【数据结构与算法】-＞算法-＞地图软件的最优路线是如何计算的？

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。

【数据结构与算法】-＞算法-＞深度优先搜索&广度优先搜索

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