distances[edge.target]) {
                distances[edge.target] = new_distance;
                pq.push(Edge(edge.target, new_distance)); // 将新的边加入优先队列
            }
        }
    }

    // 输出从源点start到每个顶点的最短路径结果
    for (int i = 0; i < distances.size(); i++) {
        if (distances[i] == INT_MAX) // 如果没有路径，则输出"No path"
            std::cout << "No path from " << start << " to " << i << std::endl;
        else // 否则输出最短距离
            std::cout << "Shortest distance from " << start << " to " << i << " is " << distances[i] << std::endl;
    }
}

int main() {
    // 创建一个图的邻接表表示，其中包含边和权重
    std::vector<std::vector<Edge>> graph = {
        {Edge(1, 1), Edge(3, 4)},
        {Edge(0, 1), Edge(2, 2), Edge(4, 5)},
        {Edge(1, 2), Edge(3, 3)},
        {Edge(2, 1), Edge(4, 2)},
        {Edge(1, 5), Edge(3, 2)}
    };

    // 调用dijkstra函数，从顶点0开始计算最短路径
    dijkstra(graph, 0);
    return 0; // 主函数返回
}