迪杰斯特拉(Dijkstra)算法用广度优先搜索思想求图的最短路径

package Algorithm.dijkstra;

import java.util.Arrays;

/*
    迪杰斯特拉算法
 */
public class DijkstraAlgorithm {
    public static void main(String[] args) {

        char[] vertex = {'A','B','C','D','E','F','G'};
        int[][] matrix = new int[vertex.length][vertex.length];
        final int N = 65535;//表示不可连接

        matrix[0] = new int[]{N,5,7,N,N,N,2};
        matrix[1] = new int[]{5,N,N,9,N,N,3};
        matrix[2] = new int[]{7,N,N,N,8,N,N};
        matrix[3] = new int[]{N,9,N,N,N,4,N};
        matrix[4] = new int[]{N,N,8,N,N,5,4};
        matrix[5] = new int[]{N,N,N,4,5,N,6};
        matrix[6] = new int[]{2,3,N,N,4,6,N};

        //创建图
        Graph graph = new Graph(vertex,matrix);
        graph.showGraph();

        graph.dijkstra(6);

        graph.showDijkstra();

    }
}

/**
 * 图中已访问顶点的集合
 */
class VisitedVertex{

    private int[] already_arr; //记录各个顶点是否访问过,1表示访问过,0表示未访问过,此数组动态更新

    private int[] pre_visited; //每个下标对应的值为前一个顶点的下标,此数组也会动态更新

    private int[] dis; //记录出发顶点到其他所有顶点的距离,求的最短距离会放在此数组中,此数组也会动态更新

    /**
     * 构造器
     * @param length 顶点的个数
     * @param index 出发顶点
     */
    public VisitedVertex( int length, int index ) {
        this.already_arr = new int[length];
        this.pre_visited = new int[length];
        this.dis = new int[length];

        //初始化dis数组
        Arrays.fill(dis,65535);
        this.already_arr[index] = 1; //设置出发顶点被访问过
        this.dis[index] = 0; //设置出发顶点的访问距离为0

    }

    /**
     * 判断index顶点是否被访问过
     * @param index 顶点
     * @return
     */
    public boolean in(int index) {
        return already_arr[index] == 1;
    }

    /**
     * 更新出发顶点到index顶点的距离
     * @param index
     * @param len
     */
    public void updateDis(int index, int len) {
        dis[index] = len;
    }

    /**
     * 更新顶点 pre的前驱节点为 index节点
     * @param pre
     * @param index
     */
    public void updatePre( int pre, int index ) {
        pre_visited[pre] = index;
    }

    /**
     * 返回出发顶点到 index顶点的距离
     * @param index
     * @return
     */
    public int getDis(int index) {
        return dis[index];
    }

    /**
     * 继续选择并返回新的访问顶点
     * @return
     */
    public int updateArr() {
        int min = 65535, index = 0;

        for ( int i = 0; i < already_arr.length; i++ ) {
            if ( already_arr[i] == 0 && dis[i] < min ) {
                min = dis[i];
                index = i;
            }
        }

        already_arr[index] = 1;//更新index顶点的状态为已被访问

        return index;
    }

    /**
     * 显示最后的结果,即将三个数组的情况输出
     */
    public void show() {
        System.out.println("====================================");
        for ( int i: already_arr ) {
            System.out.print(i+" ");
        }
        System.out.println();
        for ( int i: pre_visited ) {
            System.out.print(i+" ");
        }
        System.out.println();
        for ( int i: dis ) {
            System.out.print(i+" ");
        }
        System.out.println();

        char[] vertex = {'A','B','C','D','E','F','G'};
        int count = 0;
        for ( int i: dis ) {
            if ( i != 65535 ){
                System.out.print(vertex[count]+"("+i+")");
            } else {
                System.out.println("N");
            }
            count++;
        }

    }

}

/**
 * 图类
 */
class Graph {
    private char[] vertex;//顶点数组
    private int[][] matrix;//邻接矩阵
    private VisitedVertex vv;//已经访问的顶点的集合

    /**
     * 图的构造器
     * @param vertex 顶点数组
     * @param matrix 邻接矩阵
     */
    public Graph(char[] vertex, int[][] matrix) {
        this.vertex = vertex;
        this.matrix = matrix;
    }

    /**
     * 显示结果
     */
    public void showDijkstra() {
        vv.show();
    }

    /**
     * 显示图
     */
    public void showGraph() {
        for ( int[] link: matrix ) {
            System.out.println(Arrays.toString(link));
        }
    }

    /**
     * 迪杰斯特拉算法实现
     * @param index 出发顶点对应的下标
     */
    public void dijkstra(int index) {

        vv = new VisitedVertex(vertex.length, index);

        update(index); //更新index顶点到周围顶点的距离和前驱顶点

        for ( int j = 1; j < vertex.length; j++ ) {
            index = vv.updateArr();//选择并返回新的访问顶点
            update(index);//更新index顶点到周围顶点的距离和前驱顶点
        }



    }

    /**
     * 更新 index下标顶点到周围顶点的距离和周围顶点的前驱节点
     * @param index
     */
    private void update(int index) {

        int len = 0;

        for ( int j = 0; j < matrix[index].length; j++ ) {
            len = vv.getDis(index) + matrix[index][j];
            if ( !vv.in(j) && len < vv.getDis(j) ) { //j顶点没有被访问过,并且len小于出发顶点到j顶点的距离,则更新
                vv.updatePre( j, index ); //更新j顶点的前驱为index节点
                vv.updateDis( j, len ); //更新出发顶点到j顶点的距离为len
            }
        }

    }

}

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
斯特算法广度优先搜索算法在寻找最路径方面有一些区别。 首先,广度优先搜索算法是一种盲目搜索算法,从根节点开始按层遍历,只有完全遍历完一层所有的节点后才会进入下一层的遍历。它并不考虑结果的可能位置,彻底地搜索整张,直到找到结果为止。广度优先搜索算法搜索过程中,由于使用队列的数据结构,可以很好地保证找到的路径是最的。 而斯特算法是一种最路径路由算法,通过计算一个节点到其他所有节点的最路径。它以起始点为中心向外层层扩展,直到扩展到终点为止。每次找到离源点最近的一个顶点,然后以该顶点为中心进行扩展,最终得到源点到其余所有点的最路径斯特算法使用了贪心思想,通过松弛操作不断更新节点之间的距离,直到找到最路径。 所以,广度优先搜索算法是一种盲目搜索算法,主要用于的遍历;而斯特算法是一种最路径算法,用于计算一个节点到其他所有节点的最路径。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [C++实现Dijkstra(斯特)算法](https://download.csdn.net/download/weixin_38528680/13714417)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] - *2* [机器人路径规划之斯特算法(二)](https://blog.csdn.net/su_fei_ma_su/article/details/117535802)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] - *3* [广度优先算法Dijkstra算法、A*算法、ARA*算法、AD*算法简单比较](https://blog.csdn.net/qq_42091428/article/details/105643916)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值