• 38.迪杰斯特拉(Dijkstra)算法


    概述

    我们在上一篇中面对修路的问题讲述了普利姆算法的实现方式,本篇我们参照迪杰斯特拉算法来对修路问题做进一步拆解。
    我们回顾一下之前的问题:

    “要想富,先修路”,郝乡长最近为了德胜乡修路的事情愁白了头。
    得胜乡有A、B、C、D、E、F、G七个村子,现在需要修路把7个村庄连通,但是又想要耗费的公路建材最少(修建公路的总里程最短),聪明的你是否有什么好办法呢?
    注:各个村庄的距离用边线(权值)来表示。
    在这里插入图片描述

    算法说明

    迪杰斯特拉(Dijkstra)算法是典型最短路径算法,用于计算一个点到其他节点的最短路径。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。

    算法过程

    设置出发顶点为v,顶点集合V{v1,v2,v3…},v到V中各顶点的距离构成距离集合Dis,Dis{d1,d2,d3…},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,与v通过vi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

    数组说明

    • already_arr 表示访问过的顶点,0-未访问;1-已访问;
    • dis 表示出发顶点到对应顶点的距离;
    • pre_visited 表示各个节点的前驱节点;

    过程说明

    1. 初始化认为到每个顶点的距离都是最大;
    2. 到自己的距离为0;
    3. 前驱顶点访问前初始化均为0;
      以G为出发顶点访问过一次后
    4. dis对应更新为 [ 2 , 3 , 65535 , 65535 , 4 , 6 ,0 ] , 即把G到所有顶点的距离都算了一遍,(把比原值小的部分)更新到dis数组,可以参考邻接矩阵G行;
    5. pre_visited 对应更新为 [ 6 , 6 , 0 , 0 , 6 , 6 , 0 ] , 表示下标6的顶点G是A,B,E,F的前驱节点,自己(G)的前驱节点可不考虑;
      此时,G出发已经访问了A,B,E,F ,遵循广度优先原则, 按顺序下面需要把A作为新的访问顶点 开始进行广度遍历访问(注意并不等同于出发顶点,这也是为什么要记录)

    代码实现

    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];
            final int N = 65535;//表示不可连接
            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);
            //测试,看看是否Ok
            graph.showGraph();
    
            //测试迪杰斯特拉算法
            graph.dsj(6);//假设从G出发,G下标是6
    
            //输出结果
            graph.showDijkstra();
        }
    
    }
    
    //已访问顶点集合
    class VisitedVertex{
        //记录各个顶点是否访问过 1-访问过,0-未访问;  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;
        //记录出发顶点到其它所有顶点的距离,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,求得最短就离会存放到dis
        public int [] dis;
    
        /**
         * @param length 表示顶点个数
         * @param index 出发顶点对应的下标,比如G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
            this.already_arr[index] = 1;//设置出发顶点被访问  置为1
            Arrays.fill(dis,65535);
            this.dis[index]=0;//设置出发顶点 的访问距离为0
        }
    
        /**
         * 功能: 判断index顶点是否被访问过
         * @param index
         * @return 如果访问过,就返回true,否则返回false
         */
        public boolean in(int index){
            return already_arr[index]==1;
        }
    
        /**
         * 更新出发顶点到index顶点的距离
         * @param index
         * @param len
         */
        public void updateDis(int index,int len){
            dis[index] = len;
        }
    
        /**
         * 功能:更新pre顶点的前驱为index节点
         * @param pre
         * @param index
         */
        public void updatePre(int pre,int index){
            pre_visited[pre] = index;
        }
    
        /**
         * 返回出发顶点到index的距离
         * @param index
         */
        public int getDis(int index){
            return dis[index];
        }
    
        //继续选择并返回新的访问顶点,比如这里的G 完后, 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,index = 0;
            for (int i = 0; i < already_arr.length; i++) {
                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();
    
            //为了最短距离看起来美观,处理
            char[] vetex = {'A','B','C','D','E','F','G'};
            int count = 0 ;
            for (int i : dis) {
                if (i!=65535){
                    System.out.print(vetex[count]+"("+i+")");
                }else {
                    System.out.print("N");
                }
                count++;
            }
            System.out.println();
        }
    
    }
    
    //图
    class Graph{
        private char[] vertex;//顶点数组
        private int [][] matrix;//邻接矩阵
        private VisitedVertex vv;//已经访问的顶点集合
    
        //构造器
        public Graph(char[] vertex, int[][] matrix) {
            this.vertex = vertex;
            this.matrix = matrix;
        }
    
        //显示结果
        public void showDijkstra(){
            vv.show();
        }
    
        //显示图
        public void showGraph(){
            for (int[] link : matrix) {
                System.out.println(Arrays.toString(link));
            }
        }
    
        //迪杰斯特拉(Dijkstra)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);
            update(index);//更新Index下标顶点到周围顶点的距离和前驱节点
    
            for (int j = 0; j < vertex.length; j++) {
                index =vv.updateArr();//选择并返回新的访问顶点
                update(index); //更新Index下标顶点到周围顶点的距离和前驱节点
            }
        }
    
        //更新index下标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;
            //根据遍历邻接矩阵的matrix[index]行
            for (int j = 0; j < matrix[index].length; j++) {
                //len 含义是: 出发顶点到Index顶点的距离 + index顶点到j顶点的距离之和
                len = vv.getDis(index)+matrix[index][j];
                //如果j没有被访问过,并且len小于出发顶点到j顶点的距离,就需要更新
                if (!vv.in(j)&&len<vv.getDis(j)){
                    vv.updatePre(j,index);//更新j顶点的前驱为Index顶点
                    vv.updateDis(j,len);//更新出发顶点到j顶点的距离
                }
            }
        }
    }
    
    • 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
    • 188
    • 189

    关注我,共同进步,每周至少一更。——Wayne

  • 相关阅读:
    AJAX学习笔记8 跨域问题及解决方案
    科普ChatGPT
    全新骁龙7系移动平台带来出色的性能和能效,以及多个7系层级首次支持的特性
    iNFTnews | 如果完美只存在于虚拟世界,你会爱真实的我吗?
    Flutter高仿微信-第35篇-单聊-视频通话
    大家都能看得懂的源码 - 那些关于DOM的常见Hook封装(二)
    性能测试【第三篇】Jmeter的使用
    5. 工业大数据典型应用
    排序算法之归并排序与基数排序
    基于CNTK/C#实现逻辑回归【附源码】
  • 原文地址:https://blog.csdn.net/WayneSlytherin/article/details/133821041