dijkstra解决的是单源最短路问题,即一个点到另外一个点的最短路问题。这种单源最短路问题有很多做法,如dijkstra以及SPFA等等。今天我们主要了解dijkstra算法:
- 初始化一个节点dist[1]=0,其他都为无穷大
- 利用初始节点更新邻居节点的距离,找到当前节点的邻居中距离最短的点加入组织
- 利用加入的点继续更新其他节点;我们一共需要n次循环,n为节点数,因为每次只能加入一个节点进入组织。
我们如上图所示,一开始我们假设到达所有节点的距离都为无穷大即d[1] = INF,d[2] = INF, d[3] = INF
然后我们选取1号节点作为我们的初始节点,那么d[1] = 0,然后利用1号节点来更新1号点到其他点的距离,那么d[2] = 1, d[3] = 13;
我们选取距离最近的点加入组织,即2号点加入组织;然后利用2号点继续更新距离,此时到达3号点的距离就可以缩短,即d[3]=10;
同时我们在求解dijkstra时会需要对图进行表示,而图也分为了稠密图和稀疏图,下面我们以稀疏图进行举例:
给定一个 n 个点 m 条边的有向图,图中可能存在重边和自环,所有边权均为非负值。
请你求出 1 号点到 n 号点的最短距离,如果无法从 1 号点走到 n 号点,则输出 −1。
输入格式
第一行包含整数 n 和 m。
接下来 m 行每行包含三个整数 x,y,z,表示存在一条从点 x 到点 y 的有向边,边长为 z。
输出格式
输出一个整数,表示 1 号点到 n 号点的最短距离。
如果路径不存在,则输出 −1。
数据范围
1≤n,m≤1.5×10^5 ,
图中涉及边长均不小于 0,且不超过 10000。
输入样例:
3 3
1 2 2
2 3 1
1 3 4
输出样例:
3
堆优化版代码:
//我们可以通过输入数据发现,原来的朴素版本的 dijkstra 方法会超时
import java.io.*;
import java.util.*;
public class Main{
public static int[] e = new int[150010];
public static int[] ne = new int[150010];
public static int[] w = new int[150010];
public static int[] h = new int[150010];
public static boolean[] st = new boolean[150010];
public static int[] d = new int[150010];
public static int idx = 0;
public static void main(String[] args)throws IOException{
BufferedReader br = new BufferedReader(new InputStreamReader(System.in));
String[] lens = br.readLine().split(" ");
int n = Integer.parseInt(lens[0]);
int m = Integer.parseInt(lens[1]);
Arrays.fill(h, -1);
for (int i = 0; i < m; i++){
String[] res = br.readLine().split(" ");
int a = Integer.parseInt(res[0]);
int b = Integer.parseInt(res[1]);
int c = Integer.parseInt(res[2]);
add(a, b, c);
}
System.out.print(dijkstra(n));
}
public static void add(int a, int b, int c){
e[idx] = b;
w[idx] = c;
ne[idx] = h[a];
h[a] = idx++;
}
public static int dijkstra(int n){
PriorityQueue<int[]> q = new PriorityQueue(new Comparator<int[]>(){
public int compare(int[] a, int[] b){
return a[1] - b[1];
}
});
Arrays.fill(d, 0x3f3f3f3f);
q.offer(new int[]{1, 0});
while (!q.isEmpty()){
int[] a = q.poll();
int t = a[0];
if (st[t]) continue;
st[t] = true;
int distance = a[1];
for (int i = h[t]; i != -1; i = ne[i]){
int j = e[i];
if(!st[j]){
if (d[j] > distance + w[i]){
d[j] = distance + w[i];
q.offer(new int[]{j, d[j]});
}
}
}
}
if (d[n] == 0x3f3f3f3f) return -1;
else return d[n];
}
}
我们上述代码主要运用了堆优化的思想,因为我们每次都是希望找到目前节点的最短可达邻居,因此我们可以使用优先队列代替堆达到堆排序的目的;
我们上述代码的时间复杂度是nlogm;