最短路径算法——Dijkstra算法与Floyd算法
转自:https://www.cnblogs.com/smile233/p/8303673.html
最短路径
①在非网图中,最短路径是指两顶点之间经历的边数最少的路径。
AE:1 ADE:2 ADCE:3 ABCE:3
②在网图中,最短路径是指两顶点之间经历的边上权值之和最短的路径。
AE:100 ADE:90 ADCE:60 ABCE:70
③单源点最短路径问题
问题描述:给定带权有向图G=(V, E)和源点v∈V,求从v到G中其余各顶点的最短路径。
应用实例——计算机网络传输的问题:怎样找到一种最经济的方式,从一台计算机向网上所有其它计算机发送一条消息。
④每一对顶点之间的最短路径
问题描述:给定带权有向图G=(V, E),对任意顶点vi,vj∈V(i≠j),求顶点vi到顶点vj的最短路径。
- 解决办法1:每次以一个顶点为源点,调用Dijkstra算法n次。显然,时间复杂度为O(n3)。
- 解决办法2:弗洛伊德提出的求每一对顶点之间的最短路径算法——Floyd算法,其时间复杂度也是O(n3),但形式上要简单些。
Dijkstra算法
①基本思想:设置一个集合S存放已经找到最短路径的顶点,S的初始状态只包含源点v,对vi∈V-S,假设从源点v到vi的有向边为最短路径。以后每求得一条最短路径v, …, vk,就将vk加入集合S中,并将路径v, …, vk , vi与原来的假设相比较,取路径长度较小者为最短路径。重复上述过程,直到集合V中全部顶点加入到集合S中。(贪心思想)
②设计数据结构 :
1、图的存储结构:带权的邻接矩阵存储结构 。
2、数组dist[n]:每个分量dist[i]表示当前所找到的从始点v到终点vi的最短路径的长度。初态为:若从v到vi有弧,则dist[i]为弧上权值;否则置dist[i]为∞。
3、数组path[n]:path[i]是一个字符串,表示当前所找到的从始点v到终点vi的最短路径。初态为:若从v到vi有弧,则path[i]为vvi;否则置path[i]空串。
4、数组s[n]:存放源点和已经生成的终点,其初态为只有一个源点v。
③Dijkstra算法——伪代码
. 初始化数组dist、path和s;
. while (s中的元素个数<n)
2.1 在dist[n]中求最小值,其下标为k;
2.2 输出dist[j]和path[j];
2.3 修改数组dist和path;
2.4 将顶点vk添加到数组s中;
④C++代码实现
#include<iostream>
#include<fstream>
#include<string>
using namespace std;
#define MaxSize 10
#define MAXCOST 10000
// 图的结构
template<class T>
struct Graph
{
T vertex[MaxSize];// 存放图中顶点的数组
int arc[MaxSize][MaxSize];// 存放图中边的数组
int vertexNum, arcNum;// 图中顶点数和边数
};
// 最短路径Dijkstra算法
void Dijkstra(Graph<string> G,int v)
{
int dist[MaxSize];// i到j的路径长度
string path[MaxSize];// 路径的串
int s[MaxSize];// 已找到最短路径的点的集合
bool Final[MaxSize];//Final[w]=1表示求得顶点V0至Vw的最短路径
// 初始化dist\path
for (int i = ; i < G.vertexNum; i++)
{
Final[i] = false;
dist[i] = G.arc[v][i];
if (dist[i] != MAXCOST)
path[i] = G.vertex[v] + G.vertex[i];
else
path[i] = " ";
}
s[] = v; // 初始化s
Final[v] = true;
int num = ;
while (num < G.vertexNum)
{
// 在dist中查找最小值元素
int k = ,min= MAXCOST;
for (int i = ; i < G.vertexNum; i++)
{
if (i == v)continue;
if (!Final[i] && dist[i] < min)
{
k = i;
min = dist[i];
}
}
cout << dist[k]<<path[k]<<endl;
s[num++] = k;// 将新生成的结点加入集合s
Final[k] = true;
// 修改dist和path数组
for (int i = ; i < G.vertexNum; i++)
{
if (!Final[i]&&dist[i] > dist[k] + G.arc[k][i])
{
dist[i] = dist[k] + G.arc[k][i];
path[i] = path[k] + G.vertex[i];
}
}
}
}
int main()
{
// 新建图
Graph<string> G;
string temp[]= { "v0","v1","v2","v3","v4" };
/*int length = sizeof(temp) / sizeof(temp[0]);
G.vertexNum = length;
G.arcNum = 7;*/
ifstream in("input.txt");
in >> G.vertexNum >> G.arcNum;
// 初始化图的顶点信息
for (int i = ; i < G.vertexNum; i++)
{
G.vertex[i] = temp[i];
}
//初始化图G的边权值
for (int i =; i <G.vertexNum; i++)
{
for (int j = ; j <G.vertexNum; j++)
{
G.arc[i][j] = MAXCOST;
}
}
for (int i = ; i < G.arcNum; i++)
{
int m, n,cost;
in >> m >> n >> cost;
G.arc[m][n] = cost;
}
Dijkstra(G, );
system("pause");
return ;
}
⑤测试数据
// input.txt
5 7
0 1 10
0 3 30
0 4 100
1 2 50
2 4 10
3 2 20
3 4 60
Floyd算法
①基本思想:对于从vi到vj的弧,进行n次试探:首先考虑路径vi,v0,vj是否存在,如果存在,则比较vi,vj和vi,v0,vj的路径长度,取较短者为从vi到vj的中间顶点的序号不大于0的最短路径。在路径上再增加一个顶点v1,依此类推,在经过n次比较后,最后求得的必是从顶点vi到顶点vj的最短路径。
②设计数据结构
1、图的存储结构:带权的邻接矩阵存储结构 。
2、数组dist[n][n]:存放在迭代过程中求得的最短路径长度。迭代公式:
3、数组path[n][n]:存放从vi到vj的最短路径,初始为path[i][j]="vivj"。
③C++代码实现
#include<iostream>
#include<fstream>
#include<string>
using namespace std;
#define MaxSize 10
#define MAXCOST 10000
int dist[MaxSize][MaxSize];// 存放在迭代过程中求得的最短路径
string path[MaxSize][MaxSize];// vi到vj的最短路径
// 图的结构
template<class T>
struct Graph
{
T vertex[MaxSize];// 存放图中顶点的数组
int arc[MaxSize][MaxSize];// 存放图中边的数组
int vertexNum, arcNum;// 图中顶点数和边数
};
void Floyd(Graph<string> G)
{
// 初始化
for(int i=;i<G.vertexNum;i++)
for (int j = ; j < G.vertexNum; j++)
{
if (i == j) { dist[i][j] = ; path[i][j] = ""; }
dist[i][j] = G.arc[i][j];
if (dist[i][j] != MAXCOST)
path[i][j] = G.vertex[i] + G.vertex[j];
else
path[i][j] = " ";
}
// 进行n次迭代
for(int k=;k<G.vertexNum;k++)
for(int i=;i<G.vertexNum;i++)
for (int j = ; j < G.vertexNum; j++)
if (dist[i][k] + dist[k][j] < dist[i][j])
{
dist[i][j] = dist[i][k] + dist[k][j];
path[i][j] = path[i][k] + path[k][j];
}
}
int main()
{
int i, j, cost;
Graph<string> G;// 存放图的信息
ifstream in("input.txt");
in >> G.vertexNum >> G.arcNum;
string temp[] = { "a","b","c" };
// 初始化图的顶点信息
for (int i = ; i < G.vertexNum; i++)
{
G.vertex[i] = temp[i];
}
//初始化图G
for (i = ; i < G.vertexNum; i++)
{
for (j = ; j < G.vertexNum; j++)
{
G.arc[i][j] = MAXCOST;
}
}
//构建图G
for (int k = ; k <G.arcNum; k++)
{
in >> i >> j >> cost;
G.arc[i][j] = cost;
}
Floyd(G);
for (i = ; i < G.vertexNum; i++)
{
for (j = ; j < G.vertexNum; j++)
{
if (i != j)
{
cout << "顶点" << i << "到顶点" << j << "的最短路径长度为" << dist[i][j] << endl;
cout << "具体路径为:" << path[i][j] << endl;
}
}
}
system("pause");
return ;
}
④测试数据
// input.txt
5
1 4
0 6
2 11
0 3
2 2
最短路径算法——Dijkstra算法与Floyd算法的更多相关文章
- 最短路径—大话Dijkstra算法和Floyd算法
Dijkstra算法 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 , ...
- 最短路径—Dijkstra算法和Floyd算法
原文链接:http://www.cnblogs.com/biyeymyhjob/archive/2012/07/31/2615833.html 最后边附有我根据文中Dijkstra算法的描述使用jav ...
- 最短路径—Dijkstra算法和Floyd算法【转】
本文来自博客园的文章:http://www.cnblogs.com/biyeymyhjob/archive/2012/07/31/2615833.html Dijkstra算法 1.定义概览 Dijk ...
- 最短路径——Dijkstra算法和Floyd算法
Dijkstra算法概述 Dijkstra算法是由荷兰计算机科学家狄克斯特拉(Dijkstra)于1959 年提出的,因此又叫狄克斯特拉算法.是从一个顶点到其余各顶点的最短路径算法,解决的是有向图(无 ...
- 【转载】最短路径—Dijkstra算法和Floyd算法
注意:以下代码 只是描述思路,没有测试过!! 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 ...
- 最短路径Dijkstra算法和Floyd算法整理、
转载自:http://www.cnblogs.com/biyeymyhjob/archive/2012/07/31/2615833.html 最短路径—Dijkstra算法和Floyd算法 Dijks ...
- 【转】最短路径——Dijkstra算法和Floyd算法
[转]最短路径--Dijkstra算法和Floyd算法 标签(空格分隔): 算法 本文是转载,原文在:最短路径-Dijkstra算法和Floyd算法 注意:以下代码 只是描述思路,没有测试过!! Di ...
- 最小路径算法(Dijkstra算法和Floyd算法)
1.单源点的最短路径问题:给定带权有向图G和源点v,求从v到G中其余各顶点的最短路径. 我们用一个例子来具体说明迪杰斯特拉算法的流程. 定义源点为 0,dist[i]为源点 0 到顶点 i 的最短路径 ...
- 【转载】Dijkstra算法和Floyd算法的正确性证明
说明: 本文仅提供关于两个算法的正确性的证明,不涉及对算法的过程描述和实现细节 本人算法菜鸟一枚,提供的证明仅是自己的思路,不保证正确,仅供参考,若有错误,欢迎拍砖指正 ----------- ...
- Dijkstra算法和Floyd算法的正确性证明
说明: 本文仅提供关于两个算法的正确性的证明,不涉及对算法的过程描述和实现细节 本人算法菜鸟一枚,提供的证明仅是自己的思路,不保证正确,仅供参考,若有错误,欢迎拍砖指正 ------------- ...
随机推荐
- Android Native Hook技术(二)
Hook技术应用 已经介绍了安卓 Native hook 原理,这里介绍 hook 技术的应用,及 Cyida Substrate 框架. 分析某APP,发现其POST请求数据经过加密,我们希望还原其 ...
- Buildroot stress-ng Linux系统压力测试
/********************************************************************** * Buildroot stress-ng Linux系 ...
- Python中的filter()函数的用法
转载自:脚本之家 Python内建的filter()函数用于过滤序列. 和map()类似,filter()也接收一个函数和一个序列.和map()不同的时,filter()把传入的函数依次作用于每个元素 ...
- day 020 常用模块02
主要内容: 什么是序列化 pickle shelve json configparser(模块) 一 序列化 我们在存储数据或者网络传输数据的时候,需要对我们的对象进行处理,把对象处理成方便存储和 传 ...
- 斐波那契 - pythoon实现
def fn_1(n): if n == 0 : return n elif n == 1 : return n else: a = [0,1] for i in range(2,n): a.appe ...
- 20165313 《Java程序设计》第一周学习总结
教材学习内容总结 1.Java的地位 1.网络地位 2.语言地位 3.需求地位 2.Java的特点 1.简单 2.面向对象 3.平台无关 4.多线程 5.动态 3.安装JDK(重点) 注释:需修改系统 ...
- 《DSP using MATLAB》Problem 5.8
代码: %% ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ %% Output In ...
- 静态代码块 2.构造代码块3.构造方法的执行顺序是1>2>3;明白他们是干嘛的就理解了。
1.静态代码块 2.构造代码块3.构造方法的执行顺序是1>2>3;明白他们是干嘛的就理解了.1.静态代码块:是在类的加载过程的第三步初始化的时候进行的,主要目的是给类变量赋予初始值.2.构 ...
- 机器学习 - 开发环境安装pycharm + tensorflow集成篇
继续上篇的pyspark集成后,我们再来看看当今热的不得了的tensorflow是如何继承进pycharm环境的 参考: http://blog.csdn.net/include1224/articl ...
- Web读取指定的config文件的内容
需求: 什么时候会用到动态改变Web.config内的值? 在Web.config定义了一个全局设置值A,因为程序运行中满足了某个条件,要将A的值改变 Web.config中定义: <appSe ...