Dijkstra算法

一、引言 Introduction

对图G中的每一条边e都赋以一个实数w(e)，则G连同它边上的权称为赋权图。赋权图经常出现在图论的实际应用问题中，边上的权（Weight）可以表示各种实际意义，如在输送网络中，权可以表示两地的距离，可以表示运输的时间，还可以表示运输的费用等。许多最优化问题相当于在一个赋权图中找出某类具有最小（或最大）权的子图。例如，给出一个连接各城镇的铁路网，要找出一条给定两个城镇间的最短路线。这个问题的图论模型建立如下：以顶点代表城镇，边代表城镇间的铁路线，权表示直接相连的城镇之间的铁路距离，得到一个赋权图，即网络N。

本文讨论带权的有向图，并称路径上的第一个顶点为源点（Source），最后一个顶点为终点（Destination）。

二、算法理解 Understanding the Algorithm

Dijkstra算法描述为：假设用带权邻接矩阵来表示带权有向图。首先引进一个辅助向量D，它的每个分量D[i]表示当前所找到的从始点v到每个终点Vi的最短路径。它的初始状态为：若两顶点之间有弧，则D[i]为弧上的权值；否则置D[i]为无穷大。

u 找到与源点v最近的顶点，并将该顶点并入最终集合S；

u 根据找到的最近的顶点更新从源点v出发到集合V-S上可达顶点的最短路径；

u 重复以上操作。

图1 带权有向图

以前总是认为Dijkstra算法可以用来求从源点到指定终点的最短路径，导致总不能抓住算法的中心思想。现在认为把握Dijkstra的算法要点为：

u Dijkstra提出了一个按路径长度递增的次序产生最短路径的算法；

u 每次循环都可以得到一个从源点到某个顶点的最短路径，某个即不是确定的一个；

以带权有向图1为例说明Dijkstra算法的执行过程：假设源点为v0，则初始状态时源点到其它各顶点的距离为：

源点 终点	v1	v2	v3	v4	v5
v0	∽	10	∽	30	100

由上表可知，与源点v0最近的顶点为v2，距离为10。

将v2加入到最终顶点集合S中。

再根据v2更新从源点到其它顶点的最短距离，即从v0-v2-v3的距离为60<∽，所以将v0到v3的距离更新为60，如下表所示：

源点 终点	v1	v2	v3	v4	v5
v0	∽	10	60	30	100

由上表可知，与源点v0次近的顶点为v4，距离为30。

将v4加入到最终顶点集合S中；

再根据v4更新从源点到其它顶点的最短距离。即从v0-v4-v3的距离为50<60，所以将v0到v3的距离更新为50；从v0-v4-v5的距离为90<100，所以将v0到v5的距离更新为90。

源点 终点	v1	v2	v3	v4	v5
v0	∽	10	50	30	90

重复以上操作……

直到最终集合包含了所有的顶点。