Dijkstra算法(最短路径)

基本思想

每次找到离源点最近的一个顶点,然后以该顶点为中心进行扩展,最终得到源点到其余所有点的最短路径。

基本歩骤

  1. 将所有顶点分为两部分:已知最短路径的顶点集合P和未知最短路径的顶点集合Q。最开始,已知最短路径的顶点集合P中只有源点一个顶点。这里用book数组来记录哪些点在集合P中。

  2. 设置源点S到自己的最短路径为0 即dis[s]=0。若存在有源点能直接到达的顶点i,则dis[i] = e[s][i]。同时把所有其他源点不能直接到达的顶点的最短路径设为∞。

  3. 在集合Q 中所有顶点中选择一个离源点S最近的顶点U加入到集合P中。并考察所有以点U为起点的边,对每一条边进行松弛操作(以点U为中间点,计算最短路径并更新集合Q)。

  4. 重复第三步,如果集合Q为空,算法结束。最终dis数组中的值就是源点到所有顶点的最短路径。

//C代码
#include <cstdio>
#include <cstring>
#include <iostream>

using namespace std;

int main(){
   int e[10][10],dis[10],book[10],i,j,n,m,t1,t2,t3,u,v,min;
   int inf = 99999999;
   scanf("%d %d",&n,&m);

   //初始化
   for(i=1;i<=n;i++){
    for(j=1;j<=n;j++){
        if(i==j) e[i][j]=0;
        else e[i][j] = inf;
    }
   }
    //读入边
   for(i=1;i<=m;i++){
    scanf("%d %d %d",&t1,&t2,&t3);
    e[t1][t2]=t3;
   }

   //初始化dis数组,这里是1号顶点到达其余各顶点的初始路程
   for(i=1;i<=n;i++)
    dis[i]=e[1][i];

   for(i=1;i<=n;i++){
    book[i]=0;
   }
   book[1]=1;

   //Dijkstra算法
   for(i=1;i<=n-1;i++){
    min = inf;
    for(j=1;j<=n;j++){
        if(book[j]==0 && dis[j]<min){
            min = dis[j];
            u=j;
        }
    }
    //标记
    book[u]=1;
    //更新dis数组
    for(v=1;v<=n;v++){
        if(e[u][v]<inf){//有路
            if(dis[v]>dis[u]+e[u][v])//更短
                dis[v]=dis[u]+e[u][v];
        }
    }
   }

   for(i=1;i<=n;i++)
    printf("%d ",dis[i]);
   return 0;
}

总结:迪杰斯特拉算法给我的感觉就是走地图,首先找出其中最短的路径出发点,然后根据这个点跟新原有图的信息(找出的点本就是最短,所以更新的是未走的点),又得到最新所有地图路径,在找出其中最短出发点,,。依次遍历,直到所有点被跟新完,最后最短路径也就随之出来了。有点贪心的感觉了=.=
Dijkstra算法看代码有可能有点迷糊,但核心思想很十分简洁,非常流弊啊!

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Dijkstra算法是一种用于解决单源最短路径问题的算法。它通过贪婪地选择当前最短路径来逐步构建最短路径树。以下是Dijkstra算法的步骤: 1. 创建一个空的最短路径集合,用于存储从起始节点到其他节点的最短路径。 2. 初始化起始节点的最短路径为0,将其添加到最短路径集合中。 3. 对于起始节点的所有邻居节点,更新它们的最短路径值。如果通过当前节点到达邻居节点的路径比已知最短路径更短,则更新最短路径值。 4. 从未添加到最短路径集合中的节点中选择一个具有最小最短路径值的节点,并将其添加到最短路径集合中。 5. 重复步骤3和步骤4,直到所有节点都被添加到最短路径集合中。 6. 最终,最短路径集合中存储了从起始节点到所有其他节点的最短路径Dijkstra算法的特点和限制如下: - Dijkstra算法仅适用于非负权重的图,因为它依赖于贪婪策略来选择当前最短路径。 - 它可以找到从起始节点到所有其他节点的最短路径,因此适用于单源最短路径问题。 - Dijkstra算法不会处理负权边,如果图中存在负权边,应该使用其他算法,如Bellman-Ford算法。 - 算法的时间复杂度取决于数据结构的选择,一般情况下是O(V^2)或O(Vlog(V)),其中V是节点数。如果使用优先队列来优化,时间复杂度可以减小到O(Elog(V)),其中E是边数。 以下是一个使用Dijkstra算法找到最短路径的示例代码: ```python import sys def dijkstra(graph, start): # 初始化最短路径集合最短路径字典 shortest_paths = {node: sys.maxsize for node in graph} shortest_paths[start] = 0 visited = set() while len(visited) < len(graph): # 选择当前最短路径值的节点 current_node = min((node for node in graph if node not in visited), key=lambda node: shortest_paths[node]) visited.add(current_node) # 更新邻居节点的最短路径值 for neighbor in graph[current_node]: distance = shortest_paths[current_node] + graph[current_node][neighbor] if distance < shortest_paths[neighbor]: shortest_paths[neighbor] = distance return shortest_paths # 示例图的邻接表表示 graph = { 'A': {'B': 5, 'C': 3}, 'B': {'A': 5, 'C': 1, 'D': 3}, 'C': {'A': 3, 'B': 1, 'D': 2, 'E': 6}, 'D': {'B': 3, 'C': 2, 'E': 4, 'F': 2}, 'E': {'C': 6, 'D': 4, 'F': 6}, 'F': {'D': 2, 'E': 6} } start_node = 'A' shortest_paths = dijkstra(graph, start_node) for node in shortest_paths: print(f"Shortest path from {start_node} to {node}: {shortest_paths[node]}") ``` 这段代码使用邻接表表示图,并从起始节点'A'开始找到到达其他节点的最短路径。最终,它会输出从起始节点到每个节点的最短路径值。
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