Dijkstra算法是一个经典的算法——他是荷兰计算机科学家Dijkstra于1959年提出的单源图最短路径算法,也是一个经典的贪心算法。所谓单源图 是规定一个起点的图,我们的最短路径都是从这个起点出发计算的。算法的适用范围是一个无向(或者有向图),所有边权都是非负数。
距离数组
起点 d[s] = 0
其他 d[i] = ∞, 0 ≤ i < n, i ≠ s。
初始,求A点到其他点的最短路径(也称单源最短路径)。
处理F点,F点有4条边。FA(1),FB(11),FD(14),FE(33)。其中FA已经处理过,所以忽略掉。
处理B点,B点有4条边。AB(17),BF(11),BC(6),BD(5)。其中AB,BF已经处理过,所以忽略掉。
将2条的权值加上A到B的最短路径12,加入优先队列。此时队列中的元素为:
{15 D} | {16 E} | {17 B} | {17 D} | {18 C} | {34 E}
取出队列中最小的元素,{15 D},D点是一个未处理过的点,因此得到了A点到D点的最短距离。更新距离,变为:
处理E点,E点所连接的边都已经被处理过了。
{17 B} | {17 D} | {18 C} | {19 E} | {25 C} | {34 E}
取出队列中最小的元素,{17 B},B点是一个已经处理过的点,因此继续后面的处理。
算法描述:
节点集合V = {}空集合,距离初始化。
节点编号0..n – 1, 起点编号0≤ s < n。
节点集合V = {}空集合,距离初始化。
节点编号0..n – 1, 起点编号0≤ s < n。
距离数组
起点 d[s] = 0
其他 d[i] = ∞, 0 ≤ i < n, i ≠ s。
循环n次
找到节点i 不属于 V,且d[i]值最小的节点i。
V = V + i
对所有满足j V的边(i, j) 更新d[j] = min(d[j] , d[i] + w(i, j))。
找到节点i 不属于 V,且d[i]值最小的节点i。
V = V + i
对所有满足j V的边(i, j) 更新d[j] = min(d[j] , d[i] + w(i, j))。
以下图为例,描述Dijkstra算法的运行过程:
![](http://img.51nod.com/upload/000FBEC4/08D26CFA64B724CB0000000000000019.png)
初始,求A点到其他点的最短路径(也称单源最短路径)。
![](http://img.51nod.com/upload/000FBEC4/08D26CFC1C9BBD53000000000000001A.png)
初始化A点
![](http://img.51nod.com/upload/000FBEC4/08D26CFC81546BC00000000000000002.png)
A点有3条边,AB(17),AE(16),AF(1)。
![](http://img.51nod.com/upload/000FBEC4/08D26CFCAEA1302C0000000000000003.png)
将3条边加入优先队列,此时队列中的元素为(只记录目标点):
{1 F} | {16 E} | {17 B}
{1 F} | {16 E} | {17 B}
取出队列中最小的元素,{1 F},F点是一个未处理过的点,因此得到了A点到F点的最短距离。更新距离,变为:
![](http://img.51nod.com/upload/000FBEC4/08D26CFD0344890D0000000000000004.png)
![](http://img.51nod.com/upload/000FBEC4/08D26CFF50C2047F0000000000000005.png)
将3条边加入优先队列,注意,此时加入队列时,所有边的权值需要加上F点到A点的最短距离1。此时队列中的元素为:
{12 B} | {15 D} | {16 E} | {17 B} | {34 E}
{12 B} | {15 D} | {16 E} | {17 B} | {34 E}
取出队列中最小的元素,{12 B},B点是一个未处理过的点,因此得到了A点到B点的最短距离。更新距离,变为:
![](http://img.51nod.com/upload/000FBEC4/08D26D004359535A0000000000000006.png)
![](http://img.51nod.com/upload/000FBEC4/08D26D026B49A4520000000000000007.png)
将2条的权值加上A到B的最短路径12,加入优先队列。此时队列中的元素为:
{15 D} | {16 E} | {17 B} | {17 D} | {18 C} | {34 E}
取出队列中最小的元素,{15 D},D点是一个未处理过的点,因此得到了A点到D点的最短距离。更新距离,变为:
![](http://img.51nod.com/upload/000FBEC4/08D26D03663B91600000000000000008.png)
处理D点,D点有4条边。其中DC(10),DE(4)没有处理过。
将2条的权值加上A到D的最短路径15,加入优先队列。此时队列中的元素为:
{16 E} | {17 B} | {17 D} | {18 C} | {19 E} | {25 C} | {34 E}
取出队列中最小的元素,{16 E},E点是一个未处理过的点,因此得到了A点到E点的最短距离。更新距离,变为:
![](http://img.51nod.com/upload/000FBEC4/08D26D0429C602C30000000000000009.png)
![](http://img.51nod.com/upload/000FBEC4/08D26D05EB254458000000000000000D.png)
此时优先队列中的元素为:
{17 B} | {17 D} | {18 C} | {19 E} | {25 C} | {34 E}
取出队列中最小的元素,{17 B},B点是一个已经处理过的点,因此继续后面的处理。
{17 D} | {18 C} | {19 E} | {25 C} | {34 E}
取出队列中最小的元素,{17 D},D点是一个已经处理过的点,因此继续后面的处理。
{18 C} | {19 E} | {25 C} | {34 E}
取出队列中最小的元素,{18 C},C点是一个未处理过的点,因此得到了A点到C点的最短距离。更新距离,变为:
取出队列中最小的元素,{18 C},C点是一个未处理过的点,因此得到了A点到C点的最短距离。更新距离,变为:
![](http://img.51nod.com/upload/000FBEC4/08D26D05B9AC7D12000000000000000C.png)
代码示例:
/*通过邻接矩阵来说明迪杰斯特拉算法*/
#define MAXV 10
#define INFINITY 65535
typedef struct _Graph{
int vertex_num;
int edge_num;
char vertex[MAXV];
int edges[MAXV][MAXV];
}Graph;
typedef struct _EdgeData{
char start;
char end;
int weight;
}EdgeData;
/*
startVertex -- 起始顶点;
dist -- 长度数组,即dist[i]是"顶点startVertex"到"顶点i"的最短路径的长度;
*/
void Dijkstra(Graph *graph,int startVertex,int dist[]){
int visited[MAXV];
int i,j,k,min,temp;
//初始化起始点到其他各个顶点的距离
for(i=0;i<graph->vertex_num;i++}{
if(i==startVertex){
visited[startVertex]=1;
dist[startVertex]=0;
}
else{
visited[i]=0;
dist[i]=graph->edges[startVertex][i];
}
}
for(i=1;i<graph->vertex_num;i++){
min=INFINITY;
//在未被访问的顶点中,找到离起点最近的顶点k
for(j=0;j<graph->vertex_num;j++){
if(visited[j]==0&&dist[j]<min&&dist[j]!=INFINITY){
min=dist[i];
k=j;
}
}
//将顶点k标记为已访问过
visited[k]=1;
//更新未访问的顶点距起始顶点的最短路径的距离,其实就是更新k点的邻接点到起始点的距离
for(j=0;j<graph->vertex_num;j++){
if(graph->edges[k][j]!=INFINITY){
temp=min+graph->edges[k][j];
if(visited[j]==0&&temp<dist[j]){
dist[j]=temp;
}
}
}
}
printf("Dijkstra %c : \n",graph->vertex[startVertex]);
for(i=0;i<graph->vertex_num;i++){
printf("Shortest (%c,%c)= %d \n",graph->vertex[startVertex],graph->vertex[i],dist[i]);
}
}