Dijkstra算法详解

最新推荐文章于 2024-08-13 17:15:43 发布

景风眠Zephyr

最新推荐文章于 2024-08-13 17:15:43 发布

阅读量801

点赞数

分类专栏：计算机网络文章标签：算法

本文链接：https://blog.csdn.net/weixin_46421722/article/details/128904427

版权

本文详细介绍了Dijkstra算法，包括其目标、起源、图的基本概念、算法的数学表示及类型，以及算法的多语言实现。Dijkstra算法用于寻找图中节点间的最短路径，由Edsger W. Dijkstra在1959年提出。文中还通过实例演示了算法工作原理，并提供了C、C++、Python和Java的实现示例。

摘要由CSDN通过智能技术生成

最近在计算机网络这门课中学到了Dijkstra算法，因此做了以下详细整理以便初学者都能理解。

算法目标和使用场景

使用 Dijkstra 算法，可以寻找图中节点之间的最短路径。特别是，可以在图中寻找一个节点（称为“源节点”）到所有其它节点的最短路径，生成一个最短路径树。

Dijkstra算法起源

1959 年，荷兰杰出计算机科学家、软件工程师 Dr. Edsger W. Dijkstra创建了该算法，并发表了一篇 3 页的文章《A note on two problems in connexion with graphs》来介绍他的新算法。

1994年，Edsger Dijkstra博士在ETHZurich（Andreas F. Borchert摄）

在 2001 年的一次采访中，Dijkstra 博士透露了他设计这个算法的起因和过程：

从 Rotterdam 到 Groningen 的最短路线是什么？我花了大概 20 分钟时间设计了这个寻找最短路径的算法。一天早上我正和我年轻的未婚妻在 Amsterdam 逛街，觉得有点累了，我们就坐在咖啡厅的露台上喝了一杯咖啡，我在想是否能够解决这个问题，然后，我设计出了这个最短路径算法。我说过，这是一个 20 分钟的设计。事实上，三年之后的 1959 年它才被发布，现在看来依然很不错，其原因之一是我当时设计的时候没有纸和笔，从而不得不极力避免所有可避免的复杂性。最终，令我惊讶的是，这个算法成为了我成名的基石之一。
——引自文章《An interview with Edsger W. Dijkstra》.

图的基本概念

图是用于表示元素与元素之间存在某种关系的结构。

这些元素称为节点，它们表示现实生活中的对象、人或实体。
节点之间的连接称为边。

图的图形表示

下面是“图”的图形表示：

图的数学表示

图（Graph）：G
节点（Node）：N
边（Edge）：E

图的类型

有向与无向图

图可以是：

无向图： 在互相连接的节点之间可以以任意方向移动。
有向图： 在互相连接的节点之间只能以特定的方向移动。使用带单向箭头的线来表示有向边。

权重图

权重图的边是带有“权重”的，边的权重可以表示距离、时间或其他能够以节点之间的“连接”表示的概念。

下面的权重图中，每个边旁边都有一个蓝色数字表示其权重。

Dijkstra 算法详解视频

视频搬运自B站，强烈建议先看视频帮助理解！

【算法】最短路径查找—Dijkstra算法

Dijkstra 算法示例

理解了算法概念之后，通过逐步的示例来了解一下它背后的工作原理。

假设有下面这个图：

Dijkstra 算法将会寻找出图中节点 0 到所有其他节点的最短路径。

我们将会得到节点 0 到节点 1、节点 0 到节点 2、节点 0 到节点 3……（以此类推）的最短路径。

初始的距离列表如下：

源节点到它自身的距离为 0。示例中的源节点定为节点 0，不过你也可以选择任意其它节点作为源节点。
源节点到其它节点的距离还没有确定，所以先标记为无穷大∞。

还有一个列表用来记录哪些节点未被访问（即尚未被包含在路径中）：

💡 提示： 记住，当所有节点都被添加到路径中时，算法的计算过程就完成了。

我们选择了从节点 0 出发，可以直接将它标记为“已访问”，同样的，在未访问节点列表中把它划掉，并在图中给它加上红色的边框：

现在需要检查节点 0 到相邻节点的距离，两个相邻节点分别是节点 1 和节点 2（注意看红色的边）：

这并不是说立即把这两个相邻节点加入到最短路径中。在把一个节点加入到最短路径之前，需要确认是否已经寻找到了访问它的最短路径。现在只是在对可选方案做初步检查。

更新节点 0 到节点 1、节点 0 到节点 2 的距离为它们之间的边的权重，分别为 2 和 6：

更新了到相邻节点的距离之后：

根据已知的距离列表选择距离源节点最近的节点。
将它标记为“已访问”。
将它添加到路径中。

查看距离列表，发现节点 1 到源节点的距离是最短的（距离为 2），所以把它加入到路径中。

在图中，以红色边来表示：

在距离列表中用红色方块标记这个节点，表明它是“已访问”的、已经寻找到了访问这个节点的最短路径：

在未访问节点列表中将它划掉：

现在分析新的相邻节点，寻找访问它们的最短路径。只需要分析已经在最短路径（标记为红色边）中的节点的相邻节点。

节点 2 和节点 3 都是最短路径包含的节点的相邻节点，因为它们分别与节点 0 和节点 1 直接相连，如下图所示。下一步将要分析这两个节点。

之前已经计算过源节点到节点 2 的距离，并记录在了列表中，所以不用更新。这次只需要更新源节点到新的相邻节点（节点 3）的距离：

这个距离是 7，来看看为什么。

为了计算源节点到另一个节点（这里指节点 3）的距离，需要把访问该节点的最短路径的所有边权重相加：

对于节点 3： 将构成路径 0 -> 1 -> 3 的所有边权重相加，得到总距离为 7（0 -> 1 距离为 2，1 -> 3 距离为 5）。

现在得到了到相邻节点的距离，需要选择一个节点添加到路径中。我们必须选择一个已知到源节点距离最短的未访问节点。

从距离列表中可以看出，距离为 6 的节点 2 就是我们的选择：

在图中为它加上红色边框，并将路径上的边标记为红色：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-2fPkaZ3O-1675673228629)(null)]

在距离列表中用红色方块把它标记为“已访问”，在“未访问”节点列表中把它划掉：

重复前面的步骤，寻找源节点到新的相邻节点节点 3 的最短路径。

可以看到，有两种可选的路径：0 -> 1 -> 3 或 0 -> 2 -> 3。一起看看我们是如何确定最短路径的。

节点 3 在之前已经有了一个距离记录（距离为 7，参阅下表），这个距离是之前步骤中由路径 0 -> 1 -> 3 的两个边权重（分别为 5 和 2）相加得到的。

不过现在有了一个新的可选路径：0 -> 2 -> 3，它途经权重分别为 6 和 8 的两条边 0 -> 2 和 2 -> 3，总距离为 14。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-DuZuzmYA-1675673229741)(null)]

显然，第一个路径的距离更短（7 vs. 14），所以选择第一个路径 0 -> 1 -> 3。只有在新的路径距离更短的情况下，才会更新距离列表。

因此，使用第一种方案 0 -> 1 -> 3，将节点添加到路径中。

把这个节点标记为“已访问”，在“未访问”节点列表中把它划掉：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-jU2nMQPi-1675673227471)(null)]

重复前面的过程。

检查尚未访问的相邻节点：节点 4 和节点 5，因为它们是节点 3 的相邻节点。

更新它们到源节点的距离，尝试寻找更短的路径：

对于节点 4： 路径是 0 -> 1 -> 3 -> 4，距离为 17。
对于节点 5： 路径是 0 -> 1 -> 3 -> 5，距离为 22。

💡 提示： 注意我们只能从最短路径（红色边）上进行扩展，而不能途经未被包含在最短路径中的边（例如，不能构造经过边 2 -> 3 的路径）。

现在需要选择将哪个未访问节点标记为“已访问”，这里选择节点 4，因为在距离列表中它的距离最短。在图中做标记：

在距离列表中用红色方块将它标记为“已访问”：

在“未访问”节点列表中把它划掉：

再次重复前面的过程。检查相邻节点：节点 5 和节点 6。分析每一种从已访问节点到它们之间的可能路径方案。

对于节点 5：

第一种选择是路径 0 -> 1 -> 3 -> 5，到源节点的距离为 22（2 + 5 + 15），前面的步骤已经记录了这个距离。
第二种选择是路径 0 -> 1 -> 3 -> 4 -> 5，到源节点的距离为 23（2 + 5 + 10 + 6）。

显然，第一个路径距离更短，为节点 5 选择第一种方案。

对于节点 6：

可选的路径是 0 -> 1 -> 3 -> 4 -> 6，到源节点的距离为 19（2 + 5 + 10 + 2）。

把距离最短（当前已知）的节点 6 标记为“已访问”。

在“未访问”节点列表中把它划掉：

现在得到了如下路径（标记为红色）：

现在只剩下一个节点 5 还没被访问了，看看我们要如何把它添加到路径中。

从已经添加到路径中的节点出发，有三种不同的路径可以访问节点 5：

第一种选择： 0 -> 1 -> 3 -> 5，总距离为 22（2 + 5 + 15）。
第二种选择： 0 -> 1 -> 3 -> 4 -> 5，总距离为 23（2 + 5 + 10 + 6）。
第三种选择： 0 -> 1 -> 3 -> 4 -> 6 -> 5，总距离为 25（2 + 5 + 10 + 2 + 6）。

选择总距离为 22 的最短路径：0 -> 1 -> 3 -> 5。

把这个节点标记为“已访问”，并在“未访问”节点列表中把它划掉：

瞧！我们得到了从节点 0 到图中每个节点的最短路径。

图中，标记为红色的边表示最短路径：连接节点 0 和目标节点的红色边即为从源节点出发访问目标节点的最短路径。

例如，想要从节点 0 出发访问节点 6，连接它们的红色边就是最短路径，跟着走就行了。

Dijkstra算法做题演示

Untitled

Dijkstra算法多语言实现

C实现

#include <stdio.h>
#define MAX_VERtEX_NUM 20                   //顶点的最大个数
#define VRType int                          //表示弧的权值的类型
#define VertexType int                      //图中顶点的数据类型
#define INFINITY 65535
typedef struct {
   
    VertexType vexs[MAX_VERtEX_NUM];