Dijkstra算法

Dijkstra算法是由荷兰计算机科学家艾兹格·迪科斯彻（Edsger W. Dijkstra）于1959年提出的，是一种解决带权图中单源最短路径问题的经典算法。该算法主要用于寻找图中从给定的源点（起点）到所有其他顶点的最短路径。在有向图或无向图中，只要边的权重非负，Dijkstra算法都能准确地找出从源点到每个顶点的最短路径。对于存在负权边的图，Dijkstra算法不再适用，此时应使用其他算法，如Bellman-Ford算法或Johnson's algorithm。

主要特点：

1. 贪心策略：Dijkstra算法采用贪心策略，每次选择当前已知距离源点最近且未确定最短路径的顶点进行扩展。这种策略保证了在每一步选择中，总是朝着全局最优方向推进。

2. 优先队列优化：虽然基础版本的Dijkstra算法可以用普通队列实现，但为了提高效率，通常会使用优先队列（如二叉堆）来存储未访问节点，这样每次都能直接获取距离源点最近的未访问节点。

3. 松弛操作：在算法过程中，通过“松弛”操作不断更新顶点间的最短路径估计值。每当发现一条更短的路径到达某个顶点时，就更新该顶点的最短路径估计值及其前驱节点信息。

基本步骤：

1. 初始化：

   • 将源点的距离设为0，其余顶点的距离设为无穷大（或一个非常大的值）。
   • 使用一个数据结构（如优先队列）按距离排序未访问节点，初始时源点排在首位。
   • 初始化一个数据结构（如数组或映射）来存储每个顶点的前驱节点，用于回溯构建最短路径。

2. 循环处理：

   • 从优先队列中取出距离最小的未访问节点（称为当前节点）。
   • 对当前节点的每个未访问邻居节点：
     • 计算从源点经由当前节点到该邻居节点的路径长度。
     • 如果这个路径长度比已知的邻居节点距离源点的路径长度更短，则：
       • 更新邻居节点到源点的最短距离。
       • 将当前节点设置为邻居节点的前驱节点（用于路径重建）。
   • 标记当前节点为已访问。

3. 结束条件：当优先队列为空或者已访问了目标节点（若指定的话）时，算法结束。

应用实例：

Dijkstra算法广泛应用于各种需要计算最短路径的场景，例如：

• 路径规划（如地图导航系统中的路线计算）。
• 网络路由（如互联网协议中的路由选择）。
• 社交网络中的朋友关系链分析。
• 电路设计中的布线优化。

以下是Dijkstra算法的Python实现示例（以邻接列表表示带权图，并使用内置的heapq模块实现优先队列）：

Python

1import heapq
2
3def dijkstra(graph, source):
4    distances = {node: float('inf') for node in graph}
5    distances[source] = 0
6    priority_queue = [(0, source)]  # (distance, node)
7
8    while priority_queue:
9        current_distance, current_node = heapq.heappop(priority_queue)
10
11        if current_distance > distances[current_node]:
12            continue  # Skip nodes that were already updated by a shorter path.
13
14        for neighbor, weight in graph[current_node].items():
15            distance_through_current = current_distance + weight
16            if distance_through_current < distances[neighbor]:
17                distances[neighbor] = distance_through_current
18                heapq.heappush(priority_queue, (distance_through_current, neighbor))
19
20    return distances
21
22# 示例
23graph = {
24    'A': {'B': 1, 'C': 4},
25    'B': {'A': 1, 'D': 2, 'E': 5},
26    'C': {'A': 4, 'F': 8},
27    'D': {'B': 2, 'E': 1},
28    'E': {'B': 5, 'D': 1, 'F': 3},
29    'F': {'C': 8, 'E': 3}
30}
31
32shortest_distances = dijkstra(graph, 'A')
33print("Shortest distances from A:", shortest_distances)

实现了Dijkstra算法的核心逻辑，使用字典distances存储每个顶点到源点的最短距离，优先队列priority_queue则按距离排序待访问节点。遍历结束后，返回一个字典，其中包含了从源点到每个顶点的最短距离。

收起