迪杰斯特拉算法(求最短路径)
迪杰斯特拉算法用于查找图中某个顶点到其它所有顶点的最短路径,该算法既适用于无向加权图,也适用于有向加权图。
注意,使用迪杰斯特拉算法查找最短路径时,必须保证图中所有边的权值为非负数,否则查找过程很容易出错。
迪杰斯特拉算法的实现思路
图 1 是一个无向加权图,我们就以此图为例,给大家讲解迪杰斯特拉算法的实现思路。
图 1 无向加权图
假设用迪杰斯特拉算法查找从顶点 0 到其它顶点的最短路径,具体过程是:
- 统计从顶点 0 直达其它顶点的权值,如下表所示:
表 1 顶点 0 直达其它顶点的权值
1 | 2 | 3 | 4 | 5 | 6 | |
---|---|---|---|---|---|---|
总权值 | 2 | 6 | ∞ | ∞ | ∞ | ∞ |
路径 | 0-1 | 0-2 | 0-3 | 0-4 | 0-5 | 0-6 |
∞ 表示两个顶点之间无法直达,对应的权值为无穷大。
- 表 1 中,权值最小的是 0-1 路径,它也是从顶点 0 到顶点 1 的最短路径(如图 2 所示)。原因很简单,从顶点 0 出发一共只有 0-1 和 0-2 两条路径,0-2 的权值本就比 0-1 大,所以从 0-2 出发不可能找得到比 0-1 权值更小的路径。
图 2 最短路径 0-1
- 找到最短路径 0-1 后,沿 0-1 路径方向查找更短的到达其它顶点的路径,并对表 1 进行更新。
表 2 沿 0-1 最短路径更新表 1
1 | 2 | 3 | 4 | 5 | 6 | |
---|---|---|---|---|---|---|
总权值 | 2 | 6 | 2+5 | ∞ | ∞ | ∞ |
路径 | 0-1 | 0-2 | 0-1-3 | 0-4 | 0-5 | 0-6 |
绿色加粗的权值是已确认为最短路径的权值,后续选择总权值最小的路径时不再重复选择;红色加粗的权值为刚刚更新的权值。
更新后的表格如表 2 所示,沿 0-1 路径可以到达顶点 3,且 0-1-3 的总权值比 0-3 更小。表 2 中,总权值最小的路径是 0-2,它也是从顶点 0 到顶点 2 的最短路径,如下图所示。
图 3 最短路径 0-2
- 重复之前的操作,沿 0-2 路径方向查找更短的到达其它顶点的路径。遗憾地是,从顶点 2 只能到达顶点 3,且 0-2-3 的总权值比表 2 中记录的 0-1-3 更大,因此表 2 中记录的数据维持不变。
表 3 结合 0-2 最短路径更新表 2
1 | 2 | 3 | 4 | 5 | 6 | |
---|---|---|---|---|---|---|
总权值 | 2 | 6 | 7 | ∞ | ∞ | ∞ |
路径 | 0-1 | 0-2 | 0-1-3 | 0-4 | 0-5 | 0-6 |
- 表 3 中,总权值最小的是 0-1-3,它也是顶点 0 到顶点 3 的最短路径。
图 4 最短路径 0-1-3
沿 0-1-3 路径方向,查找到其它顶点更短的路径并更新表 3。更新后的表格为:
表 4 结合 0-1-3 最短路径更新表 3
1 | 2 | 3 | 4 | 5 | 6 | |
---|---|---|---|---|---|---|
总权值 | 2 | 6 | 7 | 7+10 | 7+15 | ∞ |
路径 | 0-1 | 0-2 | 0-1-3 | 0-1-3-4 | 0-1-3-5 | 0-6 |
- 表 4 中,总权值最小的是 0-1-3-4,它是顶点 0 到顶点 4 的最短路径。
图 5 最短路径 0-1-3-4
从顶点 4 出发,查找顶点 0 到其它顶点更短的路径并更新表 4。更新后的表格为:
表 5 结合 0-1-3-4 最短路径更新表 4
1 | 2 | 3 | 4 | 5 | 6 | |
---|---|---|---|---|---|---|
总权值 | 2 | 6 | 7 | 17 | 22 | 17+2 |
路径 | 0-1 | 0-2 | 0-1-3 | 0-1-3-4 | 0-1-3-5 | 0-1-3-4-6 |
- 表 5 中,总权值最小的路径是 0-1-3-4-6,它是顶点 0 到顶点 6 的最短路径。
图 6 最短路径 0-1-3-4-6
- 从图 6 可以看到,只剩下顶点 0 到顶点 5 的最短路径尚未确定。从顶点 6 出发到达顶点 5 的路径是 0-1-3-4-6-5,对应的总权值为 25,大于表 5 中记录的 0-1-3-5 路径,因此 0-1-3-5 是顶点 0 到顶点 5 的最短路径。
图 7 最短路径 0-1-3-5
由此借助迪杰斯特拉算法,我们找出了顶点 0 到其它所有顶点的最短路径,如下表所示:
表 6 最短路径
1 | 2 | 3 | 4 | 5 | 6 | |
---|---|---|---|---|---|---|
总权值 | 2 | 6 | 7 | 17 | 22 | 19 |
迪杰斯特拉算法的具体实现
了解了迪杰斯特拉算法的实现过程之后,接下来分别编写 C、Java 和 Python 程序真正地实现迪杰斯特拉算法。
仍以图 1 为例,迪杰斯特拉算法查找顶点 0 到其它顶点所有最短路径的 C 语言程序为:
#include <stdio.h>
#define V 20 //顶点的最大个数
#define INFINITY 65535
typedef struct {int vexs[V]; //存储图中顶点数据int arcs[V][V]; //二维数组,记录顶点之间的关系int vexnum, arcnum; //记录图的顶点数和弧(边)数
}MGraph;
//根据顶点本身数据,判断出顶点在二维数组中的位置
int LocateVex(MGraph * G, int v) {int i = 0;//遍历一维数组,找到变量vfor (; i < G->vexnum; i++) {if (G->vexs[i] == v) {break;}}//如果找不到,输出提示语句,返回-1if (i > G->vexnum) {printf("no such vertex.\n");return -1;}return i;
}
//构造无向有权图
void CreateDG(MGraph *G) {printf("输入图的顶点数和边数:");scanf("%d %d", &(G->vexnum), &(G->arcnum));printf("输入各个顶点:");for (int i = 0; i < G->vexnum; i++) {scanf("%d", &(G->vexs[i]));}for (int i = 0; i < G->vexnum; i++) {for (int j = 0; j < G->vexnum; j++) {G->arcs[i][j] = INFINITY;}}printf("输入各个边的数据:\n");for (int i = 0; i < G->arcnum; i++) {int v1, v2, w;scanf("%d %d %d", &v1, &v2, &w);int n = LocateVex(G, v1);int m = LocateVex(G, v2);if (m == -1 || n == -1) {return;}G->arcs[n][m] = w;G->arcs[m][n] = w;}
}
//迪杰斯特拉算法,v0表示有向网中起始点所在数组中的下标
void Dijkstra_minTree(MGraph G, int v0, int p[V], int D[V]) {int final[V];//为各个顶点配置一个标记值,用于确认该顶点是否已经找到最短路径//对各数组进行初始化for (int v = 0; v < G.vexnum; v++) {final[v] = 0;D[v] = G.arcs[v0][v];p[v] = 0;}//由于以v0位下标的顶点为起始点,所以不用再判断D[v0] = 0;final[v0] = 1;int k = 0;for (int i = 0; i < G.vexnum; i++) {int min = INFINITY;//选择到各顶点权值最小的顶点,即为本次能确定最短路径的顶点for (int w = 0; w < G.vexnum; w++) {if (!final[w]) {if (D[w] < min) {k = w;min = D[w];}}}//设置该顶点的标志位为1,避免下次重复判断final[k] = 1;//对v0到各顶点的权值进行更新for (int w = 0; w < G.vexnum; w++) {if (!final[w] && (min + G.arcs[k][w] < D[w])) {D[w] = min + G.arcs[k][w];p[w] = k;//记录各个最短路径上存在的顶点}}}
}
int main() {MGraph G;CreateDG(&G);int P[V] = { 0 }; // 记录顶点 0 到各个顶点的最短的路径int D[V] = { 0 }; // 记录顶点 0 到各个顶点的总权值Dijkstra_minTree(G, 0, P, D);printf("最短路径为:\n");for (int i = 1; i < G.vexnum; i++) {printf("%d - %d的最短路径中的顶点有:", i, 0);printf(" %d-", i);int j = i;//由于每一段最短路径上都记录着经过的顶点,所以采用嵌套的方式输出即可得到各个最短路径上的所有顶点while (P[j] != 0) {printf("%d-", P[j]);j = P[j];}printf("0\n");}printf("源点到各顶点的最短路径长度为:\n");for (int i = 1; i < G.vexnum; i++) {printf("%d - %d : %d \n", G.vexs[0], G.vexs[i], D[i]);}return 0;
}
迪杰斯特拉算法查找顶点 0 到其它顶点所有最短路径的 Java 程序为:
import java.util.Scanner;
public class Dijkstra {static int V = 9; // 图中边的数量public static class MGraph {int[] vexs = new int[V]; // 存储图中顶点数据int[][] arcs = new int[V][V]; // 二维数组,记录顶点之间的关系int vexnum, arcnum; // 记录图的顶点数和弧(边)数}public static int LocateVex(MGraph G, int V) {int i = 0;// 遍历一维数组,找到变量vfor (; i < G.vexnum; i++) {if (G.vexs[i] == V) {break;}}// 如果找不到,输出提示语句,返回-1if (i > G.vexnum) {System.out.println("顶点输入有误");return -1;}return i;}// 构造无向有权图public static void CreatDG(MGraph G) {Scanner scn = new Scanner(System.in);System.out.print("输入图的顶点数和边数:");G.vexnum = scn.nextInt();G.arcnum = scn.nextInt();System.out.print("输入各个顶点:");for (int i = 0; i < G.vexnum; i++) {G.vexs[i] = scn.nextInt();}for (int i = 0; i < G.vexnum; i++) {for (int j = 0; j < G.vexnum; j++) {G.arcs[i][j] = 65535;}}System.out.println("输入各个边的数据:");for (int i = 0; i < G.arcnum; i++) {int v1 = scn.nextInt();int v2 = scn.nextInt();int w = scn.nextInt();int n = LocateVex(G, v1);int m = LocateVex(G, v2);if (m == -1 || n == -1) {return;}G.arcs[n][m] = w;G.arcs[m][n] = w;}}// 迪杰斯特拉算法,v0表示有向网中起始点所在数组中的下标public static void Dijkstra_minTree(MGraph G, int v0, int[] p, int[] D) {int[] tab = new int[V]; // 为各个顶点配置一个标记值,用于确认该顶点是否已经找到最短路径// 对各数组进行初始化for (int v = 0; v < G.vexnum; v++) {tab[v] = 0;D[v] = G.arcs[v0][v];p[v] = 0;}// 由于以v0位下标的顶点为起始点,所以不用再判断D[v0] = 0;tab[v0] = 1;int k = 0;for (int i = 0; i < G.vexnum; i++) {int min = 65535;// 选择到各顶点权值最小的顶点,即为本次能确定最短路径的顶点for (int w = 0; w < G.vexnum; w++) {if (tab[w] != 1) {if (D[w] < min) {k = w;min = D[w];}}}// 设置该顶点的标志位为1,避免下次重复判断tab[k] = 1;// 对v0到各顶点的权值进行更新for (int w = 0; w < G.vexnum; w++) {if (tab[w] != 1 && (min + G.arcs[k][w] < D[w])) {D[w] = min + G.arcs[k][w];p[w] = k;// 记录各个最短路径上存在的顶点}}}}public static void main(String[] args) {MGraph G = new MGraph();CreatDG(G);int[] P = new int[V]; // 记录顶点 0 到各个顶点的最短的路径int[] D = new int[V]; // 记录顶点 0 到各个顶点的总权值Dijkstra_minTree(G, 0, P, D);System.out.println("最短路径为:");for (int i = 1; i < G.vexnum; i++) {System.out.print(i + " - " + 0 + " 的最短路径中的顶点有:");System.out.print(i + "-");int j = i;// 由于每一段最短路径上都记录着经过的顶点,所以采用嵌套的方式输出即可得到各个最短路径上的所有顶点while (P[j] != 0) {System.out.print(P[j] + "-");j = P[j];}System.out.println("0");}System.out.println("源点到各顶点的最短路径长度为:");for (int i = 1; i < G.vexnum; i++) {System.out.println(G.vexs[0] + " - " + G.vexs[i] + " : " + D[i]);}}
}
迪杰斯特拉算法查找顶点 0 到其它顶点所有最短路径的 Python 程序为:
V = 20 #顶点的最大个数
INFINITY = 65535 #设定一个最大值
P = [0]*V # 记录顶点 0 到各个顶点的最短的路径
D = [0]*V # 记录顶点 0 到各个顶点的总权值
class MGraph:vexs = []*V #存储图中顶点数据arcs = [[0]*V for i in range(V)] #二维列表,记录顶点之间的关系vexnum = 0 #记录图的顶点数和弧(边)数arcnum = 0
G = MGraph()
#根据顶点本身数据,判断出顶点在二维数组中的位置
def LocateVex(G,v):#遍历一维数组,找到变量vfor i in range(G.vexnum):if G.vexs[i] == v:break#如果找不到,输出提示语句,返回-1if i>G.vexnum:print("顶点输入有误")return -1return i
#构造无向有权图
def CreateDG(G):print("输入图的顶点数和边数:",end='')li = input().split()G.vexnum = int(li[0])G.arcnum = int(li[1])print("输入各个顶点:",end='')G.vexs = [int(i) for i in input().split()]for i in range(G.vexnum):for j in range(G.vexnum):G.arcs[i][j] = INFINITYprint("输入各个边的数据:")for i in range(G.arcnum):li = input().split()v1 = int(li[0])v2 = int(li[1])w = int(li[2])n = LocateVex(G,v1)m = LocateVex(G,v2)if m == -1 or n == -1:returnG.arcs[n][m] = wG.arcs[m][n] = w
CreateDG(G)
#迪杰斯特拉算法,v0表示有向网中起始点所在数组中的下标
def Dijkstra_minTree(G,v0,P,D):#为各个顶点配置一个标记值,用于确认该顶点是否已经找到最短路径final = [0]*V#对各数组进行初始化for i in range(G.vexnum):D[i] = G.arcs[v0][i]#由于以v0位下标的顶点为起始点,所以不用再判断D[v0] = 0final[v0] = 1k =0for i in range(G.vexnum):low = INFINITY#选择到各顶点权值最小的顶点,即为本次能确定最短路径的顶点for w in range(G.vexnum):if not final[w]:if D[w] < low:k = wlow = D[w]#设置该顶点的标志位为1,避免下次重复判断final[k] = 1#对v0到各顶点的权值进行更新for w in range(G.vexnum):if not final[w] and (low + G.arcs[k][w]<D[w]):D[w] = low + G.arcs[k][w]P[w] = k #记录各个最短路径上存在的顶点
Dijkstra_minTree(G,0,P,D)
print("最短路径为:")
for i in range(1,G.vexnum):print("%d - %d的最短路径中的顶点有:"%(i,0),end='')print("%d-"%(i),end='')j = i#由于每一段最短路径上都记录着经过的顶点,所以采用嵌套的方式输出即可得到各个最短路径上的所有顶点while P[j] != 0:print("%d-"%(P[j]),end='')j = P[j]print("0")
print("源点到各顶点的最短路径长度为:")
for i in range(1,G.vexnum):print("%d - %d : %d"%(G.vexs[0], G.vexs[i], D[i]))
以上程序的执行过程为:
输入图的顶点数和边数:7 9
输入各个顶点:0 1 2 3 4 5 6
输入各个边的数据:
0 1 2
0 2 6
1 3 5
2 3 8
3 5 15
3 4 10
4 5 6
4 6 2
5 6 6
最短路径为:
1 - 0的最短路径中的顶点有: 1-0
2 - 0的最短路径中的顶点有: 2-0
3 - 0的最短路径中的顶点有: 3-1-0
4 - 0的最短路径中的顶点有: 4-3-1-0
5 - 0的最短路径中的顶点有: 5-3-1-0
6 - 0的最短路径中的顶点有: 6-4-3-1-0
源点到各顶点的最短路径长度为:
0 - 1 : 2
0 - 2 : 6
0 - 3 : 7
0 - 4 : 17
0 - 5 : 22
0 - 6 : 19