[从今天开始修炼数据结构]图的最短路径 —— 迪杰斯特拉算法和弗洛伊德算法的详解与Java实现
在网图和非网图中,最短路径的含义不同。非网图中边上没有权值,所谓的最短路径,其实就是两顶点之间经过的边数最少的路径;而对于网图来说,最短路径,是指两顶点之间经过的边上权值之和最少的路径,我们称路径上第一个顶点是源点,最后一个顶点是终点。
我们讲解两种求最短路径的算法。第一种,从某个源点到其余各顶点的最短路径问题。
1,迪杰斯特拉(Dijkstra)算法
迪杰斯特拉算法是一个按路径长度递增的次序产生最短路径的算法,每次找到一个距离V0最短的点,不断将这个点的邻接点加入判断,更新新加入的点到V0的距离,然后再找到现在距离V0最短的点,循环之前的步骤。有些类似之前的普里姆算法,是针对点进行运算,贪心算法。
这里我们首先约定,Vi在vertex[]中存储的index = i,以方便阐述思路。思路如下:
(1)我们拿到网图,如下.我们要找到从V0到V8的最短路径,使用邻接矩阵存储的图结构。我们寻找距离V0最近的顶点,找到了邻接点V1,距离是1,将其连入最短路径。
(2)修正与V1直接相关联的所有点到V0的最短路径。比如原本V2到V0的路径是5,现在通过V1,将其修改为1+3 = 4.,将V4置为6,V3置为8.我们现在就需要一个数组来存储每个点到V0的最短路径了。我们设置一个数组ShortPathTable[numVertex]来存储。
同时我们还需要存储每个点到V0的最短路径,为此我们设置一个数组Patharc[numVertex],P[i] = k表示Vi到V0的最短路径中,Vi的前驱是Vk。我们还需要一个数组来存储某个顶点是否已经找到了到V0的最短路径,为此我们设置finals[numVertex]。此时
S[] = { 0 , 1 , 4 , 8 , 6 , I , I , I , I }
P[] = { 0 , 0 , 1 , 1 , 1 , 0 , 0 , 0 , 0 }
f[] = { 1 , 1 , 0 , 0 , 0 , 0 , 0 , 0 , 0 }
(3)此时拿到与V0距离最短的点(还没有加入最短路径的,即final[i] = 0的点),这里是V2,然后更新V2的邻接点V4,V5到V0的最短路径分别为1+3+1=5和1+3+7=11,并将V2加入最短路径
S[] = { 0 , 1 , 4 , 8 , 5 , I , I , I , I }
P[] = { 0 , 0 , 1 , 1 , 2 , 0 , 0 , 0 , 0 }
f[] = { 1 , 1 , 1 , 0 , 0 , 0 , 0 , 0 , 0 }
接下来的步骤跟前面类似,我就不再重复了,大家应该也理解迪杰斯特拉算法的步骤了,下面来看代码实现。
public void ShortestPath_Dijkstra(){
int[] ShortPathTable= new int[numVertex];
int[] Patharc = new int[numVertex];
int[] finals = new int[numVertex]; //初始化
for (int i = 0; i < numVertex; i++){
ShortPathTable[i] = edges[0][i]; //初始化为v0的邻接边
Patharc[i] = 0;
finals[i] = 0;
}
finals[0] = 1; //v0无需找自己的邻边 int minIndex = 0; //用来保存当前已经发现的点中到V0距离最短的点
for (int i = 1; i < numVertex; i++){
//找到目前距离V0最近的点
int min = INFINITY;
for (int index = 0; index < numVertex; index++){
if (finals[index] != 1 && ShortPathTable[index] < min){
minIndex = index;
min = ShortPathTable[index];
}
}
finals[minIndex] = 1;
//更新还未加入最短路径的点到V0的距离
for (int index = 0; index < numVertex; index++){
if (finals[index] != 1 && (ShortPathTable[index] > (min + edges[minIndex][index]))){
ShortPathTable[index] = min + edges[minIndex][index];
Patharc[index] = minIndex;
}
}
}
//输出最短路径
int s = 8;
System.out.println(8);
while ( s != 0){
s = Patharc[s];
System.out.println(s);
}
}
其实根据这个算法得到了v0到任意一个顶点的最短路径和路径长度的。时间复杂度O(n方)。
如果我们想得到v1,或者v2等到任意一个顶点的最短路径呢?我们要再跑一次这个算法才能得到这样复杂度就达到了O(n3),这是我们所不能接受的。下面我们来介绍一种直接得到每一个顶点到另外一个顶点的最短路径。
2,弗洛伊德(Floyd)算法
弗洛伊德算法的想法是,如果V1到V2的距离,大于V1到V0再从V0到V2的距离,那么就把V1到V0的权值的拷贝,改为V1到V0+V0到V2. 同时把储存的最短路径也改掉,直到网中的每一条边都被遍历。
我们用二维矩阵ShortPathTable存储行号到列号的最短路径的权值之和(初始化为邻接矩阵);Patharc存储行号到列号的最短路径中列号元素的前驱。初始化如下
举例如下:
ShortPathTable矩阵: Patharc矩阵:
(1)从V0进入网图中,此时没有什么需要变化的。
(2)到达V1,让所有的顶点的路径都从V1经过,发现V0到V2的路径大于先到V1再到V2的路径,所以将S矩阵和P矩阵中的相应位置更改。同理S[0][3] = 8, S[0][4] = 6。
后面同理,依次循环V2~V8,针对每个顶点作为中转得到计算结果。这样我们的最短路径就完成了。
实现代码如下:
public void ShortestPath_Floyd(){
int[][] ShortPathTable = new int[numVertex][numVertex];
int[][] Patharc = new int[numVertex][numVertex];
//初始化两个矩阵
for (int row = 0; row < numVertex; row++){
for (int col = 0; col < numVertex; col++){
ShortPathTable[row][col] = edges[row][col];
Patharc[row][col] = col;
}
} for (int path = 0; path < numVertex; path++){
for (int row = 0; row < numVertex; row++){
for (int col = 0; col < numVertex; col++){
if (ShortPathTable[row][col] > (ShortPathTable[row][path] + ShortPathTable[path][col])){
ShortPathTable[row][col] = (ShortPathTable[row][path] + ShortPathTable[path][col]);
Patharc[row][col] = Patharc[row][path];
}
}
}
} //打印看结果
for (int row = 0; row < numVertex; row++) {
for (int col = 0; col < numVertex; col++) {
System.out.print(ShortPathTable[row][col] + "\t");
}
System.out.println();
}
System.out.println("***********************************");
for (int row = 0; row < numVertex; row++) {
for (int col = 0; col < numVertex; col++) {
System.out.print(Patharc[row][col] + "\t");
}
System.out.println();
}
}
结果:
0 1 4 7 5 8 10 12 16
1 0 3 6 4 7 9 11 15
4 3 0 3 1 4 6 8 12
7 6 3 0 2 5 3 5 9
5 4 1 2 0 3 5 7 11
8 7 4 5 3 0 7 5 9
10 9 6 3 5 7 0 2 6
12 11 8 5 7 5 2 0 4
16 15 12 9 11 9 6 4 0
***********************************
0 1 1 1 1 1 1 1 1
0 1 2 2 2 2 2 2 2
1 1 2 4 4 4 4 4 4
4 4 4 3 4 4 6 6 6
2 2 2 3 4 5 3 3 3
4 4 4 4 4 5 7 7 7
3 3 3 3 3 7 6 7 7
6 6 6 6 6 5 6 7 8
7 7 7 7 7 7 7 7 8
我们可以发现,P矩阵的第一列与迪杰斯特拉算法的结果是一样的。它的时间复杂度是三次方的,但它可以解决多个顶点到多个顶点的最短路径问题,比同样场景下的迪杰斯特拉算法要省时得多。
上面是两个算法对于无向图的应用,实际上对于有向图,也是同样的使用效果。因为无向图和有向图的区别仅仅是邻接矩阵是否对称而已。
[从今天开始修炼数据结构]图的最短路径 —— 迪杰斯特拉算法和弗洛伊德算法的详解与Java实现的更多相关文章
- 图的最短路径---迪杰斯特拉(Dijkstra)算法浅析
什么是最短路径 在网图和非网图中,最短路径的含义是不一样的.对于非网图没有边上的权值,所谓的最短路径,其实就是指两顶点之间经过的边数最少的路径. 对于网图,最短路径就是指两顶点之间经过的边上权值之和最 ...
- 理解最短路径——迪杰斯特拉(dijkstra)算法
原址地址:http://ibupu.link/?id=29 1. 迪杰斯特拉算法简介 迪杰斯特拉(dijkstra)算法是典型的用来解决最短路径的算法,也是很多教程中的范例,由荷兰计算机科 ...
- 最短路径之迪杰斯特拉(Dijkstra)算法
迪杰斯特拉(Dijkstra)算法主要是针对没有负值的有向图,求解其中的单一起点到其他顶点的最短路径算法.本文主要总结迪杰斯特拉(Dijkstra)算法的原理和算法流程,最后通过程序实现在一个带权值的 ...
- 数据结构图之三(最短路径--迪杰斯特拉算法——转载自i=i++
数据结构图之三(最短路径--迪杰斯特拉算法) [1]最短路径 最短路径?别乱想哈,其实就是字面意思,一个带边值的图中从某一个顶点到另外一个顶点的最短路径. 官方定义:对于内网图而言,最短路径是指两 ...
- 数据结构与算法——迪杰斯特拉(Dijkstra)算法
tip:这个算法真的很难讲解,有些地方只能意会了,多思考多看几遍还是可以弄懂的. 应用场景-最短路径问题 战争时期,胜利乡有 7 个村庄 (A, B, C, D, E, F, G) ,现在有六个邮差, ...
- 图->最短路径->单源最短路径(迪杰斯特拉算法Dijkstra)
文字描述 引言:如下图一个交通系统,从A城到B城,有些旅客可能关心途中中转次数最少的路线,有些旅客更关心的是节省交通费用,而对于司机,里程和速度则是更感兴趣的信息.上面这些问题,都可以转化为求图中,两 ...
- 最短路径 - 迪杰斯特拉(Dijkstra)算法
对于网图来说,最短路径,是指两顶点之间经过的边上权值之和最少的路径,并且我们称路径上的第一个顶点为源点,最后一个顶点为终点.最短路径的算法主要有迪杰斯特拉(Dijkstra)算法和弗洛伊德(Floyd ...
- 单源最短路径-迪杰斯特拉算法(Dijkstra's algorithm)
Dijkstra's algorithm 迪杰斯特拉算法是目前已知的解决单源最短路径问题的最快算法. 单源(single source)最短路径,就是从一个源点出发,考察它到任意顶点所经过的边的权重之 ...
- 最短路径-迪杰斯特拉(dijkstra)算法及优化详解
简介: dijkstra算法解决图论中源点到任意一点的最短路径. 算法思想: 算法特点: dijkstra算法解决赋权有向图或者无向图的单源最短路径问题,算法最终得到一个最短路径树.该算法常用于路由算 ...
随机推荐
- selenium介绍和环境搭建
一.简单介绍 1.selenium:Selenium是一个用于Web应用程序测试的工具.Selenium测试直接运行在浏览器中,就像真正的用户在操作一样.支持的浏览器包括IE.Mozilla Fire ...
- 解放双手,在PC端进行Android真机调试
scrcpy简介(拼写是scrcpy,非Python爬虫框架Scrapy) 简单地来说,scrcpy就是通过adb调试的方式来将手机屏幕投到电脑上,并可以通过电脑控制您的Android设备.它可以通过 ...
- Java开发中常用jar包整理及使用
本文整理了我自己在Java开发中常用的jar包以及常用的API记录. <!-- https://mvnrepository.com/artifact/org.apache.commons/com ...
- 【集合系列】- 深入浅出的分析IdentityHashMap
一.摘要 在集合系列的第一章,咱们了解到,Map 的实现类有 HashMap.LinkedHashMap.TreeMap.IdentityHashMap.WeakHashMap.Hashtable.P ...
- Oracle10g安装步骤(二)
接上篇:
- Code Helper占用大量CPU和内存
项目架构: React+TS+DVA 设备及软件: 设备:Mac 软件:VSCode 场景: 在Mac中使用VSCode运行时发现项目编译非常卡顿,时间长达五六分钟以上,并且项目启动后访问页面,页面也 ...
- python3 之 文件read方法(read、readline、readlines)
目录 一.read方法 二.readline方法 三.readlines方法 正文 python3中,读取文件有三种方法:read().readline().readlines(). 此三种方法,均支 ...
- 聚类-K-Means
1.什么是K-Means? K均值算法聚类 关键词:K个种子,均值聚类的概念:一种无监督的学习,事先不知道类别,自动将相似的对象归到同一个簇中 K-Means算法是一种聚类分析(cluster ana ...
- Celery框架实现异步执行任务
Celery 官方 Celery 官网:http://www.celeryproject.org/ Celery 官方文档英文版:http://docs.celeryproject.org/en/la ...
- 程序员的算法课(14)-Hash算法-对海量url判重
版权声明:本文为博主原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接和本声明. 本文链接:https://blog.csdn.net/m0_37609579/article/de ...