当前位置: 首页 > news >正文

最短路----Dijkstra算法详解

简介

迪杰斯特拉(Dijkstra)算法是一种用于在加权图中找到单个源点到所有其他顶点的最短路径的算法。它是由荷兰计算机科学家艾兹格·迪科斯彻(Edsger Dijkstra)在1956年提出的。Dijkstra算法适用于处理带有非负权重的图。迪杰斯特拉算法主要特点是从起始点开始,采用贪心算法,每次遍历到始点距离最近且未访问过的顶点的邻接节点,直到扩展到终点为止。适用的是单源路径最短路问题,对于多源则采用弗洛伊德(Floyd)算法

Dijkstra算法原理

  1. 初始化

    • 创建一个距离数组dist,用来存储从起始节点到每个节点的最短距离,初始时将起始节点的距离设为0,其余节点设为无穷大。
    • 创建一个优先队列(通常使用最小堆)来存储待处理的节点,初始时将起始节点加入队列。
  2. 处理节点

    • 从优先队列中取出距离最小的节点,标记为已处理。
    • 对于该节点的每个邻接节点,计算从起始节点到该邻接节点的距离。如果这个距离小于当前记录的距离,则更新距离并将该邻接节点加入优先队列。
  3. 重复

    • 重复步骤2,直到优先队列为空,或者所有节点都被处理。

如果还看不明白,请看下图

举个栗子
示例图
 
图的邻接表表示
  • 节点0到节点1的边权重为1
  • 节点0到节点2的边权重为4
  • 节点1到节点2的边权重为2
  • 节点1到节点3的边权重为5
  • 节点2到节点4的边权重为1
  • 节点4到节点3的边权重为1
Dijkstra算法执行过程

假设我们从节点0开始,以下是distvisited数组在每一步的变化:

  1. 初始化

    • dist = [0, ∞, ∞, ∞, ∞] (从起始节点0到其他节点的距离)
    • visited = [false, false, false, false, false] (所有节点未被访问)
  2. 处理节点0

    • 当前节点:0
    • 更新邻接节点1和2:
      • dist[1] = 1(0到1的距离)
      • dist[2] = 4(0到2的距离)
    • 更新后的数组:
      • dist = [0, 1, 4, ∞, ∞]
      • visited = [true, false, false, false, false]
  3. 处理节点1(下一个最小距离的节点):

    • 当前节点:1
    • 更新邻接节点2和3:
      • dist[2] = min(4, 1 + 2) = 3(更新0到2的距离)
      • dist[3] = 1 + 5 = 6(更新0到3的距离)
    • 更新后的数组:
      • dist = [0, 1, 3, 6, ∞]
      • visited = [true, true, false, false, false]
  4. 处理节点2

    • 当前节点:2
    • 更新邻接节点4:
      • dist[4] = min(∞, 3 + 1) = 4(更新0到4的距离)
    • 更新后的数组:
      • dist = [0, 1, 3, 6, 4]
      • visited = [true, true, true, false, false]
  5. 处理节点4

    • 当前节点:4
    • 更新邻接节点3:
      • dist[3] = min(6, 4 + 1) = 5(更新0到3的距离)
    • 更新后的数组:
      • dist = [0, 1, 3, 5, 4]
      • visited = [true, true, true, false, true]
  6. 处理节点3

    • 当前节点:3
    • 由于3没有未访问的邻接节点,算法结束。
    • 最终的dist数组为:
      • dist = [0, 1, 3, 5, 4](从节点0到各个节点的最短距离)
    • visited数组为:
      • visited = [true, true, true, true, true](所有节点均已访问)
最终结果
  • 从节点0到节点1的最短距离是1
  • 从节点0到节点2的最短距离是3
  • 从节点0到节点3的最短距离是5
  • 从节点0到节点4的最短距离是4

这个过程展示了Dijkstra算法如何逐步更新每个节点的最短路径,并标记已访问的节点。

代码实现

#include<iostream>
using namespace std;
int n,e,s;//n个顶点,e条边,s是起点
int dis[101];//dis[i]起点到i的最短距离
int vis[101];//标记是否找到
int edge[101][101];//记录路径i->j有路径
int main()
{cin>>n>>e;for(int i=1;i<=n;i++){dis[i]=100000;}for(int i=1;i<=e;i++){//邻接矩阵存储int a,b,c;cin>>a>>b>>c;edge[a][b]=c;}cin>>s;dis[s]=0;//起点到起点不需要代价for(int i=1;i<=n;i++){int minn=inf,minx;for(int j=1;j<=n;j++){if(dis[j]<minn&&vis[j]==0){//寻找此点到其他点的最小距离minn=dis[j];minx=j;}}vis[minx]=1;//标记到达的最小点for(int j=1;j<=n;j++){if(edge[minx][j]>0)//有边的话 {if(minn+edge[minx][j]<dis[j]){dis[j]=minn+edge[minx][j];//更新以最小距离点最为中转点的最小距离}}}}for(int i=1;i<=n;i++){//打印最短距离cout<<dis[i]<<" ";}return 0;
}

http://www.lryc.cn/news/503957.html

相关文章:

  • ORB-SLAM3源码学习:G2oTypes.cc: void EdgeInertial::computeError 计算预积分残差
  • Unity协程机制详解
  • 2024年【高压电工】最新解析及高压电工考试总结
  • OELOVE 6.0城市列表模板
  • 如何将你的 Ruby 应用程序从 OpenSearch 迁移到 Elasticsearch
  • day1数据结构,关键字,内存空间存储与动态分区,释放
  • 1_linux系统网络性能如何优化——几种开源网络协议栈比较
  • 【问题记录】07 MAC电脑,使用FileZilla(SFTP)连接堡垒机不成功
  • 前端报错npm ERR cb() never called问题
  • 康谋方案 | 多源相机数据采集与算法集成测试方案
  • Graspness 端到端抓取点估计 | 环境搭建 | 模型推理测试
  • 交换机是如何避免数据碰撞的(详细解释 + 示例)
  • 魅族手机刷官方系统
  • 女人想要的,是那份懂她的情绪价值
  • [python SQLAlchemy数据库操作入门]-10.性能优化:提升 SQLAlchemy 在股票数据处理中的速度
  • 【网络取证篇】取证实战之PHP服务器镜像网站重构及绕密分析
  • [python]使用 Pandas 处理 Excel 数据:分割与展开列操作
  • 单片机的选择因素
  • 软件测试兼容性测试丨分布式测试与多设备管理
  • Linux驱动开发(13):输入子系统–按键输入实验
  • 微服务篇-微服务保护:使用 Sentinel 来实现请求限流、线程隔离、服务熔断和 Fallback 备用方案的使用
  • vscode 排除文件夹搜索
  • 设计模式学习之——装饰者模式
  • 【Vulkan入门】10-CreatePipeline
  • C++11 (一)
  • 系统性能优化
  • IMX6ULL开发板挂载 Ubuntu 的 NFS 目录,并以交叉编译得到的hello程序进行测试
  • Xcode模拟器运行报错:The request was denied by service delegate
  • ubuntu18.04配置实时内核
  • Unity中Mesh重叠顶点合并参考及其应用