贪心算法Dijkstra

时间:2023-01-01 19:04:59

Dijkstra

最短路径问题 : 给定一个带权有向图 G = (V, E, W),同时给定一个源点 u (u ∈ V),我们要找出从源点 u 出发到其它各点的最短路径距离,并得出这些最短路径的具体路径有哪些边构成。

其实我们要求的就是从 源点 u 出发到 其它各点 str的最短路径所组成的路线网络,也就是一个 最短路径树

最短路径问题 : 给定一个带权有向图 G = (V, E, W),同时给定一个源点 u (u ∈ V),我们要找出从源点 u 出发到其它各点的最短路径距离,并得出这些最短路径的具体路径有哪些边构成。

我们以下面这个带权有向图为示例

贪心算法Dijkstra

我们若以 A 为源点,得到如下的最短路径

贪心算法Dijkstra

我们可以把源点到各点最短路径用绿色标记一下

贪心算法Dijkstra

我们可以看出所有的最短路径构成了一个最短路径树

贪心算法Dijkstra

我们要求的从 源点 到 其它各点 的最短路径所组成的路线网络,就是这个最短路径树。

在上面的图中,我们不难发现,当我们确定了源点 u 到某个其它的点 v 的最短路径时,在这个最短路径的具体路线中,若有一个中转点 t,那么在这个最短路径中从源点 ut 的路径也一定是 ut最短路径(之一)。也就是说,假设源点 uv 的最短路径为 p,那么p任意的前缀路径 q 一定是最优的(最短路径之一)。如果 q 不是最优的,那么就会存在另一个更短的路径比 p 更短。

这个性质还是很重要的,是解决单源最短路径问题的核心

我们画个图来理解一下
贪心算法Dijkstra

歧义性

在上面的阐述中也稍微提到一点,就是最短路径其实不一定是唯一的,有可能存在两个路径,它们的路径距离一样且都是最短的,那么此时我们二选其一就可以啦。还有一个问题就是,我们的边权都应当是正数,如果边权存在非正数,那么我们是无法定义这个图中的最短路径的(距离确实不能是非正数呀,除了自己到自己????)。

无环性

这个性质其实很好理解,既然我们得到的所有最短路径构成的是一个 最短路径树,那么作为一个树,它必不会存在环。也可以由之前的 单调性 得出这个性质。


Dijkstra 算法是由荷兰计算机科学家 Edsger Wybe Dijkstra 在1956年提出的,一般解决的是 带权有向图单源最短路径问题
接下来介绍如何用 Dijkstra 算法求解 单源最短路径问题

Dijkstra 算法将会充分利用 最短路径树单调性 这一性质。先定下源点 u,然后采用 贪心 的策略,不断去访问与源点 u 相接且之前未被访问过的最近的顶点 v(这句话里相接的意思是指可以从 u 到达 v),使得当前的最短路径树得到扩充,一直到所有顶点都在当前的最短路径树中,那么就得到了源点 u 到其他所有顶点 v 的最短路径。

我们将当前最短路径树所有的顶点所构成的集合称为 集合S,而不在当前最短路径树中的顶点所构成的集合称为集合V-S

1、首先需要定义一个辅助数组 flag[],用于标记每个顶点是否处于当前的 最短路径树 中,后续我们将 最短路径树 称为 集合S。在初始情况下,我们会先将源点 u 划入 集合S;

2、然后我们需要再定义一个数组 dist[],用于记录当前从源点 uv (v∈V-S)的最短路径距离,比如dist[vi]就表示 uvi 的当前最短路径距离。

集合S每一次扩充都需要选择当前不在集合S中且到源点 u 最短距离的顶点 t 作为扩充点,并且将其划入集合S。之后的扩充操作中,就以这个 t 作为中转点对 dist[v] 进行更新,使其记录的距离减小。在不断扩充集合S的过程中,dist[v]的记录的距离大小不断减小(可能不变),直到最后,其记录的便是整个图中uv 的最短的距离;

另外,一开始我们要先初始化源点 u 到其邻接的顶点的距离。

3、为了还原具体路径,我们还需要一个辅助数组 pre[],用于记录最短路径中每个顶点的前驱顶点。比如 pre[v],其记录的是 uv 的最短路径中,顶点 v 的前驱顶点。在不断扩充集合S的过程中,如果可以借助当前的扩充点 t 到达 v 的距离更短,我们也要更新 v 的前驱为 t,即 pre[v] = t

同样的,我们也要初始化源点 u 为其每个邻接顶点的前驱。

贪心算法Dijkstra

(2)

贪心算法Dijkstra

(3)

贪心算法Dijkstra

(4)

贪心算法Dijkstra

(5)

贪心算法Dijkstra

(6)

贪心算法Dijkstra

(7)

贪心算法Dijkstra


以下程序是基于 图的邻接矩阵 实现的

//距离记录数组 , 前驱数组
int dist[MAX], pre[MAX];  
//集合S标记数组。如果flag[i]=true,说明该顶点i已经加入到集合S(最短路径集合);否则i属于集合V-S
bool flag[MAX];            

void Dijkstra(Graph *G, int u){
    for(int v = 0; v < G->nodenums; v++){
        dist[v] = G->edge[u][v];  //初始化源点u到各邻接点v的距离
        flag[v] = false;
        if(dist[v] != INF)
            pre[v] = u;           //若有邻接边,顶点v有前驱顶点u
        else
            pre[v] = -1;          //若没有,先初始化为-1
    }
    flag[u] = true;               //初始化集合S,只有一个元素: 源点u
    dist[u] = 0;                  //初始化源点u到自己的最短路径为0
    
    
    for(int i = 0; i < G->nodenums; i++){
    	int tmp = INF, t = u;
        /*  在集合V-S中寻找距离源点u最近的顶点t,使当前最短路径树最优  */
    	for(int v = 0; v < G->nodenums; v++){
    	    if(!flag[v] && dist[v] < tmp){
                //不在集合S中 并且 更小距离
                t = v;           
                //记录在V-S中距离源点u最近的顶点v
                tmp = dist[v];
    	    }
    	}

    	if(t == u)
    	    return;               //未找到直接终止
    	flag[t] = true;           //否则, 将t加入集合S
        
        /*   更新集合V-S中与t邻接的顶点到u的距离,扩展当前最短路径树  */
    	for(int v = 0; v < G->nodenums; v++){
            //不在集合S中 且 有边
    	    if(!flag[v] && G->edge[t][v] != INF){
                if(dist[v] > dist[t] + G->edge[t][v]){
                    //源点u可以借助t到达v的距离更短
                    dist[v] = dist[t] + G->edge[t][v];
                    pre[v] = t;
                }
    	    }
    	}
    }
}

还原具体路径代码

我使用了 C++ 自带的 栈 stack,来实现最短路径具体路径的还原。因为记录的是每个顶点的前驱,所以恰好可以利用 栈 stack 的先进后出的性质。

//还原源点u到各点具体路径
void ShowShortPath(Graph G, int u){
    for(int v = 0; v < G.nodenums; v++){
        if(dist[v] == INF || dist[v] == 0)
            continue;
        cout<<"\n点"<<G.apex[u]<<" 到 点"<<G.apex[v]<<" 的最短路径距离为: "<<dist[v]<<endl;
        cout<<"点"<<G.apex[v]<<"的前驱顶点为: 点"<<G.apex[pre[v]]<<endl;
        cout<<"具体路径为: "<<endl;

        int t = pre[v];           //终点的前驱下标
        //用栈存储终点前驱们 一直到 源点
        stack<int> st;            
        while(t != u){
            st.push(t);
            t = pre[st.top()];
	}

    cout<<G.apex[u];          		//源点
	while(!st.empty()){
	    t = st.top();
	    cout<<" --> "<<G.apex[t];   //中间点
	    st.pop();
        }
	cout<<" --> "<<G.apex[v]<<endl; //终点
	cout<<"———————————————————"<<endl;
    }
}

完整程序(含图的邻接矩阵)

#include<iostream>
#include<cstdio>
#include<stack>
using namespace std;
const int MAX = 100;
const int INF = 1e7;

typedef char ApexType;			//顶点名称数据类型
typedef int EdgeType;			//边权数据类型

typedef struct {

	ApexType apex[MAX];			//顶点表
	EdgeType edge[MAX][MAX];	//矩阵图
	int nodenums, edgenums;		//顶点个数,边个数

}Graph;

//创建邻接矩阵
void CreateGraph(Graph *G){
    int i, j, k;
    int w;
    cout<<"输入顶点个数和边的条数: ";
    cin>>G->nodenums>>G->edgenums;
    //输入顶点信息
    for(i = 0; i < G->nodenums; i++){
	cout<<"输入第 "<<i + 1<<" 个顶点的名称: ";
	cin>>G->apex[i];
    }
    //初始化各顶点之间的边为无穷大
    for(i = 0; i < G->nodenums; i++)
	for(j = 0; j < G->nodenums; j++)
	    G->edge[i][j] = INF;             
    //录入有向边的信息
    for(k = 0; k < G->edgenums; k++){
        EdgeType w;
        cout<<"输入<vi, vj>的对应点下标及权值: ";
        cin>>i>>j>>w;
        G->edge[i][j] = w;
    }
}

//打印图的邻接矩阵
void ShowGraphInMatrix(Graph *G){
    cout<<"   ";
    for(int i = 0; i < G->nodenums; i++)
		printf("%4c",G->apex[i]);
    cout<<endl;

    for(int i = 0; i < G->nodenums; i++){
		printf("%3c", G->apex[i]);
        for(int j = 0; j < G->nodenums; j++){
            if(G->edge[i][j] == INF)
                cout<<"∞  ";
            else
                printf("%4d", G->edge[i][j]);
        }
		cout<<endl;
    }		
}

//距离记录数组 , 前驱数组
int dist[MAX], pre[MAX];  
//集合S标记数组。如果flag[i]=true,说明该顶点i已经加入到集合S(最短路径集合);否则i属于集合V-S
bool flag[MAX];            

void Dijkstra(Graph *G, int u){
    for(int v = 0; v < G->nodenums; v++){
        dist[v] = G->edge[u][v];  //初始化源点u到各邻接点v的距离
        flag[v] = false;
        if(dist[v] != INF)
            pre[v] = u;           //若有邻接边,顶点v有前驱顶点u
        else
            pre[v] = -1;          //若没有,先初始化为-1
    }
    flag[u] = true;               //初始化集合S,只有一个元素: 源点u
    dist[u] = 0;                  //初始化源点u到自己的最短路径为0
    
    /*   在集合V-S中寻找距离源点u最近的顶点t,使当前最短路径树最优  */
    for(int i = 0; i < G->nodenums; i++){
    	int tmp = INF, t = u;
    	for(int v = 0; v < G->nodenums; v++){
    	    if(!flag[v] && dist[v] < tmp){
                //不在集合S中 并且 更小距离
                t = v;            
                //记录在V-S中距离源点u最近的顶点v
                tmp = dist[v];
    	    }
    	}

    	if(t == u)
    	    return;               //未找到直接终止
    	flag[t] = true;           //否则, 将t加入集合S
        
        /*   更新集合V-S中与t邻接的顶点到u的距离,扩展当前最短路径树  */
    	for(int v = 0; v < G->nodenums; v++){
    	    if(!flag[v] && G->edge[t][v] != INF){
    		//不在集合S中 且 有边
                if(dist[v] > dist[t] + G->edge[t][v]){
                    //源点u可以借助t到达v的距离更短
                    dist[v] = dist[t] + G->edge[t][v];
                    pre[v] = t;
                }
    	    }
    	}
    }
}

//还原源点u到各点具体路径
void ShowShortParth(Graph G, int u){
    for(int v = 0; v < G.nodenums; v++){
	if(dist[v] == INF || dist[v] == 0)
	    continue;
	cout<<"\n点"<<G.apex[u]<<" 到 点"<<G.apex[v]<<" 的最短路径距离为: "<<dist[v]<<endl;
	cout<<"点"<<G.apex[v]<<"的前驱顶点为: 点"<<G.apex[pre[v]]<<endl;
	cout<<"具体路径为: "<<endl;

	int t = pre[v];           //终点的前驱下标
	//用栈存储终点前驱们 一直到 源点
	stack<int> st;            
	while(t != u){
	    st.push(t);
	    t = pre[st.top()];
	}

    	cout<<G.apex[u];          		//源点
	while(!st.empty()){
	    t = st.top();
	    cout<<" --> "<<G.apex[t];   //中间点
	    st.pop();
        }
	cout<<" --> "<<G.apex[v]<<endl; //终点
	cout<<"———————————————————"<<endl;
    }
}


main(){
    Graph G;
    CreateGraph(&G);
    ShowGraphInMatrix(&G);
    
    int u;
    cout << "\n输入出发的源点下标: ";
    cin>>u;

    Dijkstra(&G, u);
    
    cout<<"\n源点到所有点的单源最短路径距离:"<<endl;
    ShowShortParth(G, v);
}

结果

贪心算法Dijkstra

单源最短路径及具体路径

贪心算法Dijkstra

原文链接:[最短路径问题]Dijkstra算法(含还原具体路径) - Amαdeus - 博客园 (cnblogs.com)