单源最短路径-----Dijkstra算法

#include<stdio.h>
#include<stdlib.h>
typedef int VertexType;//顶点类型
typedef int EdgeType;
#define MAXVEX 100//最大顶点数
#define MAXEDGE 200//最大边数
#define INFINITY 65535//代表无穷大,两个顶点之间不可达
int visited[MAXVEX];//访问标志的数组
typedef struct{

    VertexType vexs[MAXVEX];//顶点表
    EdgeType arc[MAXVEX][MAXVEX];//邻接矩阵
    int numVertexes,numEdges;//图中当前的顶点数和边数

}MGraph;

void CreateMGraph(MGraph * G)
{
    int i,j,k,w;
    printf("输入顶点数和边数:");
    scanf("%d %d",&G->numVertexes,&G->numEdges);
      printf("输入顶点:");
    for(i=0;i<G->numVertexes;i++)
        scanf("%d",&G->vexs[i]);
       // getchar();
    for(i=0;i<G->numVertexes;i++)
        for(j=0;j<G->numVertexes;j++)
        G->arc[i][j]=INFINITY;//邻接矩阵初始化
    for(k=0;k<G->numEdges;k++)
    {

        printf("请输入vi vj的下标i j和对应的权值:");
        scanf("%d %d %d",&i,&j,&w);
        G->arc[i][j]=w;
        G->arc[j][i]=G->arc[i][j];//无向图,邻接矩阵对称
    }
}

void Dijkstra(MGraph G,int v0)
{
    int p[MAXVEX];//用于存储最短路径下标的数组
    int d[MAXVEX];//用于存储到各点最短路径的权值和
    int final[MAXVEX];//final[k]=1表示求得v0到vk的最短路径
    int v,k,w,min;
    for(v=0;v<G.numVertexes;v++)
    {
        final[v]=0;//全部顶点初始化为未知最短路径状态
        d[v]=G.arc[v0][v];//将与v0有连线的顶点加上权值
        p[v]=0;//初始化路径数组为0

    }
    d[v0]=0;//v0->v0的路径为0
    final[v0]=0;//v0到v0不需要求路径
    for(v=1;v<G.numVertexes;v++)
    {
        min=INFINITY;//当前所知离v0顶点的最近距离
        for(w=0;w<G.numVertexes;w++)
        {
            if(!final[w]&&d[w]<min)//寻找离v0最近的顶点
            {
                k=w;
                min=d[w];
            }
        }
        final[k]=1;//将目前找到的最近的顶点置为1
        for(w=0;w<G.numVertexes;w++)//如果经过v顶点的路径比现在这条路径的长度更短的话
        {
            if(!final[w]&&(min+G.arc[k][w]<d[w]))//找到了更短的路径,修改d[w]和p[w]
            {
                d[w]=min+G.arc[k][w];
                p[w]=k;
            }
        }
    }


    for(v=0;v<G.numVertexes;v++)
    {
        printf("(%d,%d)--%d\n",v0,v,d[v]);

    }
}
int main()
{
    MGraph *G;
    G=(MGraph*)malloc(sizeof(MGraph));
    CreateMGraph(G);
    Dijkstra(*G,7);
    return 0;
}

/*
0 1 1
0 2 5
1 2 3
1 3 7
1 4 5
2 4 1
2 5 7
3 4 2
3 6 3
4 6 6
4 7 9
4 5 3
5 7 5
6 7 2
6 8 7
7 8 4
时间复杂度O(n^2)
*/

在这里插入图片描述

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
### 回答1: Dijkstra算法是一种用于解决单源路径问题的算法。它的基本思想是从起点开始,逐步扩展到其他节点,每次选择当前距离起点最近的节点,并更新与该节点相邻的节点的距离。通过这种方式,可以找到起点到其他节点的最路径。Dijkstra算法的时间复杂度为O(n^2),但是可以通过使用堆优化来将其优化到O(nlogn)。 ### 回答2: Dijkstra算法是一种解决单源路径问题的贪心算法,其思想是利用“松弛”操作来不断更新当前点到源点的最距离,但前提是所有边的权重非负。如果有负权边,则需要使用Bellman-Ford算法。 首先,我们需要定义一个数组dis数组,用于存储源点s到各个点的最距离。dis[s]初始为0,其他点初始为无限大。接着,我们需要维护一个集合S,表示已经求出最路径的点的集合。将源点s加入集合S中。 对于每个未加入S的点v,我们通过选择其它点到源点s的最路径中的一个点u,然后将dis[v]更新为dis[u] + w(u,v),其中w(u,v)表示边(u,v)的权重。具体地,这个操作称为“松弛”操作。 在松弛操作中,我们需要比较dis[u] + w(u,v)和dis[v]的大小,如果前者更小,则更新dis[v]的值为dis[u] + w(u,v)。 重复执行以上操作,直到所有的点都加入到集合S中。最后dis数组中存储的就是源点s到所有点的最距离。 Dijkstra算法可以用堆优化,时间复杂度为O(mlogn),其中n表示图中的点数,m表示边数。Dijkstra算法也可以应用于稠密图,时间复杂度为O(n^2)。 总之,Dijkstra算法是一种经典的求解单源路径问题的算法,其实现简单,效率高,被广泛应用于路由算法和图像处理等领域。 ### 回答3: Dijkstra算法是一种在加权有向图中寻找从源节点到其他节点的最路径的贪心算法。该算法基于其它路径加权节点的已知最路径去更新更长路径的信息直到找到从源节点到目标节点的最路径。在整个计算过程中,Dijkstra算法需要维护一个待处理节点集合和一个距离源节点的最路径数组。 算法的具体实现如下: 1. 初始化源节点及其距离为0,其他节点的距离为无穷大。 2. 将源节点加入到待处理节点集合中。 3. 对于源节点的所有相邻节点,更新它们距离源节点的最路径。如果当前路径小于之前已知的最路径,则更新最路径数组。 4. 遍历待处理节点集合中除源节点外的节点,选择距离最近的节点作为当前节点,并将它从待处理机集合中移除。 5. 对于当前节点的所有相邻节点,更新它们距离源节点的最路径。如果当前路径小于之前已知的最路径,则更新最路径数组。 6. 重复步骤4和5,直到待处理节点集合为空或者目标节点已经被遍历。 Dijkstra算法的时间复杂度为O(n^2),其中n为节点数,由于它是贪心算法,只能处理非负权重的图,否则可能会陷入死循环。但是,Dijkstra算法单源路径问题的最优解,因此在处理小规模的图时效果很好。在处理大规模图时,需要使用其他高效的算法,如A*算法、Bellman-Ford算法等。

“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

打赏作者

CodePanda@GPF

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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