一,应用场景
最短路径问题
1)战争时期,胜利乡有7个村庄(A,B,C,D,E,F,G),现在有六个邮箱,从G点出发,需要分别把邮箱分别送到A,B,C,D,E,F六个村庄
2)各个村庄的距离用边线表示(权),比如A - B距离5公里
3)问:如何计算出G村庄到其他各个村庄的最短距离?
4)如果从其他点出发到各个点的距离又是多少?
二,基本介绍
迪杰斯特拉(Dijkstra)算法是典型最短路径算法,用于计算一个节点到其他节点的最短路径。它的主要特点是以起始点为中心向外层层扩展(广度优先搜索思想)图的广度优先,直到扩展到终点为止。
三,基本步骤
设置出发顶点为v,顶点集合V{v1,v2,vi…},v到V中各项顶点的距离构成距离集合Dis,Dis{d1,d2,di…},Dis集合记录着v到图中各顶点的距离(到自身可以看作0,v到vi距离对应为di)
1)从Dis中选择值最小的di并移除Dis集合,同时移除V集合中对应的顶点vi,此时的v到vi即为最短路径
2)更新Dis集合,更新规则为:比较v到V集合中顶点的距离值,与v通过vi到V集合中顶点的距离值,保留值较小的一个(同时也应该更新顶点的前驱节点vi,表明是通过vi到达的
3)通过执行两步骤,直到最短路径顶点为目标顶点即可结束
四,思路图解
1)设置对应数组:
- already_arr:存放已被访问过的点,你第一次出发的顶点,默认设置为1,表示访问过,0表示未被访问过 ;
- dis:存放顶点到出发点的最短距离;第一次出发的顶点,默认设置为0,自己到自己的距离为0,其余设为N(一个数值很大的数,远大于边的长度),表示没有被连通;
- pre_visited:存放一个顶点的前驱顶点的下标,比如A被G连接,则A的前驱顶点为G。注意,这里虽然都默认为0,指向A,但如果一个顶点没有被访问,也不会查询到它的前驱顶点,如果被访问过后,那么前驱顶点也一定是修改过的,所以不影响。
初始化如下:
2)A未被访问过,G到A的距离为2,远小于N,所以连接G和A,所以A到G的最小距离 dis[0] = 2
3)B未被访问,G到B的距离为4,远小于N,所以连接G和B 所以B到G的最短距离 dis[1] = 4
4)C未被访问,但与G的距离为N(没有直接连线),所以不连接
5)D同上
6)E未被访问,G到E的距离为4,远小于N,所以G和E连接,所以E到G的最小距离 dis[4] = 4
7)F未被访问,G到F的距离为6,远小于N,所以连接G和F,所以F到G的最小距离 dis[5] = 6
8)G所连接的节点全部遍历完,寻找剩余未访问节点中距离G点距离最小的节点,这里A点距离G点最小,所以访问A点
9)B未被访问,但G->A->B的距离为 2 + 5 = 7 > G->B的最短距离 dis[1] = 4,所以A与B不连接
10)C未被访问,且G->A->C的距离为 2 + 7 = 9 < G->C的最短距离 dis[2] = N,所以A与C连接,C到G的最短距离变为 dis[2] = 9
11)A所连接的节点全部遍历完,寻找剩余未访问节点中距离G点距离最小的节点,这里B点距离G点最小,所以访问B点
12)D点未被访问,且G->B->D的距离为 4 + 9 = 13 < G->D的最短距离 dis[3] = N,所以B与D连接,D到G的最短距离变为 dis[3] = 13
13)B所连接的节点全部遍历完,寻找剩余未访问节点中距离G点距离最小的节点,这里E点距离G点最小,所以访问E点
14)C未被访问,但G->E->C的距离为 4 + 8 = 12 > G->C的最短距离 dis[2] = 9,所以E与C不连接
15)F未被访问, 但G->E->F的距离为 4 + 5 = 12 > G->C的最短距离 dis[0] = 6,所以E与F不连接
16)E所连接的节点全部遍历完,寻找剩余未访问节点中距离G点距离最小的节点,这里F点距离G点最小,所以访问F点
17)D未被访问,且G->F->D的距离为 6 + 4 = 10 < D到G的最小距离 dis[3] = 13,所以断开B与D的连接,连接F和D,D到G的最短距离改为 dis[3] = 10
18)F所连接的节点全部遍历完,寻找剩余未访问节点中距离G点距离最小的节点,这里C点距离G点最小,所以访问C点
19)无C连接未访问点,则寻找剩余未访问节点中距离G点距离最小的节点,这里D点距离G点最小,所以访问D点
20)无D连接的未访问点
21)所有点都被访问,循环结束,得出结果
五,代码实现
package com.algorithm.dijkstra;
import java.util.Arrays;
public class DijkstraAlgorithm {
public static void main(String[] args) {
char[] vertex = {'A','B','C','D','E','F','G'};
final int N = 65535; //表示不可以连接
//邻接矩阵
int[][] matrix = new int[][]{
{N,5,7,N,N,N,2},
{5,N,N,9,N,N,4},
{7,N,N,N,8,N,N},
{N,9,N,N,N,4,N},
{N,N,8,N,N,5,4},
{N,N,N,4,5,N,6},
{2,4,N,N,4,6,N}
};
//创建Graph图对象
Graph graph = new Graph(vertex,matrix);
//测试,看图的连接是否ok
graph.showGraph();
graph.dsj(6);
graph.showDijkstra();
}
}
class Graph {
private char[] vertex; //顶点数组
private int[][] matrix; //邻接数组
private VisitedVertex vv; //表示已经访问的顶点的集合
//构造器
public Graph(char[] vertex,int[][] matrix) {
this.vertex = vertex;
this.matrix = matrix;
}
//显示结果
public void showDijkstra() {
vv.show();
}
//显示图
public void showGraph() {
for (int[] link : matrix) {
System.out.println(Arrays.toString(link));
}
}
//dijkstra算法实现
public void dsj(int index) {
vv = new VisitedVertex(vertex.length, index);
update(index); //更新index下标顶点到周围顶点距离和前驱顶点
for (int j = 1;j < vertex.length;j++) {
index = vv.updateArr(); //选择并返回新的访问顶点
update(index); //更新index顶点到周围顶点的距离和前驱顶点
}
}
//更新index下标顶点到周围顶点的距离和周围顶点的前驱顶点
public void update(int index) {
int len = 0;
//根据遍历我们的邻接矩阵的matrix[index]行
for (int j = 0;j < matrix[index].length;j++) {
//len表示出发顶点到index顶点的距离 + 从index顶点到j顶点的距离的和
len = vv.getDis(index) + matrix[index][j];
//如果j顶点没有被访问过,并且len小于出发顶点到j顶点的距离,就需要更新
if (!vv.in(j) && len < vv.getDis(j)) {
vv.updatePre(j,index); //更新j顶点的前驱为index顶点
vv.updateDis(j,len); //更新出发顶点到j顶点的距离
}
}
}
}
//已访问顶点集合
class VisitedVertex {
//记录各个顶点是否访问过1表示访问过,0表示未访问,会动态更新
public int[] already_arr;
//记录出发顶点到其他所有顶点的距离,比如G为出发顶点,就会记录G到其他顶点的距离,会动态更新,求的最短距离就会存放到dis
public int[] dis;
//每个下标对应的值为前一个顶点下标,会动态更新
public int[] pre_visited;
//构造器
/**
*
* @param length 表示顶点的个数
* @param index 出发顶点对应的下标
*/
public VisitedVertex(int length,int index) {
this.already_arr = new int[length];
this.dis = new int[length];
this.pre_visited = new int[length];
//初始化already_arr
already_arr[index] = 1;
//初始化dis数组
Arrays.fill(dis,65535);
this.dis[index] = 0; //设置出发顶点的访问距离为0
//初始化pre_visited
pre_visited[index] = index;
}
/**
* 功能:判断index顶点是否被访问过
* @param index
* @return 如果访问过,就返回true,否则返回false
*/
public boolean in(int index) {
return already_arr[index] == 1;
}
/**
* 功能:更新出发顶点到index顶点的距离
* @param index
* @param len
*/
public void updateDis(int index,int len) {
dis[index] = len;
}
/**
* 功能:更新pre顶点的前驱顶点为index
* @param pre
* @param index
*/
public void updatePre(int pre,int index) {
pre_visited[pre] = index;
}
/**
* 功能:返回出发顶点到index顶点的距离
* @param index
*/
public int getDis(int index) {
return dis[index];
}
//继续选择并返回新的访问顶点,比如这里的G完后,就是A点作为新的访问顶点(注意不是出发顶点)
public int updateArr() {
int min = 65535,index = 0;
for (int i = 0; i < already_arr.length;i++) {
if (already_arr[i] == 0 && dis[i] < min) {
min = dis[i];
index = i;
}
}
//更新index顶点被访问过
already_arr[index] = 1;
return index;
}
//显示最后的结果
//即将三个数组的情况输出
public void show() {
System.out.println("============");
//输出already_arr
System.out.print("already_arr: ");
for (int i : already_arr) {
System.out.print(i + " ");
}
System.out.println();
//输出dis
System.out.print("dis: ");
for (int i : dis) {
System.out.print(i + " ");
}
System.out.println();
//输出pre_visited
System.out.print("pre_visited: ");
for (int i : pre_visited) {
System.out.print(i + " ");
}
System.out.println();
//为了方便观看最短距离,进行处理
char[] vertex = {'A','B','C','D','E','F','G'};
int count = 0;
for (int i : dis) {
if (i != 65536) {
System.out.print(vertex[count] + "(" + i + ") ");
} else {
System.out.print("N ");
}
count++;
}
}
}
六,运行结果
与我们上述分析一致,故代码正确。