问题背景
最短路径是面向图的一种非常常见的问题,它是具有实际意义的。比如国家铺铁路,如何使某一个省到其他省的距离最短;或者出去旅游,如何使旅游路线最短。这些问题就是在图的数据结构下求最短路径的问题。通常,求图的最短路径有两种情况,一种是求某一个顶点到其他各顶点的最短路径;另一种是求图中任意两个顶点的最短路径。这里介绍两种算法分别对应上述情况,即迪杰斯特拉算法(Dijkstra算法)和弗洛伊德算法(Floyd算法 )。
迪杰斯特拉算法(Dijkstra算法)
Dijkstra算法是求某一顶点到其余各顶点最短路径的典型算法。如图1所示,从源点出发,必定存在一条路径,使得源点到终点的距离最短(这里不考虑图的正确性,只考虑算法的思想,读者可以将图中的权值理解为时间而不是距离)。
核心思想
Dijkstra算法和Prim算法的思想类似,数据结构仍旧是邻接矩阵,因此,我们首先建立图1的邻接矩阵,如图2所示。由邻接矩阵的定义我们可以知道,每一行表示对应顶点到其他顶点的距离(即权值)。
- 构建数组shortestPath来保存从源点到各顶点的最短路径;
- 构造标记数组isMatched来记录顶点是否已经算得了最短路径;
在Prim算法中,我们定义了lowcost数组用来保存两个顶点之间的最小权值,并通过将权值最小的项置为0来标记当前顶点已经找到了最小权值的边,在不断的迭代后找到最小生成树。可见两者的思想是很相似的。
- 初始化shortestPath={0,1,5,#,#,#,#,#,#},并暂时认为shortestPath中的值为源点到其余各点的最短路径;
- 初始化 isMatched={true,false,false,false,false,false,false,false,false},isMatched[0]=true表示v0点已匹配到最短路径。
- 定义变量min来记录shortestPath中的最小值,定义变量k来记录该最小值对应的下标,并将isMatched[k]置为true,表示vk顶点已匹配到从源点出发的最短路径。
拿初始化的shortestPath来说,min=1,k=1,isMatched[1]=true,表示从源点v0出发到v1