求两点之间最短路径-Dijkstra算法

简介: Dijkstra算法 1.定义概览 Dijkstra(迪杰斯特拉)算法是典型的单源最短路径算法,用于计算一个节点到其他所有节点的最短路径。主要特点是以起始点为中心向外层层扩展,直到扩展到终点为止。

 Dijkstra算法

1.定义概览

Dijkstra(迪杰斯特拉)算法是典型的单源最短路径算法,用于计算一个节点到其他所有节点的最短路径。主要特点是以起始点为中心向外层层扩展,直到扩展到终点为止。Dijkstra算法是很有代表性的最短路径算法,在很多专业课程中都作为基本内容有详细的介绍,如数据结构,图论,运筹学等等。注意该算法要求图中不存在负权边。

问题描述:在无向图 G=(V,E) 中,假设每条边 E[i] 的长度为 w[i],找到由顶点 V0 到其余各点的最短路径。(单源最短路径)

 

2.算法描述

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。

 执行动画如下图(图片来自网络):

算法实现如下:

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;

namespace Dijkstra算法
{
   class Program
   {
      static int length = 6;
      static string[] shortedPath = new string[length];
      static int noPath = 2000;
      static int MaxSize = 1000;
      static int[,] G = 
      { 
         { noPath, noPath, 10, noPath, 30, 100 }, 
         { noPath, noPath, 5, noPath, noPath, noPath }, 
         { noPath, noPath, noPath, 50, noPath, noPath }, 
         { noPath, noPath, noPath, noPath, noPath, 10 }, 
         { noPath, noPath, noPath, 20, noPath, 60 }, 
         { noPath, noPath, noPath, noPath, noPath, noPath } 
      };
      static string[] PathResult = new string[length];

      static int[] path1 = new int[length];
      static int[,] path2 = new int[length, length];
      static int[] distance2 = new int[length];

      static void Main(string[] args)
      {
         int dist1 = getShortedPath(G, 0, 5, path1);
         Console.WriteLine("Node 0 To 5:");
         for (int i = 0; i < path1.Length; i++)
            Console.Write(path1[i].ToString() + " ");
         Console.WriteLine("Length:" + dist1);

         int[] pathdist = getShortedPath(G, 0, path2);
         Console.WriteLine("\nNode 0 To other:");
         for (int j = 0; j < pathdist.Length; j++)
         {
            Console.WriteLine("Node 0 to " + j + " path:");
            for (int i = 0; i < length; i++)
            {
               Console.Write(path2[j, i].ToString() + " ");
            }
            Console.WriteLine("length:" + pathdist[j]);
         }
         Console.ReadKey();
      }

      //从某一源点出发,找到到某一结点的最短路径
      static int getShortedPath(int[,] G, int start, int end, int[] path)
      {
         bool[] s = new bool[length]; //表示找到起始结点与当前结点间的最短路径
         int min;  //最小距离临时变量
         int curNode = 0; //临时结点,记录当前正计算结点
         int[] dist = new int[length];
         int[] prev = new int[length];

         //初始结点信息
         for (int v = 0; v < length; v++)
         {
            s[v] = false;
            dist[v] = G[start, v];
            if (dist[v] > MaxSize)
               prev[v] = 0;
            else
               prev[v] = start;
         }
         path[0] = end;
         dist[start] = 0;
         s[start] = true;
         //主循环
         for (int i = 1; i < length; i++)
         {
            min = MaxSize;
            for (int w = 0; w < length; w++)
            {
               if (!s[w] && dist[w] < min)
               {
                  curNode = w;
                  min = dist[w];
               }
            }

            s[curNode] = true;

            for (int j = 0; j < length; j++)
               if (!s[j] && min + G[curNode, j] < dist[j])
               {
                  dist[j] = min + G[curNode, j];
                  prev[j] = curNode;
               }

         }
         //输出路径结点
         int e = end, step = 0;
         while (e != start)
         {
            step++;
            path[step] = prev[e];
            e = prev[e];
         }
         for (int i = step; i > step / 2; i--)
         {
            int temp = path[step - i];
            path[step - i] = path[i];
            path[i] = temp;
         }
         return dist[end];
      }

      //从某一源点出发,找到到所有结点的最短路径
      static int[] getShortedPath(int[,] G, int start, int[,] path)
      {
         int[] PathID = new int[length];//路径(用编号表示)
         bool[] s = new bool[length]; //表示找到起始结点与当前结点间的最短路径
         int min;  //最小距离临时变量
         int curNode = 0; //临时结点,记录当前正计算结点
         int[] dist = new int[length];
         int[] prev = new int[length];
         //初始结点信息

         for (int v = 0; v < length; v++)
         {
            s[v] = false;
            dist[v] = G[start, v];
            if (dist[v] > MaxSize)
               prev[v] = 0;
            else
               prev[v] = start;
            path[v, 0] = v;
         }

         dist[start] = 0;
         s[start] = true;
         //主循环
         for (int i = 1; i < length; i++)
         {
            min = MaxSize;
            for (int w = 0; w < length; w++)
            {
               if (!s[w] && dist[w] < min)
               {
                  curNode = w;
                  min = dist[w];
               }
            }

            s[curNode] = true;

            for (int j = 0; j < length; j++)
            {
               if (!s[j] && min + G[curNode, j] < dist[j])
               {
                  dist[j] = min + G[curNode, j];
                  prev[j] = curNode;
               }
            }
         }
         //输出路径结点
         for (int k = 0; k < length; k++)
         {
            int e = k, step = 0;
            while (e != start)
            {
               step++;
               path[k, step] = prev[e];
               e = prev[e];
            }
            for (int i = step; i > step / 2; i--)
            {
               int temp = path[k, step - i];
               path[k, step - i] = path[k, i];
               path[k, i] = temp;
            }
         }
         return dist;

      }
   }
}

 

目录
相关文章
|
3月前
|
存储 人工智能 算法
数据结构与算法细节篇之最短路径问题:Dijkstra和Floyd算法详细描述,java语言实现。
这篇文章详细介绍了Dijkstra和Floyd算法,这两种算法分别用于解决单源和多源最短路径问题,并且提供了Java语言的实现代码。
99 3
数据结构与算法细节篇之最短路径问题:Dijkstra和Floyd算法详细描述,java语言实现。
|
3月前
|
存储 算法 程序员
迪杰斯特拉(Dijkstra)算法(C/C++)
迪杰斯特拉(Dijkstra)算法(C/C++)
|
5月前
|
算法 定位技术
路径规划算法 - 求解最短路径 - A*(A-Star)算法
路径规划算法 - 求解最短路径 - A*(A-Star)算法
163 1
|
5月前
|
机器学习/深度学习 算法 Java
算法设计(动态规划应用实验报告)实现基于贪婪技术思想的Prim算法、Dijkstra算法
这篇文章介绍了基于贪婪技术思想的Prim算法和Dijkstra算法,包括它们的伪代码描述、Java源代码实现、时间效率分析,并展示了算法的测试用例结果,使读者对贪婪技术及其应用有了更深入的理解。
算法设计(动态规划应用实验报告)实现基于贪婪技术思想的Prim算法、Dijkstra算法
|
5月前
|
自然语言处理 算法
HanLP — HMM隐马尔可夫模型 - 路径规划算法 - 求解最短路径 - 维特比(Viterbi)算法
HanLP — HMM隐马尔可夫模型 - 路径规划算法 - 求解最短路径 - 维特比(Viterbi)算法
67 0
HanLP — HMM隐马尔可夫模型 - 路径规划算法 - 求解最短路径 - 维特比(Viterbi)算法
|
5月前
|
算法
路径规划算法 - 求解最短路径 - Dijkstra(迪杰斯特拉)算法
路径规划算法 - 求解最短路径 - Dijkstra(迪杰斯特拉)算法
116 0
|
9天前
|
机器学习/深度学习 算法
基于改进遗传优化的BP神经网络金融序列预测算法matlab仿真
本项目基于改进遗传优化的BP神经网络进行金融序列预测,使用MATLAB2022A实现。通过对比BP神经网络、遗传优化BP神经网络及改进遗传优化BP神经网络,展示了三者的误差和预测曲线差异。核心程序结合遗传算法(GA)与BP神经网络,利用GA优化BP网络的初始权重和阈值,提高预测精度。GA通过选择、交叉、变异操作迭代优化,防止局部收敛,增强模型对金融市场复杂性和不确定性的适应能力。
141 80
|
3天前
|
机器学习/深度学习 算法
基于遗传优化的双BP神经网络金融序列预测算法matlab仿真
本项目基于遗传优化的双BP神经网络实现金融序列预测,使用MATLAB2022A进行仿真。算法通过两个初始学习率不同的BP神经网络(e1, e2)协同工作,结合遗传算法优化,提高预测精度。实验展示了三个算法的误差对比结果,验证了该方法的有效性。
|
5天前
|
机器学习/深度学习 数据采集 算法
基于PSO粒子群优化的CNN-GRU-SAM网络时间序列回归预测算法matlab仿真
本项目展示了基于PSO优化的CNN-GRU-SAM网络在时间序列预测中的应用。算法通过卷积层、GRU层、自注意力机制层提取特征,结合粒子群优化提升预测准确性。完整程序运行效果无水印,提供Matlab2022a版本代码,含详细中文注释和操作视频。适用于金融市场、气象预报等领域,有效处理非线性数据,提高预测稳定性和效率。
|
2天前
|
算法
基于梯度流的扩散映射卡尔曼滤波算法的信号预处理matlab仿真
本项目基于梯度流的扩散映射卡尔曼滤波算法(GFDMKF),用于信号预处理的MATLAB仿真。通过设置不同噪声大小,测试滤波效果。核心代码实现数据加载、含噪信号生成、扩散映射构建及DMK滤波器应用,并展示含噪与无噪信号及滤波结果的对比图。GFDMKF结合非线性流形学习与经典卡尔曼滤波,提高对非线性高维信号的滤波和跟踪性能。 **主要步骤:** 1. 加载数据并生成含噪测量值。 2. 使用扩散映射捕捉低维流形结构。 3. 应用DMK滤波器进行状态估计。 4. 绘制不同SNR下的轨迹示例。

热门文章

最新文章