Dijkstra算法学习梳理

最近学习《数据结构与算法分析》一书，在“图论算法”一章再次接触到了Dijkstra算法，之前没有深入理解，这里对其原理进行梳理。

Dijkstra算法求解的是“单源最短路径问题”，是“贪婪算法”的一个很好的应用，按照我的理解就是“无权最短路径的类拓扑排序算法”+“调整策略”。而此处的调整策略就是“贪婪算法”的核心。

下面简要介绍涉及的相关概念：

1.贪婪算法：简单地说就是程序运行的每一个当前时间点，都会选择对当前最有利的情况，如果之前的决策导致的结果没有现在的好，那就重新调整为当前的决策。（前提是当前时刻做出的决策与未来时刻无关，也就是满足“马尔可夫”过程）对应于Dijkstra算法，后续会提及具体体现的地方。

例子：购物找零钱时，商家为了省事，总会用尽量少的硬币给你，比如商家要找你五毛钱，那么总会用一个5毛硬币而不用五个1毛硬币，这里商家没有考虑后续顾客找零钱的情况。

2.拓扑排序：有向图中如果节点v指向w，那么按照拓扑排序后，w总出现在v后面。
一般解法是使用队列或栈的数据结构，按照一定的条件节点被划分为几个组，按顺序同一组的节点进入一个队列，此时其余组节点不进入此队列，队列中的节点处理完后出队，并在后续操作中不再涉及，只有当队列中所有节点处理完了，下一组节点才能进入该队列。

3.无权最短路径算法：一般采用“广度优先搜索”算法，结合下表分析

v	known	dv	pv
v1	F	∞	0
v2	F	∞	0
v3	F	0	0
v4	F	∞	0
v5	F	∞	0

这里v表示图中的节点，known表示该节点是否处理完（是否出列队，F表示未处理，T表示处理过了，当该节点被置为known后就要处理他的邻接点），*d_v*表示该节点到出发点的距离，*p_v*记录路径。

广度优先：首先选择出发点v₃，计算离出发点距离=0，保留路径。处理完后将其known置为T（该节点在后续的程序中不再涉及）；之后搜索该点的邻接点，记录它们到该点的距离并在表格中更新；随后对于邻接点按照其到上一个节点的距离从近到远处理，处理过程与上述过程一致，直到所有节点均被处理完，也就是表格中“known”列均为T。最终可以从表格""*p_v*列得到最短路径。

4.Dijkstra算法：就是无权图最短路径算法中每条边的长度不再为1，代表的是两点间的距离。同样可以使用上述广度优先算法。
一般处理过程：
1）选取出发点计算其路径长（出发点为0），然后对其置known；
2）调整该节点的邻接点（也就是计算邻接点的长度）；
3）处理邻接点中长度最小的节点，将其置known，并计算其邻接点长度；
4）按长度从小到大依次处理剩余邻接点，依次标记为known，并计算它们各自的邻接点长度，如果计算结果小于之前的长度，则更新为当前时刻更小的长度（也就是“贪婪”的体现，说明当前路径可以有更好的结果），如果其邻接点在前述已被置为known，则跳过该节点。
5）重复执行过程3）和4），直到表格中最后一个长度最大的节点被置为known。

结合下表与图进行说明：
算法的初始配置

v	known	dv	pv
v1	F	0	0
v2	F	∞	0
v3	F	∞	0
v4	F	∞	0
v5	F	∞	0
v6	F	∞	0
v7	F	∞	0

以v₁作为出发点：
v₁被置为known后

v	known	dv	pv
v1	T	0	0
v2	F	2	v1
v3	F	∞	0
v4	F	1	v1
v5	F	∞	0
v6	F	∞	0
v7	F	∞	0

v₄被置为known后

v	known	dv	pv
v1	T	0	0
v2	F	2	v1
v3	F	3	v4
v4	T	1	v1
v5	F	3	v4
v6	F	9	v4
v7	F	5	v4

v₂被置为known后

v	known	dv	pv
v1	T	0	0
v2	T	2	v1
v3	F	3	v4
v4	T	1	v1
v5	F	3	v4
v6	F	9	v4
v7	F	5	v4

v₅被置为known后

v	known	dv	pv
v1	T	0	0
v2	T	2	v1
v3	T	3	v4
v4	T	1	v1
v5	T	3	v4
v6	F	8	v3
v7	F	5	v4

v₇被置为known后

v	known	dv	pv
v1	T	0	0
v2	T	2	v1
v3	T	3	v4
v4	T	1	v1
v5	T	3	v4
v6	F	6	v7
v7	T	5	v4

v₆被置为known后算法终止

v	known	dv	pv
v1	T	0	0
v2	T	2	v1
v3	T	3	v4
v4	T	1	v1
v5	T	3	v4
v6	T	6	v7
v7	T	5	v4

算法的伪代码如下：

void dijkstra(Vertex s)
{
	for each Vertex v  // 初始化各节点
	{
		v.dist = INFINITY;
		v.known = false;
	}

	s.dist = 0;  // 初始节点长度为0

	while(there is an unknown distance vertex)  // 存在未处理的节点
	{
		Vertex v = smallest unknown distance vertex;  // 每次队列里仅含有同一组节点，选择最短的节点

		v.known = true;  // 节点置known

		for each Vertex w adjacent to v  // 节点的每一个邻接点
			if(!w.known)  // 如果邻接点之前未被处理过则执行以下过程
			{
				DistType cvw = cost of edge from v to w;  // 计算邻接点的长度

				if(v.dist + cvw < w.dist)  // 如果当前时刻的节点距离小于之前计算的结果，则进行更新（贪婪算法）
				{
					// Update w
					decrease(w.dist to v.dist + cvw);  // 更新节点的长度为更小的值
					w.path =v;  // 更新节点的路径
				}
			}
	}
}

参考书籍《数据结构与算法分析-Java语言描述》