Dijkstra算法 最短路径

Dijkstra算法思想

 Dikstra算法用于求单源点最短路径问题:给定有向图G=(V、E)和源点v∈V,求从v到G中其余各顶点的最短路径。
 Dikstra算法的基本思想是:将顶点集合V分成两个集合,一类是生长点的集合S,包括源点和已经确定最短路径的顶点;另一类是非生长点的集合V-S,包括所有尚未确定最短路径的顶点,并使用一个待定路径表,存储当前从源点v到每个非生长点的最短路径。初始时,S只包含源点v,对v∈V-S,待定路径表为从源点到的有向边。然后在待定路径表中找到当前最短路径v…vk,将vk加入集合S中,对vi∈V-S,将路径v…vk vi与待定路径表中从源点v到vi的最短路径相比较,取路径长度较小者为当前最短路径。重复上述过程,直到集合V中全部顶点加入到集合S中。

Dijkstra基于的存储结构

  图的存储方式:为了快速的求得任意两个顶点之间边上的权值,图采用邻接矩阵存储。

  辅助数组dist[n]:元素dist[i]表示当前所找到的从源点到终点的最短路长度。初态为:若从v到vi有弧,则dist[i]为弧上的权值;否则置    dist[i]为无穷。若当前求得的终点为vk,则进行迭代:dist[i]={mindist[i ],dist[k]+edge[k]}    0≤i≤n-1
  辅助数组path[n]:元素path[i]是一个字符串,表示当前从源点v到终点vi的最短路径。初态为:若从v到vi有弧,则path[i]=vvi,否则path[i]置为空串。

伪代码:

算法: Dijkstra算法
输入:有向网图G=(V,E),源点v
输出:从v到其他所有顶点的最短路径
1.初始化:S={v};dist[j]=edge[v][j](0≤j≤n)
2.重复下述操作直到S等于V:
  2.1 dist[k]=min{dist[i]}(i∈V-S)
  2.2 S=S+{k}
  2.3 dist[i]=min{dist[i], dist[k] +edge [k][i](i∈V-S)

Dijkstra算法实现最短路径例题及实现代码


描述

    给出一个有向图的结构,求某个顶点到另一点的最短路径
输入
    若干行整数,第一行有2个数,分别为顶点数v和弧数a,第二行为起点编号s和终点编号e,接下来有a行,每一行有3个数,分别是该条弧所关联的两个顶点编号和弧的权值
输出
    第一行为一个整数,为最短路径值
    第二行为若干个空格隔开的顶点构成的最短路径序列(用小写字母)
    若无最短路径,直接输出no answer
样例输入

    6 8
    0 3
    0 2 10
    0 4 30
    0 5 100
    1 2 5
    2 3 50
    3 5 10
    4 3 20
    4 5 60

样例输出

    50
    v0 v4 v3

#include<iostream>
#include<string>
using namespace std;
const int maxnum=6;
int Minedge(int a[],int n)
{
	int min=1000;
	int x=0;
	for(int i=1;i<n;i++)
	{
		if(a[i]<min&&a[i]!=0){
		    min=a[i];
			x=i;
			}
		}
	return x;
}
class MGraph
{
	public:
	MGraph(string a[maxnum],int v,int e);
    void Dijkstra(int v1,int v2);
	private:
	string vertex[maxnum];
	int edge[maxnum][maxnum];
	int vertexnum;
	int edgenum;
};
MGraph::MGraph(string a[maxnum],int v,int e)
{
	int i,j,k,l;
	vertexnum=v;
	edgenum=e;
	for(i=0;i<vertexnum;i++)
	    vertex[i]=a[i];
	for(i=0;i<vertexnum;i++)
	    for(j=0;j<vertexnum;j++)
	        edge[i][j]=1000;
	for(k=0;k<edgenum;k++){
		cin>>i>>j>>l;
		edge[i][j]=l;
		}
}
void MGraph::Dijkstra(int v1,int v2)
{
	int i,k;
	int s=0;
	int num,dist[maxnum];
	string path[maxnum];
	for(i=0;i<vertexnum;i++)
	{
		dist[i]=edge[v1][i];
		if(dist[i]!=1000) path[i]=vertex[v1]+" "+vertex[i];
		else path[i]="";
		}
	for(num=1;num<vertexnum;num++)
	{
		k=Minedge(dist,vertexnum);
		for(i=0;i<vertexnum;i++)
		{
			if(dist[i]>dist[k]+edge[k][i]){
				dist[i]=dist[k]+edge[k][i];
				path[i]=path[k]+" "+vertex[i];
				}
		}
		if(k==v2) s=dist[k];
		dist[k]=0;
	}
	if(path[v2]!=""){
		cout<<s<<endl;
	    cout<<path[v2];
	    }
	else cout<<"no answer";
}
int main()
{
	int v,e,m,n;
	cin>>v>>e;
	cin>>m>>n;
	string a[maxnum]={"v0","v1","v2","v3","v4","v5"};
	MGraph mgr(a,v,e);
	mgr.Dijkstra(m,n);
	return 0;
}

 

  • 2
    点赞
  • 16
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Dijkstra算法是一种用于解决单源最短路径问题的算法。它通过贪婪地选择当前最短路径来逐步构建最短路径树。以下是Dijkstra算法的步骤: 1. 创建一个空的最短路径集合,用于存储从起始节点到其他节点的最短路径。 2. 初始化起始节点的最短路径为0,将其添加到最短路径集合中。 3. 对于起始节点的所有邻居节点,更新它们的最短路径值。如果通过当前节点到达邻居节点的路径比已知的最短路径更短,则更新最短路径值。 4. 从未添加到最短路径集合中的节点中选择一个具有最小最短路径值的节点,并将其添加到最短路径集合中。 5. 重复步骤3和步骤4,直到所有节点都被添加到最短路径集合中。 6. 最终,最短路径集合中存储了从起始节点到所有其他节点的最短路径Dijkstra算法的特点和限制如下: - Dijkstra算法仅适用于非负权重的,因为它依赖于贪婪策略来选择当前最短路径。 - 它可以找到从起始节点到所有其他节点的最短路径,因此适用于单源最短路径问题。 - Dijkstra算法不会处理负权边,如果中存在负权边,应该使用其他算法,如Bellman-Ford算法。 - 算法的时复杂度取决于数据结构的选择,一般情况下是O(V^2)或O(Vlog(V)),其中V是节点数。如果使用优先队列来优化,时复杂度可以减小到O(Elog(V)),其中E是边数。 以下是一个使用Dijkstra算法找到最短路径的示例代码: ```python import sys def dijkstra(graph, start): # 初始化最短路径集合和最短路径字典 shortest_paths = {node: sys.maxsize for node in graph} shortest_paths[start] = 0 visited = set() while len(visited) < len(graph): # 选择当前最短路径值的节点 current_node = min((node for node in graph if node not in visited), key=lambda node: shortest_paths[node]) visited.add(current_node) # 更新邻居节点的最短路径值 for neighbor in graph[current_node]: distance = shortest_paths[current_node] + graph[current_node][neighbor] if distance < shortest_paths[neighbor]: shortest_paths[neighbor] = distance return shortest_paths # 示例的邻接表表示 graph = { 'A': {'B': 5, 'C': 3}, 'B': {'A': 5, 'C': 1, 'D': 3}, 'C': {'A': 3, 'B': 1, 'D': 2, 'E': 6}, 'D': {'B': 3, 'C': 2, 'E': 4, 'F': 2}, 'E': {'C': 6, 'D': 4, 'F': 6}, 'F': {'D': 2, 'E': 6} } start_node = 'A' shortest_paths = dijkstra(graph, start_node) for node in shortest_paths: print(f"Shortest path from {start_node} to {node}: {shortest_paths[node]}") ``` 这段代码使用邻接表表示,并从起始节点'A'开始找到到达其他节点的最短路径。最终,它会输从起始节点到每个节点的最短路径值。

“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