Ⅰ 前言
在我前面的文章中,我讲了两种图的搜索算法,深度优先搜索和广度优先搜索。这两种算法主要针对的是无权图,也就是说每个顶点到其他顶点的距离都一样的,都是 1。
针对有权图,也就是图中的每条边都有一个权重,我们该如何计算两点间的最短路径(经过的边的权重和最小)呢?这就引出了我们这篇文章的内容,图的最短路径算法(Shortest Path Algorithm)。
像 Google 地图、高德地图这样的 APP 想必你已经很熟悉了,当你查询两个地点的路线的时候,地图一般会给你规划出一条最优出行路线,这里的最优的定义会根据你的需求提供,有最短路线,最少用时路线,最少红绿灯路线等等。那么,这些功能的实现背后都依赖了哪些算法呢?
Ⅱ 一些基本分析
我们先来看最短路线。
解决软件开发中的实际问题,最重要的一点就是建模,也就是将复杂的场景抽象成具体的数据结构。针对这个问题,我们该如何抽象数据结构呢?
在 图 的学习中,我们知道图的表达能力是很强的,所以把地图抽象成图最合适不过了。我们把每个岔路口看作是一个顶点,岔路口与岔路口之间的路看作是一条边,路的长度就是边的权重。如果路是单行道,我们就在两个顶点之间画一条有向边;如果路是双行道,我们就在两个顶点之间画两条方向不同的边。这样,整个地图就被抽象成一个有向有权图。
数据结构的实现,我直接放在下面,就是一个有向有权图,不难理解。
首先先构造一条边,我们把起始顶点,终止顶点和权重作为成员变量放进去。
package com.tyz.spa.core;
/**
* 构造边
* @author Tong
*/
public class Edge {
private int start; //边的起始顶点编号
private int end; //边的终止顶点编号
private int weight; //边的权重
public Edge() {
}
public Edge(int start, int end, int weight) {
this.start = start;
this.end = end;
this.weight = weight;
}
public int getStart() {
return start;
}
public void setStart(int start) {
this.start = start;
}
public int getEnd() {
return end;
}
public void setEnd(int end) {
this.end = end;
}
public int getWeight() {
return weight;
}
public void setWeight(int weight) {
this.weight = weight;
}
}
接下来用这个类作为邻接表的泛型,构造有向有权图。
package com.tyz.spa.core;
import java.util.LinkedList;
public class Graph {
private LinkedList<Edge>[] adj; //邻接表
private int vertex; //顶点个数
@SuppressWarnings("unchecked")
public Graph(int vertex) {
this.vertex = vertex;
this.adj = new LinkedList[vertex];
for (int i = 0; i < vertex; i++) {
this.adj[i] = new LinkedList<Edge>();
}
}
public void addEdge(int start, int end, int weight) {
this