随着在Java程序猿道路上越走越远,发现Java确实底层封装太好了,java程序猿确实存在对数据结构及算法方面的短板,我自己最近也在看《算法导论》,每天要上班进度不理想,空闲也在网上找找算法博文,确实写的可以很不错,分享下~
前言:在计算机软件专业中,算法分析与设计是一门非常重要的课程,很多人为它如痴如醉。很多问题的解决,程序的编写都要依赖它,在软件还是面向过程的阶段,就有‘程序=算法+数据结构’这个公式。算法的学习对于培养一个人的逻辑思维能力是有极大帮助的,它可以培养 我们养成思考分析问题,解决问题的能力。 如果一个算法有缺陷,或不适合某个问题,执行这个算法将不会解决这个问题。不同的算法可能用不同的时间、空间或效率来完成同样的任务。一个算法的优劣可以用空间复杂性和时间复杂度来衡量。算法可以使用自然语言、伪代码、流程图等多种不同的方法来描述。计算机系统中的操作系统、语言编译系统、数据库管理系统以及各种各样的计算机应用系统中的软件,都必须使用具体的算法来实现。算法设计与分析是计算机科学与技术的一个核心问题。因此,学习算法无疑会增强自己的竞争力,提高自己的修为,为自己增彩。
概念:算法简单来说就是指解题方案的准确而完整的描述,是一系列解决问题的清晰指令,也就是说算法告诉计算机怎么做,以此来解决问题。同一个问题存在多种算法来解决它,但是这些算法存在着优劣之分,好的算法速度快,效率高,占用空间小,差的算法不仅复杂难懂,而且效率低,对机器要求还高,当然,有时候算法之间存在一种互补关系,有些算法效率高,节省时间,但浪费空间,另外一些算法可能速度上慢些,但是空间比较节约,这时候 我们就应该根据实际要求,和具体情况来采取相应的算法来解决问题。
一:
约瑟夫算法
约瑟夫环:已知n个人(以编号1,2,3...n分别表示)围坐在一张圆桌周围。从编号为k的人开始报数,数到m的那个人出列;他的下一个人又从1开始报数,数到m的那个人又出列;依此规律重复下去,直到圆桌周围的人全部出列。
- public class YuesefuTest {
- public static void main(String[] args) {
- int totalNum = 10;
- int countNum = 3;
- yuesefuByMyself(totalNum, countNum);
- yuesefu(totalNum, countNum);
- }
- /**
- * 此方法 k 为 list 的下标
- * @param totalNum
- * @param countNum
- */
- public static void yuesefuByMyself( int totalNum,int countNum){
- // 初始化人数
- List<Integer> start = new ArrayList<Integer>();
- for(int i=1; i<=totalNum; i++){
- start.add(i);
- }
- // 此处的k为list的下标,开始报数人的下标,第一个人为0,第n个人为n-1
- int k = 0;
- while(start.size()>0){
- // 下一个出列人的下标,因为是从当前报数人开始数,所以减1为下一个出列人的下标
- k = k + countNum -1;
- // 当 下标+1 超过了 list 的size
- if(k + 1>start.size()){
- // 当size 为 10 ,下标要取 10 ,最大下标为9,应该取 list 的 第一个,即下标为0,
- // 同理,直接取余即可为正确下标
- k = k % start.size();
- }
- System.out.print(start.get(k)+",");
- // 出列,下一个开始报数人的下标即为出列人的下标
- start.remove(k);
- }
- System.out.println();
- }
- public static void yuesefu(int totalNum,int countNum){
- // 初始化人数
- List<Integer> start = new ArrayList<Integer>();
- for(int i=1; i<=totalNum; i++){
- start.add(i);
- }
- // 从第K个开始计数
- int k = 0;
- while(start.size()>0){
- k = k + countNum;
- // 第m人的索引位置
- k = k % (start.size()) -1;
- // 判断是否到队尾
- if(k<0){
- System.out.print(start.get(start.size()-1)+",");
- start.remove(start.size()-1);
- k = 0;
- } else {
- System.out.print(start.get(k)+",");
- start.remove(k);
- }
- }
- System.out.println();
- }
- }
二叉树的构建及遍历
- public class BinaryTree {
- private static String [] array = {"A","B","D","H","","","I","","","E","","J","","",
- "C","F","","K","","","G","",""};
- private static int arrayIndex = 0;
- // 创建一棵二叉树,约定用户遵照前序遍历的方式输入数据
- // 不使用迭代是因为迭代必须要知道这棵树有多深,
- // 递归只需要输入就可以自行决定深度
- // type:结点类型 0 根节点 1左孩子 2右孩子
- public static TreeNode createBinaryTree(int type,String parentData) {
- switch (type) {
- case 0:
- System.out.print("根节点:");
- break;
- case 1:
- System.out.print(parentData+"的左孩子:");
- break;
- case 2:
- System.out.print(parentData+"的右孩子:");
- break;
- }
- // 可以使用手动输入也可以放到数组里
- // Scanner sc = new Scanner(System.in);
- // String data = sc.nextLine();
- String data = "";
- if(arrayIndex<array.length){
- data = array[arrayIndex];
- System.out.println(data);
- arrayIndex++;
- }else{
- System.out.println();
- }
- TreeNode node = null;
- // data为空表示没有这个孩子
- if(data==null||data.equals("")){
- return node;
- }else{
- node = new TreeNode(data);
- node.setLchild(createBinaryTree(1,node.getData()));
- node.setRchild(createBinaryTree(2,node.getData()));
- return node;
- }
- }
- // 前序遍历
- public static void preOrderTraverse(TreeNode node){
- if(node != null){
- // 根,左,右
- System.out.print(node.getData());
- preOrderTraverse(node.getLchild());
- preOrderTraverse(node.getRchild());
- }
- }
- // 中序遍历
- public static void inOrderTraverse(TreeNode node){
- if(node != null){
- // 左,根,右
- inOrderTraverse(node.getLchild());
- System.out.print(node.getData());
- inOrderTraverse(node.getRchild());
- }
- }
- // 后序遍历
- public static void postOrderTraverse(TreeNode node){
- if(node != null){
- // 左,右,根
- postOrderTraverse(node.getLchild());
- postOrderTraverse(node.getRchild());
- System.out.print(node.getData());
- }
- }
- //
- public static void main(String[] args) {
- TreeNode rootNode = createBinaryTree(0,"");
- System.out.println();
- System.out.print("前序遍历:");
- preOrderTraverse(rootNode);
- System.out.println();
- System.out.print("中序遍历:");
- inOrderTraverse(rootNode);
- System.out.println();
- System.out.print("后序遍历:");
- postOrderTraverse(rootNode);
- }
- }
- /**
- * 二叉树结点
- * @author cmdsm
- *
- */
- class TreeNode{
- private String data;
- private TreeNode lchild;
- private TreeNode rchild;
- public TreeNode() {
- super();
- }
- public TreeNode(String data) {
- this.data = data;
- }
- public String getData() {
- return data;
- }
- public void setData(String data) {
- this.data = data;
- }
- public TreeNode getLchild() {
- return lchild;
- }
- public void setLchild(TreeNode lchild) {
- this.lchild = lchild;
- }
- public TreeNode getRchild() {
- return rchild;
- }
- public void setRchild(TreeNode rchild) {
- this.rchild = rchild;
- }
- @Override
- public String toString() {
- return "TreeNode [data=" + data + ", lchild=" + lchild + ", rchild=" + rchild + "]";
- }
- }
三:
线索二叉树(中序)
代码所示为下图二叉树
中序遍历:CBDAEF
C,D,F有两个空指针域,E有一个
步骤如下:
1.创建二叉树
2.创建头结点
3.中序遍历线索化
4.中序遍历此线索二叉树(非递归方式)
- public class ThreadedBinaryTree {
- private static String [] array = {"A","B","C","","","D","","","E","","F","",""};
- private static int arrayIndex = 0;
- /**
- * 全局node,始终指向刚刚访问过的结点
- */
- private static ThreadedBinaryNode preNode;
- /**
- * 1.参考创建二叉树,前序遍历输入
- */
- public static ThreadedBinaryNode createThreadedBinaryTree(){
- String data = "";
- if(arrayIndex<array.length){
- data = array[arrayIndex];
- arrayIndex++;
- }
- ThreadedBinaryNode node = null;
- // data为空表示没有这个孩子
- if(data==null||data.equals("")){
- return node;
- }else{
- node = new ThreadedBinaryNode(data);
- node.setLchild(createThreadedBinaryTree());
- node.setRchild(createThreadedBinaryTree());
- node.setLtag(PointerTag.LINK);
- node.setRtag(PointerTag.LINK);
- return node;
- }
- }
- /**
- * 2.创建头结点,左孩子指向根节点
- * @param rootNode
- */
- public static ThreadedBinaryNode createHeadNode(ThreadedBinaryNode rootNode){
- ThreadedBinaryNode headNode = new ThreadedBinaryNode();
- headNode.setLtag(PointerTag.LINK);
- headNode.setRtag(PointerTag.THREAD);
- // 右孩子先指向自己,如果根节点不为null,指向中序遍历的最后一个结点,为null不用变
- headNode.setRchild(headNode);
- if(rootNode != null){
- // 根结点不为null,头结点的左孩子指向根结点
- headNode.setLchild(rootNode);
- preNode = headNode;
- // 开始中序遍历根结点
- inOrderTraverse(rootNode);
- // 中序遍历的最后一个结点的后继指向头结点
- preNode.setRtag(PointerTag.THREAD);
- preNode.setRchild(headNode);
- // 头结点的右孩子指向最后一个结点
- headNode.setRchild(preNode);
- }else{
- // 根节点为null 左孩子指向自己
- headNode.setLchild(headNode);
- }
- return headNode;
- }
- /**
- * 3.中序遍历线索化
- */
- public static void inOrderTraverse(ThreadedBinaryNode node){
- if(node != null){
- // 递归左孩子线索化
- inOrderTraverse(node.getLchild());
- // 结点处理
- if(null == node.getLchild()){
- // 如果左孩子为空,设置tag为线索 THREAD,并把lchild指向刚刚访问的结点
- node.setLtag(PointerTag.THREAD);
- node.setLchild(preNode);
- }
- if(null == preNode.getRchild()){
- // 如果preNode的右孩子为空,设置tag为线索THREAD
- preNode.setRtag(PointerTag.THREAD);
- preNode.setRchild(node);
- }
- // 此处和前后两个递归的顺序不能改变,和结点处理同属一个级别
- preNode = node;
- // System.out.print(node.getData());
- // 递归右孩子线索化
- inOrderTraverse(node.getRchild());
- }
- }
- /**
- * 4.中序遍历 非递归方式
- * @param headNode
- */
- public static void inOrderTraverseNotRecursion(ThreadedBinaryNode headNode){
- ThreadedBinaryNode node = headNode.getLchild();
- while(headNode != node){
- // 最左
- while(node.getLtag() == PointerTag.LINK){
- node = node.getLchild();
- }
- System.out.print(node.getData());
- // 根
- while(node.getRtag() == PointerTag.THREAD && node.getRchild() !=headNode){
- node = node.getRchild();
- System.out.print(node.getData());
- }
- // 右,不能打印是因为该子树下可能还存在最左
- node = node.getRchild();
- }
- }
- public static void main(String[] args) {
- // 创建二叉树,约定前序输入
- ThreadedBinaryNode rootNode = createThreadedBinaryTree();
- // 创建头结点,并中序遍历线索化
- ThreadedBinaryNode headNode = createHeadNode(rootNode);
- // 中序遍历 非递归方式输出
- inOrderTraverseNotRecursion(headNode);
- }
- }
- class ThreadedBinaryNode{
- private String data;
- private ThreadedBinaryNode lchild;
- private ThreadedBinaryNode rchild;
- private PointerTag ltag;
- private PointerTag rtag;
- public String getData() {
- return data;
- }
- public void setData(String data) {
- this.data = data;
- }
- public ThreadedBinaryNode getLchild() {
- return lchild;
- }
- public void setLchild(ThreadedBinaryNode lchild) {
- this.lchild = lchild;
- }
- public ThreadedBinaryNode getRchild() {
- return rchild;
- }
- public void setRchild(ThreadedBinaryNode rchild) {
- this.rchild = rchild;
- }
- public PointerTag getLtag() {
- return ltag;
- }
- public void setLtag(PointerTag ltag) {
- this.ltag = ltag;
- }
- public PointerTag getRtag() {
- return rtag;
- }
- public void setRtag(PointerTag rtag) {
- this.rtag = rtag;
- }
- public ThreadedBinaryNode(String data) {
- super();
- this.data = data;
- }
- public ThreadedBinaryNode() {
- super();
- }
- @Override
- public String toString() {
- return "ThreadedBinaryNode [data=" + data + ", ltag=" + ltag
- + ", rtag=" + rtag + "]";
- }
- }
- /**
- * LINK :表示指向左右孩子的指针
- * THREAD:表示指向前驱后继的线索
- * @author cmdsm
- *
- */
- enum PointerTag{
- LINK , THREAD
- }
个人认为此算法遍历顺序的决定条件:
1.确定第一个顶点
2.下一个顶点可到(小于正无穷)
3.取可到顶点中最小权值的一个
代码中的图
最小生成树:99
代码(参考其他文章):
- public class MinSpanTree {
- /** 邻接矩阵*/
- int[][] matrix;
- /** 表示正无穷*/
- int MAX_WEIGHT = Integer.MAX_VALUE;
- /** 顶点个数*/
- int size;
- /**
- * 普里姆算法实现最小生成树:先初始化拿到第一个顶点相关联的权值元素放到数组中-》找到其中权值最小的顶点下标-》再根据该下标,将该下标顶点相关联的权值加入到数组中-》循环遍历处理
- */
- public void prim() {
- /**存放当前到全部顶点最小权值的数组,如果已经遍历过的顶点权值为0,无法到达的为正无穷*/
- int[] tempWeight = new int[size];
- /**当前到下一个最小权值顶点的最小权值*/
- int minWeight;
- /**当前到下一个最小权值的顶点*/
- int minId;
- /**权值总和*/
- int sum = 0;
- //第一个顶点时,到其他顶点的权值即为邻接矩阵的第一行
- for (int i = 0; i < size; i++) {
- tempWeight[i] = matrix[0][i];
- }
- System.out.println("从顶点v0开始查找");
- for (int i = 1; i < size; i++) {
- // 每次循环找出当前到下一个最小权值的顶点极其最小权值
- minWeight = MAX_WEIGHT;
- minId = 0;
- for (int j = 1; j < size; j++) {
- //权值为0的顶点已经遍历过,不再计入
- if (tempWeight[j] > 0 && tempWeight[j] < minWeight) {
- minWeight = tempWeight[j];
- minId = j;
- }
- }
- // 找到目标顶点minId,他的权值为minweight。
- System.out.println("找到顶点:v" + minId + " 权值为:" + minWeight);
- sum += minWeight;
- // 算法核心所在:将目标顶点到各个顶点的权值与当前tempWeight数组中的权值做比较,如果前者比后者到某个顶点的权值更小,将前者到这个顶点的权值更新入后者。
- tempWeight[minId] = 0;
- for (int j = 1; j < size; j++) {
- if (tempWeight[j] != 0 && matrix[minId][j] < tempWeight[j]) {
- tempWeight[j] = matrix[minId][j];
- }
- }
- }
- System.out.println("最小权值总和为:" + sum);
- }
- private void createGraph(int index) {
- size = index;
- matrix = new int[index][index];
- int[] v0 = { 0, 10, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, 11, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT };
- int[] v1 = { 10, 0, 18, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, 16, MAX_WEIGHT, 12 };
- int[] v2 = { MAX_WEIGHT, 18, 0, 22, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, 8 };
- int[] v3 = { MAX_WEIGHT, MAX_WEIGHT, 22, 0, 20, MAX_WEIGHT, MAX_WEIGHT, 16, 21 };
- int[] v4 = { MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, 20, 0, 26, MAX_WEIGHT, 7, MAX_WEIGHT };
- int[] v5 = { 11, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, 26, 0, 17, MAX_WEIGHT, MAX_WEIGHT };
- int[] v6 = { MAX_WEIGHT, 16, MAX_WEIGHT, 24, MAX_WEIGHT, 17, 0, 19, MAX_WEIGHT };
- int[] v7 = { MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, 16, 7, MAX_WEIGHT, 19, 0, MAX_WEIGHT };
- int[] v8 = { MAX_WEIGHT, 12, 8, 21, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, 0 };
- matrix[0] = v0;
- matrix[1] = v1;
- matrix[2] = v2;
- matrix[3] = v3;
- matrix[4] = v4;
- matrix[5] = v5;
- matrix[6] = v6;
- matrix[7] = v7;
- matrix[8] = v8;
- }
- public static void main(String[] args) {
- MinSpanTree graph = new MinSpanTree();
- graph.createGraph(9);
- graph.prim();
- }
- }
判断是否为回路的机制没有理解
代码所示图和边集数组
代码
- public class MiniSpanTreeKruskal {
- /** 邻接矩阵 */
- private int[][] matrix;
- /** 表示正无穷 */
- private int MAX_WEIGHT = Integer.MAX_VALUE;
- /**边集数组*/
- private List<Edge> edgeList = new ArrayList<Edge>();
- /**
- * 创建图
- */
- private void createGraph(int index) {
- matrix = new int[index][index];
- int[] v0 = { 0, 10, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, 11, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT };
- int[] v1 = { 10, 0, 18, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, 16, MAX_WEIGHT, 12 };
- int[] v2 = { MAX_WEIGHT, 18, 0, 22, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, 8 };
- int[] v3 = { MAX_WEIGHT, MAX_WEIGHT, 22, 0, 20, MAX_WEIGHT, MAX_WEIGHT, 16, 21 };
- int[] v4 = { MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, 20, 0, 26, MAX_WEIGHT, 7, MAX_WEIGHT };
- int[] v5 = { 11, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, 26, 0, 17, MAX_WEIGHT, MAX_WEIGHT };
- int[] v6 = { MAX_WEIGHT, 16, MAX_WEIGHT, 24, MAX_WEIGHT, 17, 0, 19, MAX_WEIGHT };
- int[] v7 = { MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, 16, 7, MAX_WEIGHT, 19, 0, MAX_WEIGHT };
- int[] v8 = { MAX_WEIGHT, 12, 8, 21, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, 0 };
- matrix[0] = v0;
- matrix[1] = v1;
- matrix[2] = v2;
- matrix[3] = v3;
- matrix[4] = v4;
- matrix[5] = v5;
- matrix[6] = v6;
- matrix[7] = v7;
- matrix[8] = v8;
- }
- /**
- * 创建边集数组,并且对他们按权值从小到大排序(顺序存储结构也可以认为是数组吧)
- */
- public void createEdages() {
- Edge v0 = new Edge(4, 7, 7);
- Edge v1 = new Edge(2, 8, 8);
- Edge v2 = new Edge(0, 1, 10);
- Edge v3 = new Edge(0, 5, 11);
- Edge v4 = new Edge(1, 8, 12);
- Edge v5 = new Edge(3, 7, 16);
- Edge v6 = new Edge(1, 6, 16);
- Edge v7 = new Edge(5, 6, 17);
- Edge v8 = new Edge(1, 2, 18);
- Edge v9 = new Edge(6, 7, 19);
- Edge v10 = new Edge(3, 4, 20);
- Edge v11 = new Edge(3, 8, 21);
- Edge v12 = new Edge(2, 3, 22);
- Edge v13 = new Edge(3, 6, 24);
- Edge v14 = new Edge(4, 5, 26);
- edgeList.add(v0);
- edgeList.add(v1);
- edgeList.add(v2);
- edgeList.add(v3);
- edgeList.add(v4);
- edgeList.add(v5);
- edgeList.add(v6);
- edgeList.add(v7);
- edgeList.add(v8);
- edgeList.add(v9);
- edgeList.add(v10);
- edgeList.add(v11);
- edgeList.add(v12);
- edgeList.add(v13);
- edgeList.add(v14);
- }
- // 克鲁斯卡尔算法
- public void kruskal() {
- //创建图和边集数组
- createGraph(9);
- //可以由图转出边集数组并按权从小到大排序,这里为了方便观察直接写出来了
- createEdages();
- //定义一个数组用来判断边与边是否形成环路
- int[] parent = new int[9];
- /**权值总和*/
- int sum = 0;
- int n, m;
- //遍历边
- for (int i = 0; i < edgeList.size(); i++) {
- Edge edge= edgeList.get(i);
- n = find(parent, edge.getBegin());
- m = find(parent, edge.getEnd());
- //说明形成了环路或者两个结点都在一棵树上
- //注:书上没有讲解为什么这种机制可以保证形成环路,思考了半天,百度了也没有什么好的答案,研究的时间不多,就暂时就放一放吧
- if (n != m) {
- parent[n] = m;
- System.out.println("(" + edge.getBegin() + "," + edge.getEnd() + ")" +edge.getWeight());
- sum += edge.getWeight();
- }
- }
- System.out.println("权值总和为:" + sum);
- }
- public int find(int[] parent, int index) {
- while (parent[index] > 0) {
- index = parent[index];
- }
- return index;
- }
- public static void main(String[] args) {
- MiniSpanTreeKruskal graph = new MiniSpanTreeKruskal();
- graph.kruskal();
- }
- }
- class Edge {
- private int begin;
- private int end;
- private int weight;
- public Edge(int begin, int end, int weight) {
- super();
- this.begin = begin;
- this.end = end;
- this.weight = weight;
- }
- public int getBegin() {
- return begin;
- }
- public void setBegin(int begin) {
- this.begin = begin;
- }
- public int getEnd() {
- return end;
- }
- public void setEnd(int end) {
- this.end = end;
- }
- public int getWeight() {
- return weight;
- }
- public void setWeight(int weight) {
- this.weight = weight;
- }
- @Override
- public String toString() {
- return "Edge [begin=" + begin + ", end=" + end + ", weight=" + weight + "]";
- }
- }
六:
迪杰斯特拉(Dijkstra)算法
基本思想
通过Dijkstra计算图G中的最短路径时,需要指定起点vs(即从顶点vs开始计算)。
此外,引进两个集合S和U。S的作用是记录已求出最短路径的顶点,而U则是记录还未求出最短路径的顶点(以及该顶点到起点vs的距离)。
初始时,S中只有起点vs;U中是除vs之外的顶点,并且U中顶点的路径是"起点vs到该顶点的路径"。然后,从U中找出路径最短的顶点,并将其加入到S中;接着,更新U中的顶点和顶点对应的路径。 然后,再从U中找出路径最短的顶点,并将其加入到S中;接着,更新U中的顶点和顶点对应的路径。 ... 重复该操作,直到遍历完所有顶点。
操作步骤
(1) 初始时,S只包含起点vs;U包含除vs外的其他顶点,且U中顶点的距离为"起点vs到该顶点的距离"[例如,U中顶点v的距离为(vs,v)的长度,然后vs和v不相邻,则v的距离为∞]。
(2) 从U中选出"距离最短的顶点k",并将顶点k加入到S中;同时,从U中移除顶点k。
(3) 更新U中各个顶点到起点vs的距离。之所以更新U中顶点的距离,是由于上一步中确定了k是求出最短路径的顶点,从而可以利用k来更新其它顶点的距离;例如,(vs,v)的距离可能大于(vs,k)+(k,v)的距离。
(4) 重复步骤(2)和(3),直到遍历完所有顶点。
代码示例图:
图一:
图二:
代码:
- public class ShortestPathDijkstra {
- /** 邻接矩阵 */
- private int[][] matrix;
- /** 表示正无穷 */
- private int MAX_WEIGHT = Integer.MAX_VALUE;
- /** 顶点集合 */
- private String[] vertexes;
- /**
- * 创建图2
- */
- private void createGraph2(int index) {
- matrix = new int[index][index];
- vertexes = new String[index];
- int[] v0 = { 0, 1, 5, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT };
- int[] v1 = { 1, 0, 3, 7, 5, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT };
- int[] v2 = { 5, 3, 0, MAX_WEIGHT, 1, 7, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT };
- int[] v3 = { MAX_WEIGHT, 7, MAX_WEIGHT, 0, 2, MAX_WEIGHT, 3, MAX_WEIGHT, MAX_WEIGHT };
- int[] v4 = { MAX_WEIGHT, 5, 1, 2, 0, 3, 6, 9, MAX_WEIGHT };
- int[] v5 = { MAX_WEIGHT, MAX_WEIGHT, 7, MAX_WEIGHT, 3, 0, MAX_WEIGHT, 5, MAX_WEIGHT };
- int[] v6 = { MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, 3, 6, MAX_WEIGHT, 0, 2, 7 };
- int[] v7 = { MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, 9, 5, 2, 0, 4 };
- int[] v8 = { MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, 7, 4, 0 };
- matrix[0] = v0;
- matrix[1] = v1;
- matrix[2] = v2;
- matrix[3] = v3;
- matrix[4] = v4;
- matrix[5] = v5;
- matrix[6] = v6;
- matrix[7] = v7;
- matrix[8] = v8;
- vertexes[0] = "v0";
- vertexes[1] = "v1";
- vertexes[2] = "v2";
- vertexes[3] = "v3";
- vertexes[4] = "v4";
- vertexes[5] = "v5";
- vertexes[6] = "v6";
- vertexes[7] = "v7";
- vertexes[8] = "v8";
- }
- /**
- * 创建图1
- */
- private void createGraph1(int index) {
- matrix = new int[index][index];
- vertexes = new String[index];
- int[] v0 = { 0, 1, MAX_WEIGHT, MAX_WEIGHT, 2, MAX_WEIGHT };
- int[] v1 = { 1, 0, 1, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT };
- int[] v2 = { MAX_WEIGHT, 1, 0, 1, MAX_WEIGHT, MAX_WEIGHT };
- int[] v3 = { MAX_WEIGHT, MAX_WEIGHT, 1, 0, 1, MAX_WEIGHT };
- int[] v4 = { MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, 1, 0, 1 };
- int[] v5 = { MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, 1, 1, 0 };
- matrix[0] = v0;
- matrix[1] = v1;
- matrix[2] = v2;
- matrix[3] = v3;
- matrix[4] = v4;
- matrix[5] = v5;
- vertexes[0] = "A";
- vertexes[1] = "B";
- vertexes[2] = "C";
- vertexes[3] = "D";
- vertexes[4] = "E";
- vertexes[5] = "F";
- }
- /**
- * Dijkstra最短路径。
- *
- * vs -- 起始顶点(start vertex) 即,统计图中"顶点vs"到其它各个顶点的最短路径。
- */
- public void dijkstra(int vs) {
- // flag[i]=true表示"顶点vs"到"顶点i"的最短路径已成功获取
- boolean[] flag = new boolean[vertexes.length];
- // U则是记录还未求出最短路径的顶点(以及该顶点到起点s的距离),与 flag配合使用,flag[i] == true 表示U中i顶点已被移除
- int[] U = new int[vertexes.length];
- // 前驱顶点数组,即,prev[i]的值是"顶点vs"到"顶点i"的最短路径所经历的全部顶点中,位于"顶点i"之前的那个顶点。
- int[] prev = new int[vertexes.length];
- // S的作用是记录已求出最短路径的顶点
- String[] S = new String[vertexes.length];
- // 步骤一:初始时,S中只有起点vs;U中是除vs之外的顶点,并且U中顶点的路径是"起点vs到该顶点的路径"。
- for (int i = 0; i < vertexes.length; i++) {
- flag[i] = false; // 顶点i的最短路径还没获取到。
- U[i] = matrix[vs][i]; // 顶点i与顶点vs的初始距离为"顶点vs"到"顶点i"的权。也就是邻接矩阵vs行的数据。
- prev[i] = 0; //顶点i的前驱顶点为0
- }
- // 将vs从U中“移除”(U与flag配合使用)
- flag[vs] = true;
- U[vs] = 0;
- // 将vs顶点加入S
- S[0] = vertexes[vs];
- // 步骤一结束
- //步骤四:重复步骤二三,直到遍历完所有顶点。
- // 遍历vertexes.length-1次;每次找出一个顶点的最短路径。
- int k = 0;
- for (int i = 1; i < vertexes.length; i++) {
- // 步骤二:从U中找出路径最短的顶点,并将其加入到S中(如果vs顶点到x顶点还有更短的路径的话,那么
- // 必然会有一个y顶点到vs顶点的路径比前者更短且没有加入S中
- // 所以,U中路径最短顶点的路径就是该顶点的最短路径)
- // 即,在未获取最短路径的顶点中,找到离vs最近的顶点(k)。
- int min = MAX_WEIGHT;
- for (int j = 0; j < vertexes.length; j++) {
- if (flag[j] == false && U[j] < min) {
- min = U[j];
- k = j;
- }
- }
- //将k放入S中
- S[i] = vertexes[k];
- //步骤二结束
- //步骤三:更新U中的顶点和顶点对应的路径
- //标记"顶点k"为已经获取到最短路径(更新U中的顶点,即将k顶点对应的flag标记为true)
- flag[k] = true;
- //修正当前最短路径和前驱顶点(更新U中剩余顶点对应的路径)
- //即,当已经"顶点k的最短路径"之后,更新"未获取最短路径的顶点的最短路径和前驱顶点"。
- for (int j = 0; j < vertexes.length; j++) {
- //以k顶点所在位置连线其他顶点,判断其他顶点经过最短路径顶点k到达vs顶点是否小于目前的最短路径,是,更新入U,不是,不做处理
- int tmp = (matrix[k][j] == MAX_WEIGHT ? MAX_WEIGHT : (min + matrix[k][j]));
- if (flag[j] == false && (tmp < U[j])) {
- U[j] = tmp;
- //更新 j顶点的最短路径前驱顶点为k
- prev[j] = k;
- }
- }
- //步骤三结束
- }
- //步骤四结束
- // 打印dijkstra最短路径的结果
- System.out.println("起始顶点:" + vertexes[vs]);
- for (int i = 0; i < vertexes.length; i++) {
- System.out.print("最短路径(" + vertexes[vs] + "," + vertexes[i] + "):" + U[i] + " ");
- List<String> path = new ArrayList<>();
- int j = i;
- while (true) {
- path.add(vertexes[j]);
- if (j == 0)
- break;
- j = prev[j];
- }
- for (int x = path.size()-1; x >= 0; x--) {
- if (x == 0) {
- System.out.println(path.get(x));
- } else {
- System.out.print(path.get(x) + "->");
- }
- }
- }
- System.out.println("顶点放入S中的顺序:");
- for (int i = 0; i< vertexes.length; i++) {
- System.out.print(S[i]);
- if (i != vertexes.length-1)
- System.out.print("-->");
- }
- }
- public static void main(String[] args) {
- ShortestPathDijkstra dij = new ShortestPathDijkstra();
- dij.createGraph1(6);
- // dij.createGraph2(9);
- dij.dijkstra(0);
- }
- }
图一
图二
七:
弗洛伊德(Floyd)算法
代码所示图:
图1:
图2:
代码:
- public class ShortestPathFloyd {
- /** 邻接矩阵 */
- private int[][] matrix;
- /** 表示正无穷 */
- private int MAX_WEIGHT = Integer.MAX_VALUE;
- /**路径矩阵*/
- private int[][] pathMatirx;
- /**前驱表*/
- private int[][] preTable;
- /**
- * 创建图2
- */
- private void createGraph2(int index) {
- matrix = new int[index][index];
- int[] v0 = { 0, 1, 5, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT };
- int[] v1 = { 1, 0, 3, 7, 5, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT };
- int[] v2 = { 5, 3, 0, MAX_WEIGHT, 1, 7, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT };
- int[] v3 = { MAX_WEIGHT, 7, MAX_WEIGHT, 0, 2, MAX_WEIGHT, 3, MAX_WEIGHT, MAX_WEIGHT };
- int[] v4 = { MAX_WEIGHT, 5, 1, 2, 0, 3, 6, 9, MAX_WEIGHT };
- int[] v5 = { MAX_WEIGHT, MAX_WEIGHT, 7, MAX_WEIGHT, 3, 0, MAX_WEIGHT, 5, MAX_WEIGHT };
- int[] v6 = { MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, 3, 6, MAX_WEIGHT, 0, 2, 7 };
- int[] v7 = { MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, 9, 5, 2, 0, 4 };
- int[] v8 = { MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, 7, 4, 0 };
- matrix[0] = v0;
- matrix[1] = v1;
- matrix[2] = v2;
- matrix[3] = v3;
- matrix[4] = v4;
- matrix[5] = v5;
- matrix[6] = v6;
- matrix[7] = v7;
- matrix[8] = v8;
- }
- /**
- * 创建图1
- */
- private void createGraph1(int index) {
- matrix = new int[index][index];
- int[] v0 = { 0, 1, MAX_WEIGHT, MAX_WEIGHT, 2, MAX_WEIGHT };
- int[] v1 = { 1, 0, 1, MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT };
- int[] v2 = { MAX_WEIGHT, 1, 0, 1, MAX_WEIGHT, MAX_WEIGHT };
- int[] v3 = { MAX_WEIGHT, MAX_WEIGHT, 1, 0, 1, MAX_WEIGHT };
- int[] v4 = { MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, 1, 0, 1 };
- int[] v5 = { MAX_WEIGHT, MAX_WEIGHT, MAX_WEIGHT, 1, 1, 0 };
- matrix[0] = v0;
- matrix[1] = v1;
- matrix[2] = v2;
- matrix[3] = v3;
- matrix[4] = v4;
- matrix[5] = v5;
- }
- public void floyd(){
- //路径矩阵(D),表示顶点到顶点的最短路径权值之和的矩阵,初始时,就是图的邻接矩阵。
- pathMatirx = new int[matrix.length][matrix.length];
- //前驱表(P),P[m][n] 的值为 m到n的最短路径的前驱顶点,如果是直连,值为n。也就是初始值
- preTable = new int[matrix.length][matrix.length];
- //初始化D,P
- for (int i = 0; i < matrix.length; i++) {
- for (int j = 0; j < matrix.length; j++) {
- pathMatirx[i][j] = matrix[i][j];
- preTable[i][j] = j;
- }
- }
- //循环 中间经过顶点
- for (int k = 0; k < matrix.length; k++) {
- //循环所有路径
- for (int m = 0; m < matrix.length; m++) {
- for (int n = 0; n < matrix.length; n++) {
- int mn = pathMatirx[m][n];
- int mk = pathMatirx[m][k];
- int kn = pathMatirx[k][n];
- int addedPath = (mk == MAX_WEIGHT || kn == MAX_WEIGHT)? MAX_WEIGHT : mk + kn;
- if (mn > addedPath) {
- //如果经过k顶点路径比原两点路径更短,将两点间权值设为更小的一个
- pathMatirx[m][n] = addedPath;
- //前驱设置为经过下标为k的顶点
- preTable[m][n] = preTable[m][k];
- }
- }
- }
- }
- }
- /**
- * 打印 所有最短路径
- */
- public void print() {
- for (int m = 0; m < matrix.length; m++) {
- for (int n = m + 1; n < matrix.length; n++) {
- int k = preTable[m][n];
- System.out.print("(" + m + "," + n + ")" + pathMatirx[m][n] + ": ");
- System.out.print(m);
- while (k != n) {
- System.out.print("->" + k);
- k = preTable[k][n];
- }
- System.out.println("->" + n);
- }
- System.out.println();
- }
- }
- public static void main(String[] args) {
- ShortestPathFloyd floyd = new ShortestPathFloyd();
- floyd.createGraph2(9);
- // floyd.createGraph1(6);
- floyd.floyd();
- floyd.print();
- }
图1:
图2:
- (0,1)1: 0->1
- (0,2)4: 0->1->2
- (0,3)7: 0->1->2->4->3
- (0,4)5: 0->1->2->4
- (0,5)8: 0->1->2->4->5
- (0,6)10: 0->1->2->4->3->6
- (0,7)12: 0->1->2->4->3->6->7
- (0,8)16: 0->1->2->4->3->6->7->8
- (1,2)3: 1->2
- (1,3)6: 1->2->4->3
- (1,4)4: 1->2->4
- (1,5)7: 1->2->4->5
- (1,6)9: 1->2->4->3->6
- (1,7)11: 1->2->4->3->6->7
- (1,8)15: 1->2->4->3->6->7->8
- (2,3)3: 2->4->3
- (2,4)1: 2->4
- (2,5)4: 2->4->5
- (2,6)6: 2->4->3->6
- (2,7)8: 2->4->3->6->7
- (2,8)12: 2->4->3->6->7->8
- (3,4)2: 3->4
- (3,5)5: 3->4->5
- (3,6)3: 3->6
- (3,7)5: 3->6->7
- (3,8)9: 3->6->7->8
- (4,5)3: 4->5
- (4,6)5: 4->3->6
- (4,7)7: 4->3->6->7
- (4,8)11: 4->3->6->7->8
- (5,6)7: 5->7->6
- (5,7)5: 5->7
- (5,8)9: 5->7->8
- (6,7)2: 6->7
- (6,8)6: 6->7->8
- (7,8)4: 7->8
转载自:http://blog.csdn.net/csdn_aiyang/article/details/71108006