编程实现路由算法——迪杰斯特拉算法

路由算法有很多，本篇采用迪杰斯特拉最短路径法实现简单的路由算法。可能很多人一看到这个就会想到数据结构了，想到数据结构中必须要建立图的结构就很头疼，今天这种写法可以先不采用数据结构书上的写法，也可以实现相同的功能，毕竟，咱们的重点是要学习使用迪杰斯特拉算法，而不是构建图结构。

首先先来说一下迪杰斯特拉算法，从大概念上来说，该方法属于一种贪心算法，即当加进一个点后，算其相邻所有点的最短路径。详细过程如下：

如下图，要计算其中 点1 到其余各点的最短路径

 

 

总的计算过程见下表

表中红颜色代表当前行未加入到点集中的最小值，蓝颜色代表和上一个新加入点集中的点相邻的点，可能这样说还不是很清楚，就看下面的具体过程了。

第一步：初始化，把和 点1 相连的所有点的D（i）初始化，从图中可以看出，1和2、4、5相连，所以D（2）=10，D（4）=30，D（5）=100，点1和点3不直接相连，所以D（3）=65535，代表无穷大（在java里，可以用Integer.MAX_VALUE来表示无穷大）。由于现在点集中只有点1，所以找出刚才步骤1那行中D（i）最小的点，为点2（图中红色标明），将其加入到点集中。

第二步：此时点集中新加入了点2，则以点2为出发点，从图中看到只有点3与其相连，所以这一步中只需要更新D（3）即可，D（3）= min{D（3）， D（2）+ d（2,3）}，即D（3）= min{65535， 10+ 50} = 60，更新D（3）=60，其余点不变。这行更新完毕，发现未加入到点集中的D（4）最小，所以将点4加入到点集中。

第三步： 此时点集中新加入了点4，则以点4为出发点，从图中看到点3和点5与其相连，所以这一步需要更新D（3）和D（5）的值，D（3）= min{D（3）， D（4）+ d（4,3）} ，即D（3） = min{60, 30+20} = 50；D（5） = min{D（5）， D（4）+ d（4,5）} = min {100， 30 + 60} = 90。此时这一行其他数据不用变，此行更新完毕，找出未加入到点集中的 点3、点5 中的最小值，应该是点3，加入到点集中。

第四步，此时点集中新加入了点3，则以点3为出发点，发现点5与其相连，只需要更新D（5）即可。D（5） = min{D（5）， D（3）+ d（3,5）} = min {90， 50 + 10} = 60，此时这行更新完毕，只有最后一个 点5 未加入到点集中了，所以将其加入。

第五步，此时点集中新加入了点5，则以点5为出发点，发现根本没有点与其相连，甚好，此行就不用再更新了。

第六步，机智的我发现所有点都被包含在了点集中，所以本次迪杰斯特拉算法就到此结束了。

 

剩下的就是代码实现了。

用一个二维数组d[i][j]来存从第i个点到第j个点的路径权重，其中65535为无穷大； 用一个一维数组f[i]才表示从第1个节点到第i个节点的最短路径。

 

/* 
*王欢   12283013 
*实验四 编程实现路由算法 
*/ 
public class Dijkstra_Router { 
    public static void main(String[] args) throws IOException { 
        Scanner scanner = new Scanner(System.in); 
        int i, j; 
        int n = scanner.nextInt(); 
        //因为第0个单元我不用，所以就多开了两个空间 
        int[][] d = new int [n+2][n+2];  //二维矩阵存储点之间的距离 
        int []book = new int [n+2];    //标志数组，book[i]=0代表第i个点未在点集中，book[i]=1代表第i个点在点集中 
        int []f = new int[n+2];  //f[i]表示从第1个节点到第i个节点的最短路径 
        int min = 65535, min_pos = 0;   //最小值设置为65535，为了比较出最小值， min_pos表示当前步骤中最小路径值的小标 
        for (i=0;i<n+2;i++)   //初始化标志数组，并把第一个点添加到点集中，即book[1] = 1 
            book[i] = 0; 
        book[1] = 1; 
        for (i=1;i<=n;i++) 
            for (j=1;j<=n;j++) 
                d[i][j] = scanner.nextInt();   //读入二维矩阵，表示各个点的连接情况 
        for (i=2;i<=n;i++) 
            f[i] = d[1][i];   //按照上文所说的第一步进行初始化 
        System.out.println("运算过程："); 
        while (containsAllNodes(book, n)){ 
            min = 65535;  //每一步都要比较出最小值，所以记得在每一步的开始初始化一下最小值 
            for (i=2;i<=n;i++) 
                if (book[i] == 0 && f[i] < min){   //当第i个点未被加入到点集中 && f[i]<min 
                    min = f[i]; 
                    min_pos = i; 
                } 
            book[min_pos] = 1;  //找出当前步骤中最小值的位置为min_pos，即第min_pos个点加入到点集中，book[min_pos] = 1 
            for (i=1;i<=n;i++) 
                if (d[min_pos][i] != 65535)   //根据上文讲解，f[i] = min{ f[i], f[min_pos] + d[min_pos][i] }  这一步是最重要的，一定要理解。比如上面讲解的第二步中，D（3）= min{D（3）， D（2）+ d（2,3）}，类比一下 
                    f[i] = f[i] < (f[min_pos] + d[min_pos][i]) ? f[i] : (f[min_pos] + d[min_pos][i]);  
            for (i=1;i<=n;i++){ 
                System.out.print(f[i] + " ");  //打印本次运算结果 
            } 
            System.out.println(); 
        }
        System.out.println("最短路径： " + f[n]);  //整个过程全部结束了，打印出第1个点到第n个点的最短路径 
    }
    //判断是否所有点都被加入到点集中了 
    private static boolean containsAllNodes(int[] book, int n) { 
        for (int i=1;i<=n;i++){ 
            if (book[i] == 0) 
                return true; 
        } 
        return false; 
    } 
}
 

总结：如果可以熟练的手工算出那张动态表的话，就可以很好的理解迪杰斯特拉算法了。迪杰斯特拉本质上是一种动态规划，每次只能求出一个点到任意一个点的最短距离，而不是任意一个点到任意一个点的最短距离；同时又体现了贪心策略的思想，当一个新的点被加入到点集中时，下一步只需要更新与其直接相连（相邻）的点即可，而不是需要更新所有的点。至于使用什么语言来实现就都无所谓啦。还有如果需要记录最短路径所经过的节点，再增加相应数组编程实现即可。

个人github:  http://github.com/icodeu

       本例代码托管地址:https://github.com/icodeu/DijkstraForRouter

       个人微信号：qqwanghuan  只为技术交流

更多内容欢迎访问个人网站   http://icodeyou.com