图的应用1---单源最短路径问题

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：

1. 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。
2. 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。
3. 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。
4. 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

1. 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。
2. 还给定 V中的一个顶点，称为源。
3. 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

1. 指定一个节点，例如我们要计算 ‘A’ 到其他节点的最短路径
2. 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∞）
3. 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
4. 从U集合中找出路径最短的点，加入S集合，例如 A->D = 2
5. 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
6. 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

1. 选定A节点并初始化
   
2. 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！
   
3. 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
   
4. 思路就是这样，往后就是大同小异了
   
5. 算法结束
   

参考

作者：殷天文 链接：https://www.jianshu.com/p/ff6db00ad866