【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
|
6月前
|
存储 运维 监控
基于 C# 语言的 Dijkstra 算法在局域网内监控软件件中的优化与实现研究
本文针对局域网监控系统中传统Dijkstra算法的性能瓶颈,提出了一种基于优先队列和邻接表优化的改进方案。通过重构数据结构与计算流程,将时间复杂度从O(V²)降至O((V+E)logV),显著提升大规模网络环境下的计算效率与资源利用率。实验表明,优化后算法在包含1000节点、5000链路的网络中,计算时间缩短37.2%,内存占用减少21.5%。该算法适用于网络拓扑发现、异常流量检测、故障定位及负载均衡优化等场景,为智能化局域网监控提供了有效支持。
163 5
|
3月前
|
机器学习/深度学习 编解码 算法
【机器人路径规划】基于迪杰斯特拉算法(Dijkstra)的机器人路径规划(Python代码实现)
【机器人路径规划】基于迪杰斯特拉算法(Dijkstra)的机器人路径规划(Python代码实现)
342 4
|
4月前
|
算法 机器人 定位技术
基于机器视觉和Dijkstra算法的平面建筑群地图路线规划matlab仿真
本程序基于机器视觉与Dijkstra算法,实现平面建筑群地图的路径规划。通过MATLAB 2022A读取地图图像,识别障碍物并进行路径搜索,支持鼠标选择起点与终点,最终显示最优路径及长度,适用于智能导航与机器人路径规划场景。
|
5月前
|
存储 监控 安全
企业上网监控系统中红黑树数据结构的 Python 算法实现与应用研究
企业上网监控系统需高效处理海量数据,传统数据结构存在性能瓶颈。红黑树通过自平衡机制,确保查找、插入、删除操作的时间复杂度稳定在 O(log n),适用于网络记录存储、设备信息维护及安全事件排序等场景。本文分析红黑树的理论基础、应用场景及 Python 实现,并探讨其在企业监控系统中的实践价值,提升系统性能与稳定性。
174 1
|
5月前
|
存储 监控 算法
基于跳表数据结构的企业局域网监控异常连接实时检测 C++ 算法研究
跳表(Skip List)是一种基于概率的数据结构,适用于企业局域网监控中海量连接记录的高效处理。其通过多层索引机制实现快速查找、插入和删除操作,时间复杂度为 $O(\log n)$,优于链表和平衡树。跳表在异常连接识别、黑名单管理和历史记录溯源等场景中表现出色,具备实现简单、支持范围查询等优势,是企业网络监控中动态数据管理的理想选择。
163 0
|
9月前
|
存储 算法 Java
算法系列之数据结构-二叉树
树是一种重要的非线性数据结构,广泛应用于各种算法和应用中。本文介绍了树的基本概念、常见类型(如二叉树、满二叉树、完全二叉树、平衡二叉树、B树等)及其在Java中的实现。通过递归方法实现了二叉树的前序、中序、后序和层次遍历,并展示了具体的代码示例和运行结果。掌握树结构有助于提高编程能力,优化算法设计。
305 10
 算法系列之数据结构-二叉树
|
9月前
|
算法 Java
算法系列之数据结构-Huffman树
Huffman树(哈夫曼树)又称最优二叉树,是一种带权路径长度最短的二叉树,常用于信息传输、数据压缩等方面。它的构造基于字符出现的频率,通过将频率较低的字符组合在一起,最终形成一棵树。在Huffman树中,每个叶节点代表一个字符,而每个字符的编码则是从根节点到叶节点的路径所对应的二进制序列。
259 3
 算法系列之数据结构-Huffman树
|
9月前
|
算法 Java
算法系列之数据结构-二叉搜索树
二叉查找树(Binary Search Tree,简称BST)是一种常用的数据结构,它能够高效地进行查找、插入和删除操作。二叉查找树的特点是,对于树中的每个节点,其左子树中的所有节点都小于该节点,而右子树中的所有节点都大于该节点。
381 22
|
10月前
|
存储 算法 测试技术
【狂热算法篇】探秘图论之 Floyd 算法:解锁最短路径的神秘密码(通俗易懂版)
【狂热算法篇】探秘图论之 Floyd 算法:解锁最短路径的神秘密码(通俗易懂版)
|
10月前
|
算法 编译器 C++
【狂热算法篇】探秘图论之Dijkstra 算法:穿越图的迷宫的最短路径力量(通俗易懂版)
【狂热算法篇】探秘图论之Dijkstra 算法:穿越图的迷宫的最短路径力量(通俗易懂版)