【茶话数据结构】查找最短路径——Dijkstra算法详解(保姆式详细图解,步步紧逼,保你学会)

简介: 【茶话数据结构】查找最短路径——Dijkstra算法详解(保姆式详细图解,步步紧逼,保你学会)

题记


复习到离散数学图论时,想起来这个算法,感觉很有写博客的必要!今天这篇博客就来讲一下查找最短路径的Dijkstra算法。


Dijkstra 算法,是由荷兰计算机科学家 Edsger Wybe Dijkstra 在1956年发现的算法,戴克斯特拉算法使用类似广度优先搜索的方法解决赋权图的单源最短路径问题。Dijkstra 算法原始版本仅适用于找到两个顶点之间的最短路径,后来更常见的变体固定了一个顶点作为源结点然后找到该顶点到图中所有其它结点的最短路径,产生一个最短路径树。本算法每次取出未访问结点中距离最小的,用该结点更新其他结点的距离。需要注意的是绝大多数的Dijkstra 算法不能有效处理带有负权边的图。


两大注意事项


需要注意两个问题


1.每次从未标记的节点中选择距离出发点最近的节点,标记它,收录到最短路径集合中。


2.计算刚加入的节点A的临近节点B的距离(不包含标记的节点),若(节点A的距离+节点B的距离到节点B的边长)<节点B,就更新节点B的距离和其前一个位置的点。


实例题目


如图,计算从起点0到终点4的最短路径长度。


b5bffc1c02dbd664c0560591288e7d60_adb9265b24bd4a8cafae880c7b8dca40.png


超超超详细图解

image.png

我们作出这样的表格,用于施展Dijkstra算法。


出发点表示从出发点到现在位置地距离。


首先从距离出发点最近的点,也就是出发点开始,它距离出发点的位置显然是0,。


标记它,并收录到最优路径集合中,我们用一个对钩来表示已被收录。


64507cddd3d13099144d1ed7fdf05dd5_169a3ad966ec41f7bf840c0d228db694.png


下一步就是找它的临近节点,分别是1和7。


更新1和7的出发点距离和前面点,如图。


012ef5c3623236f9f049ce28f36b0c3e_1248b554112f424f8ba715587d0658d8.png


紧接着从没有被标记的节点中选出出发点距离最短的,即为1,标记它,并收录到最短路径集合中。


1c32e82add1bdff621acc73b5085228f_56dd1232b38546b48811cc53dac1bbda.png



紧接着计算它的邻接节点,即为7和2,因为0已经被标记所以不算。


计算出0和它们的距离分别是15和12,12小于默认的正无穷,更新。


15比8大,不更新。


3ba34f8145fb6f99687c109df7386e77_bb3a444a23334a4582f898a0e77c40c1.png


选出出发点距离最小的点,即为7,标记它,并收录到最短路径集合中。


bc64ed74a024bef497e28d03cdae9029_9cbbf95a13964485a098e7af0aac5f46.png


紧接着计算它的邻接节点,即为6和8,因为1和0已经被标记所以不算。


计算出0和它们的距离分别是9和15,小于默认的正无穷,更新。


f1d3d62713cad59c6f494998dc194fc0_9fe69e7afc5048cbb56f3c06efed6819.png


选出出发点距离最小的点,即为6,标记它,并收录到最短路径集合中。


5e247d44e0255548e3085b1ef34970b9_6aa98f4ccadf44a2bef809a8a8140110.png


紧接着计算它的邻接节点,即为5和8,因为7已经被标记所以不算。


计算出0和它们的距离分别是11和15,11的更新,15的和之前相等,不更新。


73ac4daa47defb01cf08b3e8316b9b49_306c7825b5604a8bb7742aa0039f1845.png


 选出出发点距离最小的点,即为5,标记它,并收录到最短路径集合中。


2ae0f4eded35d98fab23132d0181ed4c_7fe342dd283a47c5a0f94f1776eb741c.png


紧接着计算它的邻接节点,即为2,3和4,因为6已经被标记所以不算。


计算出0和它们的距离分别是15和25和21。


15大于12,不更新,25小于正无穷,更新,21小于正无穷,更新。


5e06143395b9cfc76a4319e7f51e71ec_c5a9dfc158914dd798b684893506ff80.png


选出出发点距离最小的点,即为2,标记它,并收录到最短路径集合中。


65cda52a65e0749138fb9d973ffbb635_bff12041715c4d908f3176bab3494598.png


紧接着计算它的邻接节点,即为3和8,因为1和5已经被标记所以不算。


计算出0和它们的距离分别是19和14,分别小于25和15,都更新。


0e4586bab192c4559fccf90389fad400_ea5856b5e0d0470dbee9223afb077729.png


选出出发点距离最小的点,即为8,标记它,并收录到最短路径集合中。


a1142d0441adee5447f5d2cb795261e0_f9eff452f96947ca8aee74c027019731.png


紧接着计算它的邻接节点,全都标记过了,最方便的一集,小时候写哭了。


直接标记后跳过。


选出出发点距离最小的点,即为8,标记它,并收录到最短路径集合中。


89e6ccf2c95c7c4fa68c287e60929c7e_758d9d04776442cba820518af297d092.png


紧接着计算它的邻接节点,就剩下一个4没被标记了。


计算出距离它的距离是28,大于21,不更新。


最后一步将4标记,并收录到最短路径集合中。、


我们的最终答案堂堂出炉!!!


926016dc065961e21d82009e50b817c8_0663cf10445847b28725571e344749c6.png


答案以及详尽总结


从上面的表中可以得到答案,0到4的最短路径是21。


从头到尾经过的节点是 0 7 6 5 4。


其实需要注意的就这两点。


1.每次从未标记的节点中选择距离出发点最近的节点,标记它,收录到最短路径集合中。


2.计算刚加入的节点A的临近节点B的距离(不包含标记的节点),若(节点A的距离+节点B的距离到节点B的边长)<节点B,就更新节点B的距离和其前一个位置的点。


后记


韩信带净化,成为大牛道阻且长,小僧还在山腰上。。。


文章里如果有问题的话,还请大佬私信我,我会修改的。


有问题的话请私信问我,我看到就会回的。  


相关文章
|
27天前
|
算法 数据处理 C语言
C语言中的位运算技巧,涵盖基本概念、应用场景、实用技巧及示例代码,并讨论了位运算的性能优势及其与其他数据结构和算法的结合
本文深入解析了C语言中的位运算技巧,涵盖基本概念、应用场景、实用技巧及示例代码,并讨论了位运算的性能优势及其与其他数据结构和算法的结合,旨在帮助读者掌握这一高效的数据处理方法。
43 1
|
1月前
|
机器学习/深度学习 算法 数据挖掘
K-means聚类算法是机器学习中常用的一种聚类方法,通过将数据集划分为K个簇来简化数据结构
K-means聚类算法是机器学习中常用的一种聚类方法,通过将数据集划分为K个簇来简化数据结构。本文介绍了K-means算法的基本原理,包括初始化、数据点分配与簇中心更新等步骤,以及如何在Python中实现该算法,最后讨论了其优缺点及应用场景。
99 4
|
5天前
|
存储 运维 监控
探索局域网电脑监控软件:Python算法与数据结构的巧妙结合
在数字化时代,局域网电脑监控软件成为企业管理和IT运维的重要工具,确保数据安全和网络稳定。本文探讨其背后的关键技术——Python中的算法与数据结构,如字典用于高效存储设备信息,以及数据收集、异常检测和聚合算法提升监控效率。通过Python代码示例,展示了如何实现基本监控功能,帮助读者理解其工作原理并激发技术兴趣。
44 20
|
28天前
|
存储 算法 搜索推荐
Python 中数据结构和算法的关系
数据结构是算法的载体,算法是对数据结构的操作和运用。它们共同构成了计算机程序的核心,对于提高程序的质量和性能具有至关重要的作用
|
28天前
|
数据采集 存储 算法
Python 中的数据结构和算法优化策略
Python中的数据结构和算法如何进行优化?
|
1月前
|
算法
数据结构之路由表查找算法(深度优先搜索和宽度优先搜索)
在网络通信中,路由表用于指导数据包的传输路径。本文介绍了两种常用的路由表查找算法——深度优先算法(DFS)和宽度优先算法(BFS)。DFS使用栈实现,适合路径问题;BFS使用队列,保证找到最短路径。两者均能有效查找路由信息,但适用场景不同,需根据具体需求选择。文中还提供了这两种算法的核心代码及测试结果,验证了算法的有效性。
103 23
|
27天前
|
并行计算 算法 测试技术
C语言因高效灵活被广泛应用于软件开发。本文探讨了优化C语言程序性能的策略,涵盖算法优化、代码结构优化、内存管理优化、编译器优化、数据结构优化、并行计算优化及性能测试与分析七个方面
C语言因高效灵活被广泛应用于软件开发。本文探讨了优化C语言程序性能的策略,涵盖算法优化、代码结构优化、内存管理优化、编译器优化、数据结构优化、并行计算优化及性能测试与分析七个方面,旨在通过综合策略提升程序性能,满足实际需求。
61 1
|
1月前
|
C语言
【数据结构】栈和队列(c语言实现)(附源码)
本文介绍了栈和队列两种数据结构。栈是一种只能在一端进行插入和删除操作的线性表,遵循“先进后出”原则;队列则在一端插入、另一端删除,遵循“先进先出”原则。文章详细讲解了栈和队列的结构定义、方法声明及实现,并提供了完整的代码示例。栈和队列在实际应用中非常广泛,如二叉树的层序遍历和快速排序的非递归实现等。
215 9
|
1月前
|
存储 算法
非递归实现后序遍历时,如何避免栈溢出?
后序遍历的递归实现和非递归实现各有优缺点,在实际应用中需要根据具体的问题需求、二叉树的特点以及性能和空间的限制等因素来选择合适的实现方式。
37 1
|
29天前
|
存储 缓存 算法
在C语言中,数据结构是构建高效程序的基石。本文探讨了数组、链表、栈、队列、树和图等常见数据结构的特点、应用及实现方式
在C语言中,数据结构是构建高效程序的基石。本文探讨了数组、链表、栈、队列、树和图等常见数据结构的特点、应用及实现方式,强调了合理选择数据结构的重要性,并通过案例分析展示了其在实际项目中的应用,旨在帮助读者提升编程能力。
55 5