贪心算法最短路径java_贪心算法-单源最短路径

算法思想：贪心算法

实际问题：单源最短路径

编程语言：Java

问题描述

单源最短路径算法，又称迪杰斯特拉算法。其目的是寻找从一个顶点到其余各顶点的最短路径算法，解决的是有权图中最短路径问题。

算法构造

相关解释

观测域：假设起点为v点，观测域便为v点的四周，即v的所有邻接点；

点集 V：图中所有点的集合；

点集 S：已经找到最短路径的终点集合；

数组 D：存储观测域内能观测到的最短路径，算上起点一共 n 个数值。比如 D[k] 对应在观测域中能观测到的，到顶点 k 的最短路径；

邻接矩阵 a：存储着有权图中的边的信息，是一个二维数组。比如 a[1][2] = 5 表示在有权图中，点 1 和点 2 之间有边，且边的权值为 5。如果两点之间没边，则用负数或则无穷大(∞)表示。

算法步骤

第一步：初始化点集 S，将起点 v 收入 S 中。初始化数组 D：D[k] = a[v][k]；

第二步：找寻次短路径。即查找数组 D，找出观测域中最短路径(v, j)：D[j] = min(D[k] | k 不属于 S)。将点 j 加入点集 S 中；

第三步：将 j 的邻接点并入观测域，即用 j 的邻接点更新数组 D；

第四步：不断重复第二步和第三步，直到节点全部压入 S 中为止。

注：贪心算法的思想主要就体现在第二步和第三步之中。

Java 代码

本代码求解的是无向有权图的最短路径，如果想求有向有权图的最短路径，则只需要将无向图的邻接矩阵改为有向图的邻接矩阵即可。

import java.util.Scanner;

public class SSSP

{

public static void main(String[] args)

{

Scanner input = new Scanner(System.in);

System.out.print("请输入图的顶点和边的个数(格式：顶点个数 边个数)：");

int n = input.nextInt(); //顶点的个数

int m = input.nextInt(); //边的个数

System.out.println();

int[][] a = new int[n + 1][n + 1];

//初始化邻接矩阵

for(int i = 0; i < a.length; i++)

{

for(int j = 0; j < a.length; j++)

{

a[i][j] = -1; //初始化没有边

}

}

System.out.println("请输入图的路径长度(格式：起点 终点 长度)：");

//总共m条边

for(int i = 0; i < m; i++)

{

//起点，范围1到n

int s = input.nextInt();

//终点，范围1到n

int e = input.nextInt();

//长度

int l = input.nextInt();

if(s >= 1 && s <= n && e >= 1 && e <= n)

{

//无向有权图

a[s][e] = l;

a[e][s] = l;

}

}

System.out.println();

//距离数组

int[] dist = new int[n+1];

//前驱节点数组

int[] prev = new int[n+1];

int v =1 ;//顶点，从1开始

dijkstra(v, a, dist, prev);

}

/**

* 单源最短路径算法(迪杰斯特拉算法)

* @param v 顶点

* @param a 邻接矩阵表示图

* @param dist 从顶点v到每个点的距离

* @param prev 前驱节点数组

*/

public static void dijkstra(int v, int[][] a, int[] dist, int[] prev)

{

int n = dist.length;

/**

* 顶点从1开始，到n结束，一共n个结点

*/

if(v > 0 && v <= n)

{

//顶点是否放入的标志

boolean[] s = new boolean[n];

//初始化

for(int i = 1; i < n; i++)

{

//初始化为 v 到 i 的距离

dist[i] = a[v][i];

//初始化顶点未放入

s[i] = false;

//v到i无路，i的前驱节点置空

if(dist[i] == -1)

{

prev[i] = 0;

}

else

{

prev[i] = v;

}

}

//v到v的距离是0

dist[v] = 0;

//顶点放入

s[v] = true;

//共扫描n-2次，v到v自己不用扫

for(int i = 1; i < n - 1; i++)

{

int temp = Integer.MAX_VALUE;

//u为下一个被放入的节点

int u = v;

//这个for循环为第二步，观测域为v的观测域

//遍历所有顶点找到下一个距离最短的点

for(int j = 1; j < n; j++)

{

//j未放入，且v到j有路，且v到当前节点路径更小

if(!s[j] && dist[j] != -1 && dist[j] < temp)

{

u = j;

//temp始终为最小的路径长度

temp = dist[j];

}

}

//将得到的下一节点放入

s[u] = true;

//这个for循环为第三步，用u更新观测域

for(int k = 1; k < n; k++)

{

if(!s[k] && a[u][k] != -1)

{

int newdist=dist[u] + a[u][k];

if(newdist < dist[k] || dist[k] == -1)

{

dist[k] = newdist;

prev[k] = u;

}

}

}

}

}

for(int i = 2; i < n; i++)

{

System.out.println(i + "节点的最短距离是："

+ dist[i] + "；前驱点是：" + prev[i]);

}

}

}

运行结果