Dijkstra算法

aichitang2024

已于 2024-09-20 18:25:07 修改

阅读量963

点赞数 11

文章标签：数据库 mysql c++ 算法

于 2024-09-20 18:23:55 首次发布

本文链接：https://blog.csdn.net/aichitang2024/article/details/142392314

版权

Dijkstra算法模拟演示

初始化：
- 设置起始节点的距离为0，其余节点的距离为∞（无穷大）
- 所有节点的前驱设为None
- 建立一个未访问节点的集合
迭代：
- 从未访问节点中选取距离最小的节点u
- 将节点u标记为已访问
- 对于u的所有邻居节点v：
  - 如果v未访问，且通过u到v的距离小于当前v的距离：
    - 更新v的距离为dist[u] + weight(u, v)
    - 设置v的前驱为u
重复步骤2，直到所有节点都被访问

3. 示例图

假设有以下加权无向图：

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传 (此处需自行绘制或插入示例图)

节点集合：A, B, C, D, E
边及权重：
- A - B：6
- A - D：1
- B - C：5
- B - D：2
- B - E：2
- C - E：5
- D - E：1
起始节点：A

4. 算法执行过程

初始化

节点	距离 (`dist`)	前驱 (`prev`)	访问状态
A	0	None	未访问
B	∞	None	未访问
C	∞	None	未访问
D	∞	None	未访问
E	∞	None	未访问

步骤1

选择节点：距离最小的未访问节点A
标记：A设为已访问
更新邻居：
- 节点B：
  - 新距离：0 + 6 = 6（原距离为∞）
  - 更新dist[B] = 6，prev[B] = A
- 节点D：
  - 新距离：0 + 1 = 1（原距离为∞）
  - 更新dist[D] = 1，prev[D] = A

步骤2

选择节点：距离最小的未访问节点D（dist[D] = 1）
标记：D设为已访问
更新邻居：
- 节点B：
  - 新距离：1 + 2 = 3（原距离为6）
  - 更新dist[B] = 3，prev[B] = D
- 节点E：
  - 新距离：1 + 1 = 2（原距离为∞）
  - 更新dist[E] = 2，prev[E] = D

步骤3

选择节点：距离最小的未访问节点E（dist[E] = 2）
标记：E设为已访问
更新邻居：
- 节点B：
  - 新距离：2 + 2 = 4（原距离为3）
  - 不更新（因为4 > 3）
- 节点C：
  - 新距离：2 + 5 = 7（原距离为∞）
  - 更新dist[C] = 7，prev[C] = E

步骤4

选择节点：距离最小的未访问节点B（dist[B] = 3）
标记：B设为已访问
更新邻居：
- 节点C：
  - 新距离：3 + 5 = 8（原距离为7）
  - 不更新（因为8 > 7）

步骤5

选择节点：距离最小的未访问节点C（dist[C] = 7）
标记：C设为已访问

结果汇总

节点	距离 (`dist`)	前驱 (`prev`)	访问状态
A	0	None	已访问
B	3	D	已访问
C	7	E	已访问
D	1	A	已访问
E	2	D	已访问

5. 总结

最短路径：
- 从A到B：A -> D -> B，距离为3
- 从A到C：A -> D -> E -> C，距离为7
- 从A到D：A -> D，距离为1
- 从A到E：A -> D -> E，距离为2
路径重建：根据前驱节点prev字段，可以反向追溯最短路径

当然可以！下面我将详细证明Dijkstra算法的正确性。

证明：Dijkstra算法的正确性

Dijkstra算法用于解决单源最短路径问题，即在一个加权有向图中，找到给定起点到所有其他节点的最短路径。该算法假设所有边的权重都是非负数。以下是对该算法正确性的详细证明。

1. 问题描述

给定：一个加权有向图 ( G(V, E) )，其中：
- ( V ) 是节点集合。
- ( E ) 是边集合，每条边 ( (u, v) ) 具有非负权重 ( w(u, v) \geq 0 )。
目标：找到从起始节点 ( s ) 到所有其他节点 ( v \in V ) 的最短路径，即最小的路径权重和。

2. 算法描述

Dijkstra算法主要步骤：

初始化：
- 对所有节点 ( v \in V )，设置距离 ( dist[v] = \infty )，前驱节点 ( prev[v] = \text{undefined} )。
- 对起始节点 ( s )，设置 ( dist[s] = 0 )。
- 初始化一个未访问节点集合 ( Q = V )。
迭代：
- 当 ( Q ) 非空时：
  - 从 ( Q ) 中选取使 ( dist[u] ) 最小的节点 ( u )。
  - 从 ( Q ) 中移除 ( u )。
  - 对 ( u ) 的所有邻居 ( v )：
    - 如果 ( dist[v] > dist[u] + w(u, v) )，则更新：
      - ( dist[v] = dist[u] + w(u, v) )。
      - ( prev[v] = u )。
结果：
- 对于每个节点 ( v \in V )，最短路径长度为 ( dist[v] )，路径可通过 ( prev[v] ) 追溯。

3. 正确性证明

目标

证明：对于每个节点 ( v \in V )，在算法终止时，( dist[v] ) 等于从 ( s ) 到 ( v ) 的最短路径长度。

思路

使用 数学归纳法 和 反证法。
关键是证明在每次迭代中，被选取的节点 ( u ) 的 ( dist[u] ) 等于从 ( s ) 到 ( u ) 的最短路径长度。

详细证明

基础情况
- 初始时，( dist[s] = 0 )，显然是正确的。
- 对于其他节点 ( v \neq s )，初始 ( dist[v] = \infty )。
归纳假设
- 假设在某一步之前，已确定的节点集合 ( S ) 中，对所有 ( u \in S )，( dist[u] ) 等于从 ( s ) 到 ( u ) 的最短路径长度。
- 我们要证明，在下一步中选择的节点 ( u )，其 ( dist[u] ) 也满足上述性质。
选择最小 ( dist ) 的节点 ( u )
- 由于 ( u ) 是在未访问节点集合 ( Q ) 中具有最小 ( dist ) 值的节点。
- 我们需要证明：从 ( s ) 到 ( u ) 的任何路径，其长度不可能小于 ( dist[u] )。
反证法
- 假设：存在一条从 ( s ) 到 ( u ) 的路径 ( P )，其权重总和小于 ( dist[u] )。
- 这条路径必须经过若干节点，我们可以将其划分为两部分：
  - 从 ( s ) 到 ( x ) 的子路径，其中 ( x \in S )（已访问节点）。
  - 从 ( x ) 到 ( u ) 的边或路径，其中 ( x ) 的后继节点在 ( Q ) 中。
- 根据归纳假设，( dist[x] ) 是从 ( s ) 到 ( x ) 的最短路径长度。
- 因此，从 ( s ) 到 ( u ) 的路径长度应为 ( dist[x] + \text{路径从 } x \text{ 到 } u \text{ 的权重} )。
矛盾
- 由于 ( dist[u] ) 在上一轮未被更新为更小的值，说明：
  - ( dist[u] \leq dist[x] + w(x, u) )。
- 但根据假设，存在更短的路径使得：
  - ( dist[u] > dist[x] + w(x, u) )。
- 这产生了矛盾。
结论
- 假设不成立，因此，不存在比 ( dist[u] ) 更短的路径。
- 所以，当节点 ( u ) 被选中并移出 ( Q ) 时，( dist[u] ) 就是从 ( s ) 到 ( u ) 的最短路径长度。