最短路径介绍
最短路径问题是图论研究中的一个经典算法问题,旨在寻找图中两结点之间的最短路径。 算法具体的形式包括:
- 确定起点的最短路径问题,即已知起始结点,求最短路径的问题。
- 确定终点的最短路径问题,与确定起点的问题相反,该问题是已知终结结点,求最短路径的问题。
在无向图中该问题与确定起点的问题完全等同,在有向图中该问题等同于把所有路径方向反转的确定起点的问题。 - 确定起点终点的最短路径问题 - 即已知起点和终点,求两结点之间的最短路径。
- 全局最短路径问题 - 求图中所有的最短路径。
解决方法
用于解决最短路径问题的算法被称做“最短路径算法”, 有时被简称作“路径算法”。 最常用的路径算法有:
Dijkstra算法
SPFA算法\Bellman-Ford算法
Floyd算法\Floyd-Warshall算法
Johnson算法
A*算法
单源最短路径
问题描述
- 给定一个带权有向图 G=(V,E) ,其中每条边的权是一个非负实数。
- 还给定 V中的一个顶点,称为源。
- 现在我们要计算从源到所有其他各顶点的最短路径长度。这里的长度是指路上各边权之和。
这个问题通常称为单源最短路径问题。
Dijkstra算法的解决方案
算法思路
- 指定一个节点,例如我们要计算 ‘A’ 到其他节点的最短路径
- 引入两个集合(S、U):
S集合包含已求出的最短路径的点(以及相应的最短长度),
U集合包含未求出最短路径的点(以及A到该点的路径,注意如上图所示,A->C由于没有直接相连,初始时为∞) - 初始化两个集合,S集合初始时只有当前要计算的节点,A->A = 0,
U集合初始时为:
A->B = 4,
A->C = ∞,
A->D = 2,
A->E = ∞,
敲黑板!!!接下来要进行核心两步骤了 - 从U集合中找出路径最短的点,加入S集合,例如 A->D = 2
- 更新U集合路径,if ( ‘D 到 B,C,E 的距离’ + ‘AD 距离’ < ‘A 到 B,C,E 的距离’ ) ,则更新U
- 循环执行4、5 两步骤,直至遍历结束,得到A 到其他节点的最短路径
算法图解
- 选定A节点并初始化
- 找出U集合中路径最短的节点D加入S集合,并根据条件if( ‘D 到 B,C,E 的距离’ + ‘AD 距离’ < ‘A 到 B,C,E 的距离’ ) 来更新U集合,此时:
D->B = 1,
D->C = 1,
D->E = 7,
所以,此时:
A->D->B = 3,
A->D->C = 3,
A->D->E = 7,
比起第一步的:
A->B = 4,
A->C = ∞,
A->D = 2,
A->E = ∞,
所以,我们要更新U集合!使之到其余顶点的路是比之前来说短的!
- 这时候 A->B, A->C 都为3,没关系。其实这时候他俩都是最短距离,如果从算法逻辑来讲的话,会先取到B点。而这个时候 if 条件变成了 if ( ‘B 到 C,E 的距离’ + ‘AB 距离’ < ‘A 到 C,E 的距离’ ) ,如图所示这时候A->B距离 其实为 A->D->B
- 思路就是这样,往后就是大同小异了
- 算法结束
参考
作者:殷天文 链接:https://www.jianshu.com/p/ff6db00ad866