了解Dijkstra算法

    Dijkstra算法允许我们找到图的任意两个顶点之间的最短路径。
    它不同于最小生成树，因为两个顶点之间的最短距离可能不包括图的所有顶点。

Dijkstra算法的工作原理

    Dijkstra的算法的工作原理是，顶点A和D间最短路径 A -> D 的某一段子路径 B -> D 也是顶点B和D之间的最短路径。

    Djikstra反向使用此属性，即我们高估每个顶点到起始顶点的距离。然后我们访问每个节点及其邻居，找到到这些邻居的最短子路径。
    该算法使用贪心方法，即我们寻找最佳解，希望最终结果是整个问题的最佳解。

Dijkstra算法的示例

    先从一个例子开始，然后再考虑算法是比较容易的。

    从加权图开始。

    选择一个起始顶点并将无穷大路径值分配给所有其他节点。

    更新每个顶点的路径长度。

    如果相邻顶点的路径长度小于新路径的长度，不更新它。

    避免更新已访问顶点的路径长度。

    在每次迭代之后，我们选取路径长度最小的未访问顶点。所以我们在7之前选5。

    注意最右边的顶点的路径长度是如何更新两次的。

    重复直到所有顶点都被访问。

Djikstra算法伪代码

    我们需要保持每个顶点的路径距离。我们可以将其存储在一个大小为v的数组中，其中v是顶点的数量。
    我们也希望能够得到最短路径，不仅知道最短路径的长度。为此，我们将每个顶点映射到最后更新其路径长度的顶点。
    算法结束后，我们可以从目标顶点回溯到源顶点以找到路径。
    最小优先级队列可以有效地接收路径距离最小的顶点。

function dijkstra(G, S)
    for each vertex V in G
        distance[V] <- infinite
        previous[V] <- NULL
        If V != S, add V to Priority Queue Q
    distance[S] <- 0
	
    while Q IS NOT EMPTY
        U <- Extract MIN from Q
        for each unvisited neighbour V of U
            tempDistance <- distance[U] + edge_weight(U, V)
            if tempDistance < distance[V]
                distance[V] <- tempDistance
                previous[V] <- U
    return distance[], previous[]

Dijkstra算法的代码

// Dijkstra's Algorithm in C

#include <stdio.h>
#define INFINITY 9999
#define MAX 10

void Dijkstra(int Graph[MAX][MAX], int n, int start);

void Dijkstra(int Graph[MAX][MAX], int n, int start) {
  int cost[MAX][MAX], distance[MAX], pred[MAX];
  int visited[MAX], count, mindistance, nextnode, i, j;

  // Creating cost matrix
  for (i = 0; i < n; i++)
    for (j = 0; j < n; j++)
      if (Graph[i][j] == 0)
        cost[i][j] = INFINITY;
      else
        cost[i][j] = Graph[i][j];

  for (i = 0; i < n; i++) {
    distance[i] = cost[start][i];
    pred[i] = start;
    visited[i] = 0;
  }

  distance[start] = 0;
  visited[start] = 1;
  count = 1;

  while (count < n - 1) {
    mindistance = INFINITY;

    for (i = 0; i < n; i++)
      if (distance[i] < mindistance && !visited[i]) {
        mindistance = distance[i];
        nextnode = i;
      }

    visited[nextnode] = 1;
    for (i = 0; i < n; i++)
      if (!visited[i])
        if (mindistance + cost[nextnode][i] < distance[i]) {
          distance[i] = mindistance + cost[nextnode][i];
          pred[i] = nextnode;
        }
    count++;
  }

  // Printing the distance
  for (i = 0; i < n; i++)
    if (i != start) {
      printf("\nDistance from source to %d: %d", i, distance[i]);
    }
}
int main() {
  int Graph[MAX][MAX], i, j, n, u;
  n = 7;

  Graph[0][0] = 0;
  Graph[0][1] = 0;
  Graph[0][2] = 1;
  Graph[0][3] = 2;
  Graph[0][4] = 0;
  Graph[0][5] = 0;
  Graph[0][6] = 0;

  Graph[1][0] = 0;
  Graph[1][1] = 0;
  Graph[1][2] = 2;
  Graph[1][3] = 0;
  Graph[1][4] = 0;
  Graph[1][5] = 3;
  Graph[1][6] = 0;

  Graph[2][0] = 1;
  Graph[2][1] = 2;
  Graph[2][2] = 0;
  Graph[2][3] = 1;
  Graph[2][4] = 3;
  Graph[2][5] = 0;
  Graph[2][6] = 0;

  Graph[3][0] = 2;
  Graph[3][1] = 0;
  Graph[3][2] = 1;
  Graph[3][3] = 0;
  Graph[3][4] = 0;
  Graph[3][5] = 0;
  Graph[3][6] = 1;

  Graph[4][0] = 0;
  Graph[4][1] = 0;
  Graph[4][2] = 3;
  Graph[4][3] = 0;
  Graph[4][4] = 0;
  Graph[4][5] = 2;
  Graph[4][6] = 0;

  Graph[5][0] = 0;
  Graph[5][1] = 3;
  Graph[5][2] = 0;
  Graph[5][3] = 0;
  Graph[5][4] = 2;
  Graph[5][5] = 0;
  Graph[5][6] = 1;

  Graph[6][0] = 0;
  Graph[6][1] = 0;
  Graph[6][2] = 0;
  Graph[6][3] = 1;
  Graph[6][4] = 0;
  Graph[6][5] = 1;
  Graph[6][6] = 0;

  u = 0;
  Dijkstra(Graph, n, u);

  return 0;
}

Dijkstra算法的复杂度

    时间复杂度：O(E Log V)
    其中，E是边数，V是顶点数。
    空间复杂度： O(V)

Dijkstra算法的应用

• 寻找最短路径
• 在社交网络中的应用
• 在电话网中
• 在地图上查找位置

参考文档

[1]Parewa Labs Pvt. Ltd.Dijkstra’s Algorithm[EB/OL].https://www.programiz.com/dsa/dijkstra-algorithm,2020-01-01.