迪杰斯特拉(Dijkstra)算法详解

【专栏】数据结构复习之路

这篇文章来自上述专栏中的一篇文章的节选：

【数据结构复习之路】图（严蔚敏版）两万余字&超详细讲解

想了解更多图论的知识，可以去看看本专栏 

Dijkstra 算法讲解：

迪杰斯特拉算法(Dijkstra)是由荷兰计算机科学家狄克斯特拉于1959年提出的，因此又叫狄克斯特拉算法。是从一个顶点到其余各顶点的最短路径算法，解决的是有权图中最短路径问题。迪杰斯特拉算法主要特点是：从起始点开始，采用贪心算法的策略，每次遍历到始点距离最近且未访问过的顶点的邻接节点，直到扩展到终点为止。

这里我直接以书P189那个例子为基础进行讲解（附带书上的源代码）

​

先给出算法代码，然后结合着代码来讲可能会更容易理解：

/* 迪杰斯特拉（Dijkstra) 算法*/
void ShortestPath_Dijkstra(MGraph G, int v0, Patharc path, ShortPathTable dist)
{
	int v, w, k, min;
	int final[MaxVerterNum];		// final[w] = 1表示求得顶点 v0 至 vw的最短路径，即已访问过顶点vw
	for (v = 0; v < G.vexNum; v++)
	{
		final[v] = 0;				// 全部顶点初始化为未知最短路径状态
		dist[v] = G.Edge[v0][v];	// 将与v0点有连线的顶点加上权值
		path[v] = -1;				// 初始化路劲数组p为-1
	}
	dist[0] = 0;	// v0至v0路径为0
	final[0] = 1;	// v0至v0不需要路径
	/* 开始主循环，每次求得v0到某个顶点v的最短路径*/
	for (v = 1; v < G.vexNum; v++)
	{
		min = INFINITY;		// 当前所知离v0顶点的最近距离
		for (w = 0; w < G.vexNum; w++)	// 寻找离v0最近的顶点
		{
			if (!final[w] && dist[w] < min)
			{
				k = w;
				min = dist[w];	// w顶点离v0顶点更近
			}
		}
		final[k] = 1;	// 将目前找到的最近的顶点置为1
		for (w = 0; w < G.vexNum; w++)	// 修正当前最短路径及距离
		{
			/* 如果经过v顶点的路径比现在这条路径的长度短的话 */
			if (!final[w] && (min + G.Edge[k][w] < dist[w]))
			{
				dist[w] = min + G.Edge[k][w];	// 修改当前路径长度
				path[w] = k;
			}
		}
	}
}

【1】初始化（执行上述代码前面一部分）

⚠️注意：这里的path[2] 、path[4]、path[5]没有初始化为0，主要是没必要，因为path[i] = -1，就表明 i 的前驱结点一定就是V0。

• final[i]：标记各顶点是否已找到最短路径
• dist[i]：最短路径长度
• path[i]：路径上的前驱

    int v, w, k, min;
	int final[MaxVerterNum];  // final[w] = 1表示求得顶点 v0 至 vw的最短路径，即已访问过顶点vw
	for (v = 0; v < G.vexNum; v++)
	{
		final[v] = 0;		// 全部顶点初始化为未知最短路径状态
		dist[v] = G.Edge[v0][v]; // 将与v0点有连线的顶点加上权值
		path[v] = -1;		// 初始化路劲数组p为-1
	}
	dist[0] = 0;			// v0至v0路径为0
	final[0] = 1;			// v0至v0不需要路径

​

【2】找到距离V0最近的顶点，并修改当前路径长度 

/* 开始主循环，每次求得v0到某个顶点v的最短路径*/
	for (v = 1; v < G.vexNum; v++)
	{
		min = INFINITY;		// 当前所知离v0顶点的最近距离
		for (w = 0; w < G.vexNum; w++)	// 寻找离v0最近的顶点
		{
			if (!final[w] && dist[w] < min)
			{
				k = w;
				min = dist[w];	// w顶点离v0顶点更近
			}
		}
		final[k] = 1;			// 将目前找到的最近的顶点置为1
		for (w = 0; w < G.vexNum; w++)	// 修正当前最短路径及距离
		{
			/* 如果经过v顶点的路径比现在这条路径的长度短的话 */
			if (!final[w] && (min + G.Edge[k][w] < dist[w]))
			{
				dist[w] = min + G.Edge[k][w];	// 修改当前路径长度
				path[w] = k;
			}
		}
	}

​

【3】 重复【2】 

​ 【4】重复【2】

​

【5】重复【2】

​

---

到这里，dist[i]里面存的就是从V0到 Vi 的最短路径长度，而通过path[i] 就能找到最短路径。

这里V1至始至终都没有更新的原因是：V0根本走不到V1。

看完上述图解，那么书上P190那个表格你肯定就明了：

下图的S相当于 final[i]依次被确定为1的次序

​

 这个表格建议大家要搞懂！可能有些学校会考察画图哦

⚠️注意：

迪杰斯特拉算法适用于求正权有向图中，源点到其余各个节点的最短路径。（图中可以有环，但不能有负权边）。

例如：如下图就不能使用迪杰斯特拉算法求节点 1 到其余各个节点的最短距离。

​

因为根据迪杰斯特拉算法，首先会更新dist[2] = 1 , final[2] = 1。由于final[2]被确定为1，即之后将不会再更新dist[2]，而根据上图，显然结点1到结点2的最短路径为-1。

---

显然，Dijkstra 算法是基于贪心策略的。使用邻接矩阵或者带权的邻接表表示时，时间复杂度都是：​

这里的V是图里面的结点个数。
人们可能只希望找到从源点到某个特定顶点的最短路径，但这个问题和求解源点到其他所有顶点的最短路径一样复杂，时间复杂度也为​ 

---

 我的个人博客，欢迎访问！