Dijkstra(迪克斯特拉)最短路径算法

2024-02-15 15:20

本文主要是介绍Dijkstra(迪克斯特拉)最短路径算法,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

1、算法思想:设G=(V,E)是一个带权有向图,把图中顶点集合V分成两组,第一组为已求出最短路径的顶点集合(用S表示,初始时S中只有一个源点,以后每求得一条最短路径 ,就将加入到集合S中,直到全部顶点都加入到S中,算法就结束了),第二组为其余未确定最短路径的顶点集合(用U表示),按最短路径长度的递增次序依次把第二组的顶点加入S中。在加入的过程中,总保持从源点v到S中各顶点的最短路径长度不大于从源点v到U中任何顶点的最短路径长度。此外,每个顶点对应一个距离,S中的顶点的距离就是从v到此顶点的最短路径长度,U中的顶点的距离,是从v到此顶点只包括S中的顶点为中间顶点的当前最短路径长度。

2、算法步骤:

a.初始时,S只包含源点,即S={v},v的距离为0。U包含除v外的其他顶点,即:U={其余顶点},若v与U中顶点u有边,则<u,v>正常有权值,若u不是v的出边邻接点,则<u,v>权值为∞。

b.从U中选取一个距离v最小的顶点k,把k,加入S中(该选定的距离就是v到k的最短路径长度)。

c.以k为新考虑的中间点,修改U中各顶点的距离;若从源点v到顶点u的距离(经过顶点k)比原来距离(不经过顶点k)短,则修改顶点u的距离值,修改后的距离值的顶点k的距离加上边上的权。

d.重复步骤b和c直到所有顶点都包含在S中。

3、举例分析。

步骤S集合U集合
1

以A为源点,此时S={A}

最短路径:A\rightarrowA=0

以A为中间点,从A开始找

U={B、C、D、E、F}

A\rightarrowB=6

A\rightarrowC=3

A\rightarrowU中其它顶点=\infty

A\rightarrowC=3最短

2

将C加入S中,S={A、C}

最短路径:A\rightarrowA=0,A\rightarrowC=3

以C为中间点,从A\rightarrowC=3这条最短路径开始找

U={B、D、E、F}

A\rightarrowC\rightarrowB=5(比上一步的A\rightarrowB=6短)

A\rightarrowC\rightarrowD=6

A\rightarrowC\rightarrowE=7

A\rightarrowC\rightarrowU中其它顶点=\infty

A\rightarrowC\rightarrowB=5最短

3

将B加入S中,S={A、C、B} 

最短路径:A\rightarrowA=0,A\rightarrowC=3、A\rightarrowC\rightarrowB=5

以B为中间点,从A\rightarrowC\rightarrowB=5这条最短路径开始找

U={D、E、F}

A\rightarrowC\rightarrowB\rightarrowD=10(比第二步中的A\rightarrowC\rightarrowD=6长,所以将D的权值更改为A\rightarrowC\rightarrowD=6)

A\rightarrowC\rightarrowB\rightarrowU中其它顶点=\infty

A\rightarrowC\rightarrowD=6最短

4

将D加入S中,S={A、C、B、D} 

最短路径:A\rightarrowA=0,A\rightarrowC=3、A\rightarrowC\rightarrowB=5、A\rightarrowC\rightarrowD=6

以D为中间点,从A\rightarrowC\rightarrowD=6这条最短路径开始找

U={E、F}

A\rightarrowC\rightarrowD\rightarrowE=8(比第二步中的A\rightarrowC\rightarrowE=7长,所以将E的权值更改为A\rightarrowC\rightarrowE=7)

A\rightarrowC\rightarrowD\rightarrowF=9

A\rightarrowC\rightarrowE=7最短

5

将E加入S中,S={A、C、B、D、E} 

最短路径:A\rightarrowA=0,A\rightarrowC=3、A\rightarrowC\rightarrowB=5、A\rightarrowC\rightarrowD=6、A\rightarrowC\rightarrowE=7

以E为中间点,从A\rightarrowC\rightarrowE=7这条最短路径开始找

U={F}

A\rightarrowC\rightarrowE\rightarrowF=12(比第四步中的A\rightarrowC\rightarrowD\rightarrowF=9长,所以将F的权值更改为A\rightarrowC\rightarrowD\rightarrowF=9)

A\rightarrowC\rightarrowD\rightarrowF=9最短

6

将F加入S中,S={A、C、B、D、E、F} 

最短路径:A\rightarrowA=0,A\rightarrowC=3、A\rightarrowC\rightarrowB=5、A\rightarrowC\rightarrowD=6、A\rightarrowC\rightarrowE=7、A\rightarrowC\rightarrowD\rightarrowF=9

U集合为空,所有点的最短路径查找完毕。

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

四、matlab代码

function[dist priorVertex]=Dijkstra(w,start,terminal)
w=[0 6 3 inf inf inf;inf 0 inf 5 inf inf;inf 2 0 3 4 inf;inf inf inf 0 2 3;inf inf inf inf 0 5;inf inf inf inf inf inf];n=size(w,1);w1=w(1,:);V=1:n;%赋初值for i=1:ndist(i)=w1(i);%辅助数组dist。它的每一个分量dist[i]表示当前找到的从源点v1到顶点vi的最短路径的长度。priorVertex(i)=1;endS=[]S(1)=1;u=S(1);%更新前驱顶点k=1;while k<n%求V1到其余各顶点的最短距离%更新dist(v)和priorVertex(v)Sdiff=setdiff(V,S)%求V-S差集for i=Sdiffif dist(i)>dist(u)+w(u,i)%距离有变化的修正dist(i)=dist(u)+w(u,i);priorVertex(i)=u;endend%求v*v=Sdiff(1);m=length(Sdiff);for i=2:m;if dist(v)>dist(Sdiff(i))v=Sdiff(i);endendk=k+1;S(k)=v;%更新前驱顶点u=v;enddisp('最终V1到各个顶点的最短距离分别为:')distdisp('最终各个顶点的直接前驱分别为:')priorVertex

 

这篇关于Dijkstra(迪克斯特拉)最短路径算法的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/711773

相关文章

SpringBoot项目配置logback-spring.xml屏蔽特定路径的日志

《SpringBoot项目配置logback-spring.xml屏蔽特定路径的日志》在SpringBoot项目中,使用logback-spring.xml配置屏蔽特定路径的日志有两种常用方式,文中的... 目录方案一:基础配置(直接关闭目标路径日志)方案二:结合 Spring Profile 按环境屏蔽关

VSCode设置python SDK路径的实现步骤

《VSCode设置pythonSDK路径的实现步骤》本文主要介绍了VSCode设置pythonSDK路径的实现步骤,包括命令面板切换、settings.json配置、环境变量及虚拟环境处理,具有一定... 目录一、通过命令面板快速切换(推荐方法)二、通过 settings.json 配置(项目级/全局)三、

使用Python和Matplotlib实现可视化字体轮廓(从路径数据到矢量图形)

《使用Python和Matplotlib实现可视化字体轮廓(从路径数据到矢量图形)》字体设计和矢量图形处理是编程中一个有趣且实用的领域,通过Python的matplotlib库,我们可以轻松将字体轮廓... 目录背景知识字体轮廓的表示实现步骤1. 安装依赖库2. 准备数据3. 解析路径指令4. 绘制图形关键

如何更改pycharm缓存路径和虚拟内存分页文件位置(c盘爆红)

《如何更改pycharm缓存路径和虚拟内存分页文件位置(c盘爆红)》:本文主要介绍如何更改pycharm缓存路径和虚拟内存分页文件位置(c盘爆红)问题,具有很好的参考价值,希望对大家有所帮助,如有... 目录先在你打算存放的地方建四个文件夹更改这四个路径就可以修改默认虚拟内存分页js文件的位置接下来从高级-

一文详解如何查看本地MySQL的安装路径

《一文详解如何查看本地MySQL的安装路径》本地安装MySQL对于初学者或者开发人员来说是一项基础技能,但在安装过程中可能会遇到各种问题,:本文主要介绍如何查看本地MySQL安装路径的相关资料,需... 目录1. 如何查看本地mysql的安装路径1.1. 方法1:通过查询本地服务1.2. 方法2:通过MyS

使用雪花算法产生id导致前端精度缺失问题解决方案

《使用雪花算法产生id导致前端精度缺失问题解决方案》雪花算法由Twitter提出,设计目的是生成唯一的、递增的ID,下面:本文主要介绍使用雪花算法产生id导致前端精度缺失问题的解决方案,文中通过代... 目录一、问题根源二、解决方案1. 全局配置Jackson序列化规则2. 实体类必须使用Long封装类3.

Springboot实现推荐系统的协同过滤算法

《Springboot实现推荐系统的协同过滤算法》协同过滤算法是一种在推荐系统中广泛使用的算法,用于预测用户对物品(如商品、电影、音乐等)的偏好,从而实现个性化推荐,下面给大家介绍Springboot... 目录前言基本原理 算法分类 计算方法应用场景 代码实现 前言协同过滤算法(Collaborativ

Python如何调用指定路径的模块

《Python如何调用指定路径的模块》要在Python中调用指定路径的模块,可以使用sys.path.append,importlib.util.spec_from_file_location和exe... 目录一、sys.path.append() 方法1. 方法简介2. 使用示例3. 注意事项二、imp

使用Python实现矢量路径的压缩、解压与可视化

《使用Python实现矢量路径的压缩、解压与可视化》在图形设计和Web开发中,矢量路径数据的高效存储与传输至关重要,本文将通过一个Python示例,展示如何将复杂的矢量路径命令序列压缩为JSON格式,... 目录引言核心功能概述1. 路径命令解析2. 路径数据压缩3. 路径数据解压4. 可视化代码实现详解1

openCV中KNN算法的实现

《openCV中KNN算法的实现》KNN算法是一种简单且常用的分类算法,本文主要介绍了openCV中KNN算法的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的... 目录KNN算法流程使用OpenCV实现KNNOpenCV 是一个开源的跨平台计算机视觉库,它提供了各