3112.力扣每日一题7/18 Java 迪杰斯特拉（Dijkstra）算法

• 博客主页：音符犹如代码
• 系列专栏：算法练习
• 关注博主，后期持续更新系列文章
• 如果有错误感谢请大家批评指出，及时修改
• 感谢大家点赞👍收藏⭐评论✍

目录

迪杰斯特拉（Dijkstra）算法

解题思路

解题过程

时间复杂度

空间复杂度

Code

---

迪杰斯特拉（Dijkstra）算法

迪杰斯特拉（Dijkstra）算法是一种用于求解单源最短路径问题的算法。

它的基本思想是：从一个起始顶点出发，逐步向外扩展，每次选择距离起始顶点最近且未被处理过的顶点，然后更新该顶点相邻顶点的距离。

以下是迪杰斯特拉算法的具体步骤：

1. 初始化：

   • 为每个顶点设置一个初始距离值。起始顶点的距离设为 0，其他顶点的距离设为无穷大。
   • 创建一个标记数组，用于标记顶点是否已处理。

2. 选择当前未处理且距离最小的顶点：

   • 从所有未处理的顶点中，选择距离起始顶点最近的顶点。

3. 更新相邻顶点的距离：

   • 对于所选顶点的相邻顶点，计算通过当前顶点到达相邻顶点的新距离。如果新距离小于原来的距离，则更新相邻顶点的距离。

4. 标记所选顶点已处理：

   • 将所选顶点标记为已处理。

5. 重复步骤 2 - 4，直到所有顶点都被处理。

最终，每个顶点的距离就是从起始顶点到该顶点的最短路径长度。

迪杰斯特拉算法的时间复杂度通常为 O(N²),其中N是顶点的数量。如果使用二叉堆如果使用二堆（或斐波那契堆）来优化选择最小距离顶点的操作，时间复杂度可以优化到O((N+M)logN),其中M是边的数量

解题思路

使用迪杰斯特拉（Dijkstra）算法的思想，通过优先级队列来找到从节点 0 到其他节点的最短时间。同时考虑每个节点的消失时间，如果在节点消失之前无法到达，则标记为不可达（-1）。

解题过程

1. 首先构建图的邻接表表示。
2. 初始化每个节点的最少到达时间为 -1，节点 0 的到达时间为 0 ，并创建优先级队列。
3. 当优先级队列不为空时，取出队首元素。
4. 对于取出节点的每个邻居节点，计算新的到达时间。如果新的到达时间小于邻居节点的消失时间，并且比之前记录的到达时间更短，就更新邻居节点的到达时间，并将其加入优先级队列。

时间复杂度

主要的时间消耗在于优先级队列的操作和对图的遍历。在最坏情况下，对于一个包含 n 个节点和 m 条边的图，时间复杂度为 O((n + m) log n) 。但在这个问题中，由于每个节点最多被处理一次，并且边也只会被访问有限次，所以更接近 O(n log n)

空间复杂度

使用了邻接表来存储图，空间复杂度为 O(n + m) ，还使用了一个长度为 n 的数组来存储每个节点的最少到达时间和一个优先级队列，空间复杂度主要取决于节点数量 n 和边数量 m ，大致为 O(n + m) 。

Code

import java.util.ArrayList;
import java.util.Arrays;
import java.util.Comparator;
import java.util.PriorityQueue;

class Solution {
    public int[] minimumTime(int numNodes, int[][] edgeInfos, int[] vanishTimings) {
        // 使用邻接表表示图
        ArrayList<int[]>[] graph = new ArrayList[numNodes]; 
        Arrays.setAll(graph, i -> new ArrayList<>());

        // 构建图
        for (int[] edge : edgeInfos) {
            int nodeA = edge[0];
            int nodeB = edge[1];
            int weight = edge[2];
            graph[nodeA].add(new int[]{nodeB, weight});
            graph[nodeB].add(new int[]{nodeA, weight});
        }

        // 存储每个节点的最少到达时间
        int[] minReachTimes = new int[numNodes]; 
        Arrays.fill(minReachTimes, -1);
        minReachTimes[0] = 0;

        // 优先级队列，按到达时间排序
        PriorityQueue<int[]> priorityQueue = new PriorityQueue<>(Comparator.comparingInt(a -> a[0])); 
        priorityQueue.offer(new int[]{0, 0});

        while (!priorityQueue.isEmpty()) {
            int[] current = priorityQueue.poll();
            int currentReachTime = current[0];
            int currentNode = current[1];

            // 如果当前节点之前已经有更短的到达时间，跳过
            if (currentReachTime > minReachTimes[currentNode]) { 
                continue;
            }

            for (int[] neighbor : graph[currentNode]) {
                int neighborNode = neighbor[0];
                int newReachTime = currentReachTime + neighbor[1];

                // 如果新的到达时间小于邻居节点消失时间，并且比之前记录的到达时间更短
                if (newReachTime < vanishTimings[neighborNode] && (minReachTimes[neighborNode] < 0 || newReachTime < minReachTimes[neighborNode])) { 
                    minReachTimes[neighborNode] = newReachTime; 
                    priorityQueue.offer(new int[]{newReachTime, neighborNode});
                }
            }
        }

        return minReachTimes;
    }
}

人生实如钟摆，在痛苦与倦怠之间摆动——叔本华（Arthur Schopenhauer）