迪杰斯特拉算法(Dijkstra‘s algorithm)以及示例

迪杰斯特拉算法(Dijkstra's algorithm)是一种非常重要且有价值的算法。它被广泛应用于计算图中单源最短路径问题,在交通路线规划、网络路由、作业调度等领域有着广泛的应用。

迪杰斯特拉算法是由荷兰计算机科学家克劳德·迪杰斯特拉(Edsger W. Dijkstra)于1959年首次提出的。这个算法被用来计算单源最短路径,在图论和计算机科学领域里被广泛使用。迪杰斯特拉本人在发明这个算法时是在荷兰国家电讯公司工作,当时他正在研究如何通过计算机来规划路径。

迪杰斯特拉算法是用于求最短路径的一种算法。它是贪心算法的一种,通过不断地选取最短路径来逼近最终答案。算法流程如下: 

  1. 初始化所有结点的最短路径为无穷大。
  2. 设置起点的最短路径为 0。
  3. 从起点开始,每次选取最短路径最小的结点,并将其周围的结点的最短路径更新。

重复步骤 3,直到所有结点的最短路径都被更新。

例子:                                                       

假设有一张图如下,求从结点1到结点4的最短路径。

  

初始化最短路径:

1: 0, 2: inf, 3: inf, 4: inf, 5: inf

设置起点1的最短路径为0,并开始更新周围结点的最短路径。 

更新 2: 1+2=3, 3: 1+3=4

选择 2 作为新的当前结点

更新 4: 2+1=3, 5: 2+3=5

选择 4 作为新的当前结点

更新 5: 4+1=5

选择 5 作为新的当前结点

最终得到的最短路径为:1: 0, 2: 3, 3: 4, 4: 3, 5: 5

结点 1 -> 2 -> 4 -> 5 

可以看到结点1到结点4的最短路径为1 -> 2 -> 4,距离为3。 

注意迪杰斯特拉算法只适用于有向图或者边权非负的无向图,如果边权有负数,则需要使用其他算法,如贝尔man-福德算法。 

迪杰斯特拉算法的最大优点是其简单易懂和时间复杂度较低,因此在实际应用中非常实用。它可以在稠密图和稀疏图中使用,对于边权均为非负数的图都可以使用。

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
迪杰斯特拉算法Dijkstra's algorithm)是一种用于求解单源最短路径问题的算法。它可以找到从一个顶点到其他所有顶点的最短路径。 以下是迪杰斯特拉算法的基本步骤: 1. 创建一个空的距离字典,用于存储每个顶点到起始顶点的距离。将起始顶点的距离设置为0,其他顶点的距离设置为无穷大。 2. 创建一个空的已访问集合,用于存储已经找到最短路径的顶点。 3. 重复以下步骤,直到所有顶点都被访问: a. 从未访问的顶点中选择距离起始顶点最近的顶点,并将其添加到已访问集合中。 b. 更新与该顶点相邻的顶点的距离。如果通过当前顶点到达相邻顶点的路径比之前计算的路径更短,则更新距离字典中的值。 4. 最终,距离字典中存储了从起始顶点到每个顶点的最短路径。 以下是一个使用Python实现迪杰斯特拉算法示例代码: ```python import sys def dijkstra(graph, start): # 初始化距离字典 distances = {vertex: sys.maxsize for vertex in graph} distances[start] = 0 # 初始化已访问集合 visited = set() while len(visited) < len(graph): # 选择距离最小的顶点 min_distance = sys.maxsize min_vertex = None for vertex in graph: if vertex not in visited and distances[vertex] < min_distance: min_distance = distances[vertex] min_vertex = vertex # 将选中的顶点添加到已访问集合中 visited.add(min_vertex) # 更新与选中顶点相邻的顶点的距离 for neighbor, weight in graph[min_vertex].items(): new_distance = distances[min_vertex] + weight if new_distance < distances[neighbor]: distances[neighbor] = new_distance return distances # 示例图的邻接表表示 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_vertex = 'A' distances = dijkstra(graph, start_vertex) for vertex, distance in distances.items(): print(f"从顶点 {start_vertex} 到顶点 {vertex} 的最短距离为 {distance}") ``` 这段代码实现了迪杰斯特拉算法,通过邻接表表示图,并计算从起始顶点到其他顶点的最短距离。你可以根据自己的需求修改图的表示和起始顶点。

“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 1
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