• 算法7:迪杰斯特拉算法


    1. 应用场景-最短路径问题

    • 看一个应用场景和问题

    在这里插入图片描述

    1. 胜利乡有7个村庄(A, B, C, D, E, F, G) ,现在有六个邮差,从G点出发,需要分别把邮件分别送到 A, B, C , D, E, F 六个村庄
    2. 各个村庄的距离用边线表示(权) ,比如 A – B 距离 5公里
    3. 问:如何计算出G村庄到其它各个村庄的最短距离?
    4. 如果从其它点出发到各个点的最短距离又是多少?

    2. 迪杰斯特拉(Dijkstra)算法介绍

    • 迪杰斯特拉(Dijkstra)算法是典型最短路径算法,用于计算一个结点到其他结点的最短路径。 它的主要特点是以起始点为中心向外层层扩展(广度优先搜索思想),直到扩展到终点为止

    3. 迪杰斯特拉(Dijkstra)算法过程

    • 设置出发顶点为v,顶点集合V{v1,v2,vi…},v到V中各顶点的距离构成距离集合Dis,Dis{d1,d2,di…},Dis集合记录着v到图中各顶点的距离(到自身可以看作0,v到vi距离对应为di)
    1. 从Dis中选择值最小的di并移出Dis集合,同时移出V集合中对应的顶点vi,此时的v到vi即为最短路径
    2. 更新Dis集合,更新规则为:比较v到V集合中顶点的距离值,保留值较小的一个(同时也应该更新顶点的前驱节点为vi,表明是通过vi到达的)
    3. 重复执行两步骤,直到最短路径顶点为目标顶点即可结束

    4. 算法分析过程

    • 先定义三个数组,分别是已访问节点、前驱节点、出发顶点到其他顶点的距离
    //已访问顶点集合
    class Visited_vertex{
    	//记录各个顶点是否访问过  1表示访问过,0未访问,会动态更新
    	public int[] already_arr; 
    	//每个下标对应的值为前一个顶点下标, 会动态更新
    	public int[] pre_visited;
    	//记录出发顶点到其他所有顶点的距离,比如G为出发顶点,就会记录G到其它顶点的距离,会动态更新,求的最短距离就会存放到dis
    	public int[] dis;
    }
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 假设邻接矩阵如下,N(65535)表示不连通
      A B C D E F G
    A{N,5,7,N,N,N,2};  
    B{5,N,N,9,N,N,3};  
    C{7,N,N,N,8,N,N};  
    D{N,9,N,N,N,4,N};  
    E{N,N,8,N,N,5,4};  
    F{N,N,N,4,5,N,6};  
    G{2,3,N,N,4,6,N};  
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 以G点为出发顶点,初始化后

    在这里插入图片描述

    • 以G为出发顶点访问过一次后的情况

    在这里插入图片描述

    • 经过G出发访问一轮后,继续选择并返回新的访问顶点, 比如访问G之后,就是以 A点作为新的访问顶点(注意不是出发顶点),遍历所有的顶点,即可得到

    5. 代码实现

    import java.util.Arrays;
    
    public class DijkstraAlgorithm {
    
        public static void main(String[] args) {
            char[] vertex = {'A', 'B', 'C', 'D', 'E', 'F', 'G'};
            // 邻接矩阵
            int[][] matrix = new int[vertex.length][vertex.length];
            // 表示不可以连接
            final int N = 65535;
            matrix[0] = new int[]{N, 5, 7, N, N, N, 2};
            matrix[1] = new int[]{5, N, N, 9, N, N, 3};
            matrix[2] = new int[]{7, N, N, N, 8, N, N};
            matrix[3] = new int[]{N, 9, N, N, N, 4, N};
            matrix[4] = new int[]{N, N, 8, N, N, 5, 4};
            matrix[5] = new int[]{N, N, N, 4, 5, N, 6};
            matrix[6] = new int[]{2, 3, N, N, 4, 6, N};
            // 创建Graph对象
            Graph graph = new Graph(vertex, matrix);
            // 显示图
            graph.showGraph();
            // 以G作为出发顶点
            graph.dsj(6);
            graph.showDijkstra();
        }
    }
    
    // 已访问顶点的集合
    class VisitedVertex {
        // 记录各个顶点是否访问过 1表示访问过,0未访问过,会动态更新
        public int[] already_arr;
        // 每个下标对应的值为前一个顶点的下标,会动态更新
        public int[] pre_visited;
        // 记录出发顶点到其他所有顶点的距离,会动态更新
        public int[] dis;
    
        /**
         * 构造器
         *
         * @param length 顶点个数
         * @param index  出发顶点的下标,比如G为顶点,下标就是6
         */
        public VisitedVertex(int length, int index) {
            this.already_arr = new int[length];
            this.pre_visited = new int[length];
            this.dis = new int[length];
            // 初始化 dis 数组
            Arrays.fill(dis, 65535);
            // 设置出发顶点被访问过
            this.already_arr[index] = 1;
            // 设置出发顶点的访问距离为0
            this.dis[index] = 0;
        }
    
        // 判断index顶点是否被访问过
        public boolean in(int index) {
            return already_arr[index] == 1;
        }
    
        // 更新出发顶点到index顶点的距离
        public void updateDis(int index, int len) {
            dis[index] = len;
        }
    
        // 更新pre这个顶点的前驱顶点为index顶点
        public void updatePre(int pre, int index) {
            pre_visited[pre] = index;
        }
    
        // 返回出发顶点到index顶点的距离
        public int getDis(int index) {
            return dis[index];
        }
    
        // 继续选择并返回新的访问顶点,比如G访问后,就是A作为新的访问顶点(注意不是出发顶点)
        public int updateArr() {
            int min = 65535;
            int index = 0;
            for (int i = 0; i < already_arr.length; i++) {
                // 找出没有被访问过,且到出发顶点距离最短的点
                if (already_arr[i] == 0 && dis[i] < min) {
                    min = dis[i];
                    index = i;
                }
            }
            // 更新index顶点被访问过
            already_arr[index] = 1;
            return index;
        }
    
        // 显示最后的结果,将三个数组的情况输出
        public void show() {
            System.out.println("==========================");
            //输出already_arr
            for (int i : already_arr) {
                System.out.print(i + " ");
            }
            System.out.println();
            //输出pre_visited
            for (int i : pre_visited) {
                System.out.print(i + " ");
            }
            System.out.println();
            //输出dis
            for (int i : dis) {
                System.out.print(i + " ");
            }
            System.out.println();
            char[] vertex = {'A', 'B', 'C', 'D', 'E', 'F', 'G'};
            int count = 0;
            for (int i : dis) {
                if (i != 65535) {
                    System.out.print(vertex[count] + "(" + i + ") ");
                } else {
                    System.out.println("N ");
                }
                count++;
            }
            System.out.println();
        }
    }
    
    class Graph {
    
        // 顶点数组
        private char[] vertex;
    
        // 邻接矩阵
        private int[][] matrix;
    
        // 已访问的顶点的集合
        private VisitedVertex vv;
    
        public Graph(char[] vertex, int[][] matrix) {
            this.vertex = vertex;
            this.matrix = matrix;
        }
    
        // 显示图
        public void showGraph() {
            for (int[] link : matrix) {
                System.out.println(Arrays.toString(link));
            }
        }
    
        //显示结果
        public void showDijkstra() {
            vv.show();
        }
    
        // 更新index下标顶点到周围顶点的距离和周围顶点的前驱顶点
        private void update(int index) {
            int len = 0;
            // 遍历matrix[index]行
            int[] ints = matrix[index];
            for (int i = 0; i < ints.length; i++) {
                // len是出发顶点到index顶点的距离+从index顶点到i顶点的距离
                len = vv.getDis(index) + ints[i];
                // 如果i顶点没有被访问过,并且len小于出发顶点到i顶点的距离,就需要更新
                if (!vv.in(i) && len < vv.getDis(i)) {
                    // 更新i顶点的前驱为index顶点
                    vv.updatePre(i, index);
                    // 更新出发顶点到i顶点的距离
                    vv.updateDis(i, len);
                }
            }
        }
    
        /**
         * 算法实现
         *
         * @param index 出发顶点对应的下标
         */
        public void dsj(int index) {
            vv = new VisitedVertex(vertex.length, index);
            // 更新index顶点到周围顶点的距离和前驱顶点
            update(index);
            for (int i = 0; i < vertex.length; i++) {
                // 选择并返回新的访问点
                index = vv.updateArr();
                // 更新index顶点到周围顶点的距离和前驱顶点
                update(index);
            }
        }
    
    }
    
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54
    • 55
    • 56
    • 57
    • 58
    • 59
    • 60
    • 61
    • 62
    • 63
    • 64
    • 65
    • 66
    • 67
    • 68
    • 69
    • 70
    • 71
    • 72
    • 73
    • 74
    • 75
    • 76
    • 77
    • 78
    • 79
    • 80
    • 81
    • 82
    • 83
    • 84
    • 85
    • 86
    • 87
    • 88
    • 89
    • 90
    • 91
    • 92
    • 93
    • 94
    • 95
    • 96
    • 97
    • 98
    • 99
    • 100
    • 101
    • 102
    • 103
    • 104
    • 105
    • 106
    • 107
    • 108
    • 109
    • 110
    • 111
    • 112
    • 113
    • 114
    • 115
    • 116
    • 117
    • 118
    • 119
    • 120
    • 121
    • 122
    • 123
    • 124
    • 125
    • 126
    • 127
    • 128
    • 129
    • 130
    • 131
    • 132
    • 133
    • 134
    • 135
    • 136
    • 137
    • 138
    • 139
    • 140
    • 141
    • 142
    • 143
    • 144
    • 145
    • 146
    • 147
    • 148
    • 149
    • 150
    • 151
    • 152
    • 153
    • 154
    • 155
    • 156
    • 157
    • 158
    • 159
    • 160
    • 161
    • 162
    • 163
    • 164
    • 165
    • 166
    • 167
    • 168
    • 169
    • 170
    • 171
    • 172
    • 173
    • 174
    • 175
    • 176
    • 177
    • 178
    • 179
    • 180
    • 181
    • 182
    • 183
    • 184
    • 185
    • 186
    • 187
  • 相关阅读:
    排序算法图解(一):冒泡排序与冒泡排序的优化
    蓝桥杯每日一题2023.10.27
    【HTTP】GET 和 POST 的区别
    前端实现地图省市县区块划分显示(通过poi数据实现)
    (二)进制
    第七章:单链表与双链表(数组模拟)
    日常 - UX 响应 Nginx 502 Bad Gateway
    Web前端教学实录:深入剖析前端技术的奥秘
    nacos配置中心docker部署、配置及 goLang 集成使用
    C. String Equality(思维)
  • 原文地址:https://blog.csdn.net/qq_40977118/article/details/127714807