最短路径 | 深入浅出Dijkstra算法

写在前面：
上次我们介绍了神奇的只有五行的 Floyd-Warshall 最短路算法，它可以方便的求得任意两点的最短路径，这称为“多源最短路”。

这次来介绍指定一个点（源点）到其余各个顶点的最短路径，也叫做“单源最短路径”。例如求下图中的 1 号顶点到 2、3、4、5、6 号顶点的最短路径。

Dijkstra算法

与 Floyd-Warshall 算法一样，这里仍然使用二维数组 e 来存储顶点之间边的关系，初始值如下。

我们还需要用一个一维数组 dis 来存储 1 号顶点到其余各个顶点的初始路程，我们可以称 dis 数组为“距离表”，如下（初始状态）。

我们将此时 dis 数组中的值称为最短路的“估计值”。

既然是求 1 号顶点到其余各个顶点的最短路程，那就先找一个离 1 号顶点最近的顶点。

通过数组 dis 可知当前离 1 号顶点最近是 2 号顶点。当选择了 2 号顶点后，dis[2]的值就已经从“估计值”变为了“确定值”，即 1 号顶点到 2 号顶点的最短路程就是当前 dis[2]值。

为什么呢？你想啊，目前离 1 号顶点最近的是 2 号顶点，并且这个图所有的边都是正数，那么肯定不可能通过第三个顶点中转，使得 1 号顶点到 2 号顶点的路程进一步缩短了。因此 1 号顶点到其它顶点的路程肯定没有 1 号到 2 号顶点短。

既然选了 2 号顶点，接下来再来看 2 号顶点有哪些出边呢。有 2->3 和 2->4 这两条边。

先讨论通过 2->3 这条边能否让 1 号顶点到 3 号顶点的路程变短。也就是说现在来比较 dis[3]和 dis[2]+e[2][3]的大小。其中 dis[3]表示 1 号顶点到 3 号顶点的路程，dis[2]+e[2][3]中 dis[2]表示 1 号顶点到 2 号顶点的路程，e[2][3]表示 2->3 这条边。所以 dis[2]+e[2][3]就表示从 1 号顶点先到 2 号顶点，再通过 2->3 这条边，到达 3 号顶点的路程。

我们发现 dis[3]=12，dis[2]+e[2][3]=1+9=10，dis[3]>dis[2]+e[2][3]，因此 dis[3]要更新为 10。这个过程有个专业术语叫做“松弛”。即 1 号顶点到 3 号顶点的路程即 dis[3]，通过 2->3 这条边松弛成功。 这便是 Dijkstra 算法的主要思想：通过 “边” 来松弛 1 号顶点到其余各个顶点的路程。

同理通过 2->4（e[2][4]），可以将 dis[4]的值从 ∞ 松弛为 4（dis[4]初始为 ∞，dis[2]+e[2][4]=1+3=4，dis[4]>dis[2]+e[2][4]，因此 dis[4]要更新为 4）。

刚才我们对 2 号顶点所有的出边进行了松弛。松弛完毕之后 dis 数组为：

接下来，继续在剩下的 3、4、5 和 6 号顶点中，选出离 1 号顶点最近的顶点。通过上面更新过 dis 数组，当前离 1 号顶点最近是 4 号顶点。此时，dis[4]的值已经从“估计值”变为了“确定值”。下面继续对 4 号顶点的所有出边（4->3，4->5 和 4->6）用刚才的方法进行松弛。松弛完毕之后 dis 数组为：

继续在剩下的 3、5 和 6 号顶点中，选出离 1 号顶点最近的顶点，这次选择 3 号顶点。此时，dis[3]的值已经从“估计值”变为了“确定值”。对 3 号顶点的所有出边（3->5）进行松弛。松弛完毕之后 dis 数组为：

继续在剩下的 5 和 6 号顶点中，选出离 1 号顶点最近的顶点，这次选择 5 号顶点。此时，dis[5]的值已经从“估计值”变为了“确定值”。对5号顶点的所有出边（5->4）进行松弛。松弛完毕之后 dis 数组为：

最后对 6 号顶点的所有出边进行松弛。因为这个例子中 6 号顶点没有出边，因此不用处理。到此，dis 数组中所有的值都已经从“估计值”变为了“确定值”。

最终 dis 数组如下，这便是 1 号顶点到其余各个顶点的最短路径。

OK，现在来总结一下刚才的算法。Dijkstra算法的基本思想是：每次找到离源点（上面例子的源点就是 1 号顶点）最近的一个顶点，然后以该顶点为中心进行扩展，最终得到源点到其余所有点的最短路径。

代码实现：

package DataStructure;

import java.util.Formatter;

public class DijkstraDemo {

    // INT 表示未连通
    public static final int INT = Integer.MAX_VALUE;

    public static void main(String[] args) {
        // 创建图
        Graph2 graph = new Graph2(6);
        String[] vertexS = {"1", "2", "3", "4", "5", "6"};
        for (String vertex : vertexS) {
            graph.insertVertex(vertex);
        }
        int[][] weights = {
                {0, 1, 12, INT, INT, INT},
                {INT, 0, 9, 3, INT, INT},
                {INT, INT, 0, INT, 5, INT},
                {INT, INT, 4, 0, 13, 15},
                {INT, INT, INT, INT, 0, 4},
                {INT, INT, INT, INT, INT, 0}
        };
        graph.insertEdge(weights);

        // 求从顶点1开始，到其他顶点的最短路径：
        String[] path = dijkstra(graph, 0);

        Formatter f = new Formatter(System.out);
        for (String p : path) {
            String[] str = p.split("&");
            f.format("%-30s %-10s\n", str[0], str[1]);
        }
        /* Output:
        1 -> 1                         weight: 0
        1 -> 2                         weight: 1
        1 -> 2 -> 4 -> 3               weight: 8
        1 -> 2 -> 4                    weight: 4
        1 -> 2 -> 4 -> 3 -> 5          weight: 13
        1 -> 2 -> 4 -> 3 -> 5 -> 6     weight: 17
         */
    }

    /**
     * dijkstra最短路径算法
     * @param graph 原始图
     * @param startIndex 从哪个顶点开始
     * @return 从开始顶点到其余顶点的最短路径
     */
    public static String[] dijkstra(Graph2 graph, int startIndex) {
        // 记录是否已获得从起始顶点到达该顶点的最短路径
        int[] isVisited = new int[6];
        // 记录初始顶点到各个顶点的距离
        int[] dis = new int[6];
        // 记录路径
        String[] path = new String[6];
        // 初始顶点到初始顶点的最短路径为0，无需查找。
        isVisited[startIndex] = 1;
        // 将初始顶点到各个顶点的初始状态赋值给dis，并初始化path
        for (int i = 0; i < graph.getEdges()[startIndex].length; i++) {
            dis[i] = graph.getEdges()[startIndex][i];
            path[i] = (startIndex + 1) + " -> " + (i + 1);
        }
        while (true) {
            // 循环找出除已确定最短路径的顶点（即isVisited[i]=1）外dis数组中的最小值
            int min = INT;
            int minIndex = -1;
            for (int i = 0; i < dis.length; i++) {
                if (dis[i] < min && isVisited[i] == 0) {
                    min = dis[i];
                    minIndex = i;
                }
            }
            // 顶点全部确定了最短路径，或者初始顶点与剩余顶点都不连通，则退出循环，算法结束。
            if (minIndex == -1) {
                break;
            }
            // 找到dis数组中的最小值，与其对应的顶点的最短路径也随之确定。
            isVisited[minIndex] = 1;
            // 寻找顶点minIndex的邻接顶点i，判断经由minIndex中转，初始顶点到顶点i的距离是否会缩短，若缩短，则更新dis与path。
            for (int i = 0; i < graph.getEdges()[minIndex].length; i++) {
                int weight = graph.getEdges()[minIndex][i];
                if (isVisited[i] == 0 && weight < INT && weight > 0) {
                    if (dis[minIndex] + weight < dis[i]) {
                        dis[i] = dis[minIndex] + weight;
                        path[i] = path[minIndex] + " -> " + (i + 1);
                    }
                }
            }
        }
        for (int i = 0; i < dis.length; i++) {
            path[i] = path[i] + "&weight: " + (dis[i] == INT ? "∞" : dis[i]);
        }
        return path;
    }
}