Day 17 Dijkstra算法(最短路径)

       例子

package DijkstraTest;

import java.util.Arrays;

public class Dijkstra {
    public static void main(String[] args) {
        //地杰斯特拉算法  求最短路径
        char []node = {'A','B','C','D','E','F','G'};
        int no = 5555;
        int [][]nodeMap = {//0表示没有连接
                {no,5,7,no,no,no,2},
                {5,no,no,9,no,no,3},
                {7,no,no,no,8,no,no},
                {no,9,no,no,no,4,no},
                {no,no,8,no,no,5,4},
                {no,no,no,4,5,no,6},
                {2,3,no,no,4,6,no},};
        map map = new map(node,nodeMap);
        map.showMap();
        map.djst(6);
        System.out.println("------------");
        System.out.println(Arrays.toString(map.djs.fw));
        System.out.println(Arrays.toString(map.djs.jl));
    }
}
class map{
    public char []dd;//顶点
    public int [][]jz;//邻接矩阵图 (记录图的连接情况)
    public djs djs;//创建djs对象以方便通过map调用djs类中数据
    public map(char []dd,int [][]jz){
        this.dd = dd;
        this.jz = jz;
    }
    //查看邻接矩阵
    public void showMap(){
        if (dd.length>0){
            for (int []i:jz){
                System.out.println(Arrays.toString(i));
            }
        }
    }
    //地杰斯特拉
    public void djst(int index){
        //创建该算法需要用的类 生成对应属性
        djs = new djs(dd.length,index);
        //更新起点到他周围顶点的距离
        update(index);
        //然后获取所有已经有了到该顶点的距离但是该顶点还没有标记访问的顶点  然后更新这些顶点到他们周围顶点的距离
        while (getNext() != -1){//意思为还有符合要求的顶点的时候 进行循环
            int i = getNext();
            djs.fw[i] = 1;
            update(i);
//            System.out.println("------------");
//            System.out.println(dd[i]);
//            System.out.println(Arrays.toString(djs.fw));
//            System.out.println(Arrays.toString(djs.jl));
        }
    }
    //获取下一个作为访问节点的节点  !这里每次获取的必须是所有里面距离最小的 否则影响结果!!
    public int getNext(){
        int n = -1;
        int min = 5555;
        for (int i=0;i<dd.length;i++){
            //这一步的意思是说 如果当前节点没有被访问过 并且 jl中已经记录了到达这个节点的距离
            if (!djs.getFw(i)&&djs.jl[i]<min){
                n = i;
                min = djs.jl[i];
            }
        }
        return n;
    }
    //更新当前点到他周围节点的距离
    public void update(int index){
        int l = 0;
        //循环 查看当前传入节点 与 其他所有节点的连接情况
        for (int i=0;i<dd.length;i++){
            l = djs.jl[index] + jz[index][i];//l = 起点到当前点距离 + 当前点到i的距离
//            System.out.println(l+"***"+djs.jl[i]);
            if (!djs.getFw(i)&&l<djs.jl[i]){//如果当前点i没有被访问过 并且l的值小于当前jl数组中储存的他的距离的值(因为是用一个大的数来代替无法连接的所以直接比较就行)
                djs.jl[i] = l;
            }

        }
    }

}
//里面存放地杰斯特拉算法需要用到的数组
class djs{
    public int []fw;//用来记录当前节点是否被访问过 1代表已访问 0代表未访问
    public int []jl;//用来记录起点 - 当前节点的距离
    public djs(int length,int index){
        fw = new int[length];
        fw[index] = 1;//起点
        jl = new int[length];
        for (int i=0;i<jl.length;i++){
            jl[i] = 5555;
        }
        jl[index] = 0;
//        Arrays.fill(jl, 0);//设置jl内所有数据为0 0代表没有数据 但java初始化就为0 所以可省略
    }
    //查看当前节点是否被访问过
    public boolean getFw(int index){
        return fw[index] == 1;
    }

}

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Dijkstra算法是一种用于解决单源最短路径问题的算法。它通过贪婪地选择当前最短路径来逐步构建最短路径树。以下是Dijkstra算法的步骤: 1. 创建一个空的最短路径集合,用于存储从起始节点到其他节点的最短路径。 2. 初始化起始节点的最短路径为0,将其添加到最短路径集合中。 3. 对于起始节点的所有邻居节点,更新它们的最短路径值。如果通过当前节点到达邻居节点的路径比已知的最短路径更短,则更新最短路径值。 4. 从未添加到最短路径集合中的节点中选择一个具有最小最短路径值的节点,并将其添加到最短路径集合中。 5. 重复步骤3和步骤4,直到所有节点都被添加到最短路径集合中。 6. 最终,最短路径集合中存储了从起始节点到所有其他节点的最短路径Dijkstra算法的特点和限制如下: - Dijkstra算法仅适用于非负权重的图,因为它依赖于贪婪策略来选择当前最短路径。 - 它可以找到从起始节点到所有其他节点的最短路径,因此适用于单源最短路径问题。 - Dijkstra算法不会处理负权边,如果图中存在负权边,应该使用其他算法,如Bellman-Ford算法。 - 算法的时间复杂度取决于数据结构的选择,一般情况下是O(V^2)或O(Vlog(V)),其中V是节点数。如果使用优先队列来优化,时间复杂度可以减小到O(Elog(V)),其中E是边数。 以下是一个使用Dijkstra算法找到最短路径的示例代码: ```python import sys def dijkstra(graph, start): # 初始化最短路径集合和最短路径字典 shortest_paths = {node: sys.maxsize for node in graph} shortest_paths[start] = 0 visited = set() while len(visited) < len(graph): # 选择当前最短路径值的节点 current_node = min((node for node in graph if node not in visited), key=lambda node: shortest_paths[node]) visited.add(current_node) # 更新邻居节点的最短路径值 for neighbor in graph[current_node]: distance = shortest_paths[current_node] + graph[current_node][neighbor] if distance < shortest_paths[neighbor]: shortest_paths[neighbor] = distance return shortest_paths # 示例图的邻接表表示 graph = { 'A': {'B': 5, 'C': 3}, 'B': {'A': 5, 'C': 1, 'D': 3}, 'C': {'A': 3, 'B': 1, 'D': 2, 'E': 6}, 'D': {'B': 3, 'C': 2, 'E': 4, 'F': 2}, 'E': {'C': 6, 'D': 4, 'F': 6}, 'F': {'D': 2, 'E': 6} } start_node = 'A' shortest_paths = dijkstra(graph, start_node) for node in shortest_paths: print(f"Shortest path from {start_node} to {node}: {shortest_paths[node]}") ``` 这段代码使用邻接表表示图,并从起始节点'A'开始找到到达其他节点的最短路径。最终,它会输出从起始节点到每个节点的最短路径值。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值