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;
}
}