迪杰斯特拉算法 Dijkstra算法

直接给出Dijkstra算法的伪代码,他可以算出从单个源点出发,到所有结点的最短路。该算法同时适用于有向图和无向图

清楚所有点的坐标
设d[0]=0,其他d[i]=INF
循环n次
{
    在所有未标记结点中选出d值最小的结点x
    给结点x标记
    对于从x出发的所有边(x,y),更新d[y]=min(d[y], d[x]+w[x,y])
}
下面是伪代码对应的程序。假设起点是结点0,他到结点i的路径长度为d[i]。未标号结点的v[i]=0,已标号结点的v[i]=1。w[x][y]=-1表示边(x,y)不存在。

除了求出最短路的长度以外,使用Dijkstra算法也能方便的地打印出结点0到所有结点的最短路本身,方法就是从终点出发,不断顺着d[i]+w[i][j]=d[j]的边(i,j)从结点j退回到结点i,直到回到起点。另外也可以用空间换时间,在更新d数组时维护父亲结点。即

memset(v,0,sizeof(v));
for(int i = 0; i < n; i++) d[i]=(i==0 ? 0 : INF);
for(int i = 0; i < n; i++)
{
    int x, m=INF;
    for(int y = 0; y < n; y++) if(!v[y] && d[y] <= m) m=d[x=y];
    v[x] = 1;
    for(int y = 0; y < n; y++) if(w[x][y]!=-1 && d[y] > d[x]+w[x][y])
    {
        d[y] = d[x]+w[x][y];
        fa[y] = x; //记录自己的父亲结点
    }
}


稀疏图的邻接表:

不难看出,上面的程序的时间复杂度为O(n*n)。由于最短路算法实在太重要,我们有必要把他优化到O(mlongn),其中m是边的个数。在学习稀疏图的时候,首先要掌握图的新表示法。既然m远小于n*n,那么邻接矩阵中会有大量表示“此边不粗拿在”的元素,不仅浪费了空间,而且也降低了时间效率。为了解决这个问题,我们可以是用vector<int> g[maxn]存储稀疏图,但这里想介绍的是另外一种流行了表示法,邻接表。在这种表示方法中,每个结点i都有一个链表,里面存储着从i出发的所有边。对于无向图来说,每条边会在邻接表中出现两次。和前面一样,这里继续是用数组实现链表。首先对于每条边编号,然后用first[u]保存结点u的第一条边的编号,next[e]表示编号e的边的下一条边的编号。下面是构建图的代码。

int n, m;
int first[maxn];
int u[maxm],v[maxm],w[maxm],next[maxm]
void read(){
    scanf("%d%d",&n,&m);
    for(int i = 0; i < n; i++) first[i] = -1;
    for(int i = 0; i < m; i++){
        scanf("%d%d%d",&u[i],&v[i],&w[i]);
        next[i] = first[u[i]];
        first[u[i]] = i;

    }

}

接下来是用优先队列加速Dijkstra算法。主要是在循环中获取最小的d[i]时,用优先队列来实现。

迪杰斯特拉(Dijkstra)算法是一种寻找图中两点间最短路径的经典算法,适用于无向图和有向图,特别是当边权表示距离、费用或其他成本时。算法的基本思想是从起点开始逐步探索邻接节点,并始终选择当前已访问节点到未访问节点中代价最小的一条边作为下一步的前进方向。 在MATLAB中实现迪杰斯特拉算法通常涉及以下几个步骤: 1. **初始化**:创建一个二维数组或矩阵来存储各顶点之间的距离,将所有初始值设置为无穷大,除了起点到自身的距离设置为0;创建一个布尔型数组记录哪些节点已经被处理过。 2. **选取最小距离节点**:从未被处理过的节点中选出距离起点最近的一个节点作为当前节点。 3. **更新距离**:对于当前节点的所有相邻节点,如果从起点通过当前节点到相邻节点的距离比之前记录的距离更小,则更新这个距离。 4. **标记已处理节点**:将当前节点标记为已经处理过。 5. **重复步骤2至4**,直到所有节点都被处理或找到目标节点。 MATLAB代码示例: ```matlab function [shortestPaths, processedNodes] = dijkstra(graphMatrix, startNode) % graphMatrix 是一个邻接矩阵,其中非零元素表示两个节点间的距离。 % startNode 是起始节点的位置。 % shortestPaths 和 processedNodes 分别返回最短路径矩阵和处理节点状态。 n = size(graphMatrix, 1); visited = false(n, 1); % 初始化未访问节点标志位 distances = inf(1, n); % 初始距离设为无穷大 distances(startNode) = 0; % 起始节点距离设为0 for i = 1:n-1 current = find(~visited & (distances == min(distances(~visited))), 1); visited(current) = true; for j = 1:n if ~visited(j) && graphMatrix(current, j) ~= 0 newDist = distances(current) + graphMatrix(current, j); if newDist < distances(j) distances(j) = newDist; end end end end shortestPaths = distances; processedNodes = visited; ``` **相关问题**: 1. **如何优化迪杰斯特拉算法**?在大数据集上运行时,可以考虑使用优先队列来加速查找下一个最短路径候选节点的过程。 2. **迪杰斯特拉算法与贝尔曼-福特算法的区别是什么**?贝尔曼-福特算法可以在存在负权重边的情况下求解最短路径,而迪杰斯特拉算法不支持负权重边。 3. **如何将迪杰斯特拉算法应用到实际问题中**?比如网络路由优化、地图导航系统中的路径规划等场景,都可以利用此算法来找到从源点到所有其他点的最短路径。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值