解读Dijkstra算法：从理论到Java代码实现

万猫学社

已于 2024-08-08 08:40:23 修改

阅读量1k

点赞数 29

文章标签：图搜索算法算法 java

于 2024-04-26 08:45:00 首次发布

本文链接：https://blog.csdn.net/heihaozi/article/details/138154022

版权

Dijkstra算法简介

在一片浩瀚的信息海洋中，我们常常需要在无数个节点之间寻找一条最短的路径。这就好像在一个复杂的迷宫中，寻找从起点到终点的最短路线。而Dijkstra算法，就是我们手中的一把利剑，可以帮助我们在这个迷宫中找到最短的路径。Dijkstra算法，由荷兰计算机科学家艾兹格·迪科斯彻（荷兰语：Edsger Wybe Dijkstra）在1956年提出，是一种解决最短路径问题的经典算法。

让我们以一个简单的例子来理解这个算法。假设我们有一个网络，其中包含了许多城市，这些城市之间的连线代表了城市之间的道路，连线的权重代表了道路的长度。我们的目标是找到从城市A到城市B的最短路径。在这个网络中，我们可以把城市看作是图的节点，把道路看作是图的边。而我们的任务就是找到从节点A到节点B的最短路径。

这个算法的工作原理是这样的：首先，我们把起始点的距离设为0，其他所有点的距离设为无穷大。然后，我们从起始点开始，每次找到距离起始点最近的一个点，更新它的邻居的距离。重复这个过程，直到所有的点都被找到。最后，我们就可以得到从起始点到其他所有点的最短路径。

这个算法的美妙之处在于，它能够保证找到的是全局最短路径。也就是说，不管网络有多大，不管节点有多少，这个算法都能够找到从起始点到任意点的最短路径。

然而，这个算法也有它的局限性。例如，它不能处理有负权边的图。因为在这种情况下，每次找到的最短路径可能并不是全局最短路径。此外，这个算法的时间复杂度和空间复杂度也是我们需要考虑的问题。接下来，我们将详细分析这个算法的步骤，以及它的时间复杂度和空间复杂度。

Dijkstra算法的步骤和分析

在对Dijkstra算法的基本概念和原理有所了解后，我们来深入阐述一下Dijkstra算法的步骤和分析。Dijkstra算法的步骤可以简单概括为：设置起始点，初始化图，然后反复执行选择最小距离节点和更新距离值的操作，直到找到目标节点的最短路径或者所有的节点都已经被访问。

首先，我们设置起始点，然后将所有节点的距离值初始化为无穷大，而起始点的距离值则初始化为0。这是因为我们在开始时并不知道起始点到其他节点的距离，而起始点到自身的距离自然是0。

然后，我们选择距离值最小的节点，这个节点就是我们接下来要访问的节点。在第一次迭代中，这个节点就是我们的起始点。我们访问这个节点后，就可以得到起始点到与它直接相连的所有节点的距离。

接着，我们更新这些节点的距离值。如果新得到的距离值小于原来的距离值，我们就用新的距离值替换原来的距离值。这一步是Dijkstra算法的核心，它保证了我们总是能找到最短的路径。

我们反复执行上述的选择和更新操作，直到找到目标节点的最短路径或者所有的节点都已经被访问。这样，我们就得到了从起始点到其他所有节点的最短路径。

在时间复杂度上，Dijkstra算法的时间复杂度是O(V^2)，其中V是图中节点的数量。这是因为在算法的执行过程中，每个节点都需要被访问一次，而每次访问一个节点时，都需要检查所有的其他节点，以确定下一个要访问的节点。因此，算法的时间复杂度与节点的数量的平方成正比。

在空间复杂度上，Dijkstra算法的空间复杂度是O(V)，这是因为我们需要存储所有节点的距离值，以及每个节点是否已经被访问的信息。

Dijkstra算法的优点是它能够找到最短路径，而且算法的步骤简单明了，容易理解。然而，它也有一些局限性，比如它不能处理包含负权边的图，因为这会导致算法陷入无限循环。

接下来，我们将展示如何使用Java语言实现Dijkstra算法。

Java代码实现Dijkstra算法

在前两部分，我们已经详细介绍了Dijkstra算法的基本概念、原理以及步骤分析。现在，我们将转向实践部分——如何使用Java语言实现Dijkstra算法。

public class OneMoreClass {
    // 定义一个无穷大的值，用于初始化最短距离数组　
    private static final int INF = Integer.MAX_VALUE - 9999;

    // Dijkstra算法实现　
    public void dijkstra(int[][] graph, int start) {
        // 获取图中顶点的数量　
        int numVertices = graph.length;
        // 创建一个数组，用于存储从起始点到每个顶点的最短距离　
        int[] shortestDistances = new int[numVertices];
        // 创建一个数组，用于标记每个顶点是否已经被添加到最短路径中　
        boolean[] added = new boolean[numVertices];

        // 初始化最短距离数组，将所有的距离设置为无穷大　
        Arrays.fill(shortestDistances, INF);
        // 将起始点到自身的距离设置为0　
        shortestDistances[start] = 0;

        // 创建一个数组，用于存储每个顶点的父节点（即该顶点是从哪个顶点来的）
        int[] parents = new int[numVertices];
        // 起始点没有父节点，所以设置为-1　
        parents[start] = -1;

        // 遍历所有的顶点（除了起始点）
        for (int i = 1; i < numVertices; ++i) {
            // 初始化最近的顶点和最短的距离　
            int nearestVertex = -1;
            int shortestDistance = INF;
            // 寻找当前未添加到最短路径中的顶点中，距离最短的顶点　
            for (int vertexIndex = 0; vertexIndex < numVertices; ++vertexIndex) {
                if (!added[vertexIndex] && shortestDistances[vertexIndex] < shortestDistance) {
                    nearestVertex = vertexIndex;
                    shortestDistance = shortestDistances[vertexIndex];
                }
            }

            // 将找到的最近的顶点添加到最短路径中　
            added[nearestVertex] = true;

            // 更新最短距离数组和父节点数组　
            for (int vertexIndex = 0; vertexIndex < numVertices; ++vertexIndex) {
                int edgeDistance = graph[nearestVertex][vertexIndex];
                if (edgeDistance > 0 && ((shortestDistance + edgeDistance) < shortestDistances[vertexIndex])) {
                    parents[vertexIndex] = nearestVertex;
                    shortestDistances[vertexIndex] = shortestDistance + edgeDistance;
                }
            }
        }

        // 打印最短路径和最短距离　
        printSolution(start, shortestDistances, parents);
    }

    // 打印最短路径和最短距离的方法　
    public void printSolution(int startVertex, int[] distances, int[] parents) {
        int numVertices = distances.length;
        System.out.print("Vertex\t Distance\tPath");

        for (int vertexIndex = 0; vertexIndex < numVertices; vertexIndex++) {
            if (vertexIndex != startVertex) {
                System.out.print("\n" + startVertex + " -> ");
                System.out.print(vertexIndex + " \t\t ");
                System.out.print(distances[vertexIndex] + "\t\t");
                printPath(vertexIndex, parents);
            }
        }
    }

    // 打印路径的方法　
    public void printPath(int currentVertex, int[] parents) {
        // 如果当前顶点为-1（即起始点），则返回　
        if (currentVertex == -1) {
            return;
        }
        // 递归打印父节点　
        printPath(parents[currentVertex], parents);
        // 打印当前顶点　
        System.out.print(currentVertex + " ");
    }
}

以上就是我们用Java实现Dijkstra算法的代码。在这段代码中，我们首先定义了一个无穷大的常量INF，然后初始化了最短距离数组shortestDistances，所有的元素都被设置为INF，除了起始点，它的最短距离被设置为0。然后，我们使用了一个布尔数组added来记录每个顶点是否已被添加到最短路径集合中。

在主循环中，我们首先找到当前未被添加到最短路径集合中且具有最短路径的顶点，然后将这个顶点添加到集合中。然后，我们更新所有与这个顶点相邻的顶点的最短路径。

这就是Dijkstra算法的Java实现。通过这个例子，我希望你能更好地理解这个算法的工作原理和实现过程。我们写一些测试用例，以验证我们的代码是否正确。

    public static void main(String[] args) {
        // 定义一个图（二维数组表示）
        int[][] graph = new int[][] {
                { 0, 4, INF, INF, INF, INF, INF, 8, INF },
                { 4, 0, 8, INF, INF, INF, INF, 11, INF },
                { INF, 8, 0, 7, INF, 4, INF, INF, 2 },
                { INF, INF, 7, 0, 9, 14, INF, INF, INF },
                { INF, INF, INF, 9, 0, 10, INF, INF, INF },
                { INF, INF, 4, 14, 10, 0, 2, INF, INF },
                { INF, INF, INF, INF, INF, 2, 0, 1, 6 },
                { 8, 11, INF, INF, INF, INF, 1, 0, 7 },
                { INF, INF, 2, INF, INF, INF, 6, 7, 0 }
        };
        // 创建一个对象，并调用dijkstra方法　
        OneMoreClass dijkstra = new OneMoreClass();
        dijkstra.dijkstra(graph, 0);
    }

运行后，输出如下：

Vertex	 Distance	Path
0 -> 1 		 4		0 1 
0 -> 2 		 12		0 1 2 
0 -> 3 		 19		0 1 2 3 
0 -> 4 		 21		0 7 6 5 4 
0 -> 5 		 11		0 7 6 5 
0 -> 6 		 9		0 7 6 
0 -> 7 		 8		0 7 
0 -> 8 		 14		0 1 2 8