Dijkstra算法

本文参考博客：学图论，你真的了解最短路吗？ - 绝顶我为峰 的妙妙屋 - 洛谷博客

Dijkstra算法是一种求非负权值的单源最短路径算法。问题的提法是：给定一个有向带权图D与源点v，各边上的权值均为非负数，要求找出从v到D中其他各个顶点的最短路径。

---

首先我们知道，如果起点v到终点u存在一条最短路径，那么该条路径的某一部分也一定是起点v到某个中途节点的最短路径，如下图的例子

假如黄色路径是0到4的最短路径，我们就可以知道0到8的最短路径一定是0 -> 1 -> 7 -> 8。若非如此，假如0到8之间存在一条更短的路径，如下图红色路径，

那么0到4之间就一定存在一条更短的路径，即红色路径加上8到4的黄色路径，便与原来的前提“黄色路径是0到4的最短路径”相矛盾。

说回Dijkstra算法，对于求最短路径，Dijkstra的思想是：用一个集合S存放已经求出最短路径的终点，每次操作找出与集合相邻且距离起点最近（即边权值最小）的点加入集合中，直到所有点都被加进集合内，算法结束。（看不懂没关系，看完下面的例子就懂了）
同时，算法引入了一个数组dist[]，其中每个分量dist[i]为起点到第i个点的最短路径长度（初始化为无穷大，实际操作时可自己定义一个MAX_VALUE）；若有需要，可以多引入一个数组path[]来记录最短路径，该数组的用法下文会进行介绍。

我们用一个例子来直观的感受一下Dijkstra算法的过程。

第一步，我们先把 a （起点）加入集合，不加粗的点为集合中的点，下同（s={a} ;dis[]={0,∞,∞,∞,∞,∞,∞,∞}）：

第二步，我们找出与集合相邻且距离起点最近的点 b，把它加入集合，并确定它的最短路 0+2=2，存入数组（s={a,b} ;dis[]={0,2,∞,∞,∞,∞,∞,∞}）：

第三步，我们找出与集合相邻且距离起点最近的点 d，把它加入集合，并确定它的最短路 2+1=3，存入数组（s={a,b,d} ;dis[]={0,2,∞,3,∞,∞,∞,∞}）：

第四步，我们找出与集合相邻且距离起点最近的点 e，把它加入集合，并确定它的最短路 3+2=5（s={a,b,d,e} ;dis[]={0,2,∞,3,5,∞,∞,∞}）:

第五步，我们找出与集合相邻且距离起点最近的点 f，把它加入集合，并确定它的最短路 0+9=90+9=9（s=\{a,b,d,e,f\}s={a,b,d,e,f} ;dis[]=\{0,2,∞,3,5,9,∞,∞\}dis[]={0,2,∞,3,5,9,∞,∞}）:

第六步，我们找出与集合相邻且距离起点最近的点 g，把它加入集合，并确定它的最短路 5+7=12（s={a,b,d,e,f,g} ;dis[]={0,2,∞,3,5,9,12,∞}）:

第七步，我们找出与集合相邻且距离起点最近的点 c，把它加入集合，并确定它的最短路 5+8=13（s={a,b,c,d,e,f,g} ;dis[]={0,2,13,3,5,9,12,∞}）:

第八步，也是最后一步，我们找出与集合相邻且距离起点最近的点 h，把它加入集合，并确定它的最短路 13+5=18（s={a,b,c,d,e,f,g,h} ;dis[]={0,2,13,3,5,9,12,18}）:

至此，整个图的最短路被我们求了出来，DijkstraDijkstra 顺利完成！

求出了最短路径长度，如果还想知道起点到终点的最短路径经过了哪些点怎么办？这时候就要用到前面提过的path[]数组了。其中path[i]表示在起点到i的最短路径上i的前驱节点。还是拿开篇的图做例子：

在该例子中，path[4]=5 (即在最短路径中，4的前驱节点是5)path[5]=2,path[2]=8,path[8]=7,path[7]=1,path[1]=0。

由此，我们便可以知道0到4的最短路径为0 -> 1 -> 7 -> 8 -> 2 -> 5 -> 4

而path[i]只需要在i放入集合s时可以顺便更新，具体看下面实现。

 思路出来了，下面就是算法的实现（C++）

（代码仅供参考，具体代码还需要根据图的实现来完成）

int n;//图顶点的个数
bool* s=new bool[n];//顶点集合，true表示起点到该顶点已找到最短路径
int* dist =new int[n];//起点到该顶点的最短路径长度
int* path=new int[n];//最短路径


void Dijkstra(Graph G,int v)//图G，起点v
{
	//初始化
	for (int i = 0; i < n; ++i)  
	{
		s[i] = false;

		dist[i] = G.getWeight(v, i);
		//最短路径设置为起点v到顶点i的权重，若两点间没有边，则为MAX_VALUE

		if (i != v && dist[i] < MAX_VALUE) path[i] = v;
		//已存在最短路径则将i的前驱设为v
		else path[i] = -1;      
		//否则设为-1
	}

	s[v] = true; dist[v] = 0;  //将起点加入集合

	/*每次循环会将一个顶点加入集合，起点已经加入了集合，
	因此进行n - 1次循环就可以求出起点所有顶点的最短路径*/
	for (int i = 0; i < n - 1; ++i)  
	{
		int u = v;  
		//u在下面的循环找出与集合s相邻且距离起点最近（即边权值最小）的点，此时dist[u]=MAX_VALUE

		for (int j = 0; j < n; ++j)
		{
			if (s[j] = false && dist[j] < dist[u])  u = j;  
			//找出不在集合内（即还没找到最短路径）且距离起点最近的顶点则更新
		}
		s[u] = true; //将找到的点加入集合

		for (int k = 0; k < n; ++k) //对于每个顶点
		{
			int w = G.getWeight(u, k);  //得出每个顶点与u之间的权重
			if (s[k] == false && w < MAX_VALUE && dist[u] + w < dist[k]) 
			//若该顶点没访问过且存在u到k的边且起点到u的最短路长度加上权重小于起点到k的最短路
			{
				dist[k] = dist[u] + w; //更新k的最短路
				path[k] = u;           //设置k的前驱
			}
		}

	}
}

容易知道该算法复杂度为O(n^2)