最短路径算法(Dijkstra、Floyd)总结
2017-10-04 16:28
489 查看
引言
最短路径算法是图算法中比较重要的组成部分,在《算法导论》中有比较详细的阐述和证明。很长时间没在看过图算法的内容,在接触到增强学习后,复习了下A*算法,故对最短路径算法进行一下简单的总结,A*算法将会另外开一篇文章。Dijkstra和Floyd算法是最为经典的两个针对无向图进行最短路径求取的算法,本文先对这两个算法进行回顾和总结。Dijkstra算法
Dijkstra算法在解决最短路径算法时有一定的局限性,要求图中不能存在负边权重(具体的证明可参考《算法导论》)。个人看来Dijkstra算法应该属于贪心算法的部分,但某些参考书籍把它归入到了动态规划的范围。当然我们不会对这个问题深究,看自己证明好理解吧。Dijkstra是从源点出发,一次求取到其余所有点的最短路径。这也称为单源最短路径。算法的大致是先从源点S出发,选取距离源点距离最短的点V1,然后比较从S到V2的距离ds,v2和以V1为过渡点再到V2的距离ds,v1,v2大小。如果前者大于后者,则更新S到V2的距离为ds,v1,v2,否则不改变。然后依次类推计算后面的点,最终得出从S到所有点的最短路径。上面说得可能比较抽象,不要急,这只是一个大致阐述,后面你会很清楚的。经过上面的阐述,也看出了一个事实,每次选取的是最小的点,这是贪心的思想,但在求取另外的点时又利用到了之前求取的点,这便又和动态规划相似。现在,我们以一个具体的例子来说明算法的具体求解过程。
如上图,现在我们要求从源点A开始求取图中其它点的最短路径。具体过程是:
(1). 将A放入最后的结果中Ret;
(2). 选取与A距离最短的点,显然是C,更新A经过C到其它与C有直接连接的点的距离,更新的规则上面已经说过,以B为例,A−>B的距离大于A−>C−>B的距离,所以更新A−>B的距离为5。同时,A到DE初始是无穷大(图的存储约定),所以更新A到DEF的距离分别为{6、7},并加入最后的结果中,Ret={A,C};
(3). 由于C已经被选取,在下一次选择距离A最短的点时就不再考虑C,那么这次选择显然就是B,比较还没加入Ret且和B直接连接的点(C、D),更新规则和上面一样,最后将B加入到Ret中,这时Ret={A,C,B};
(4). 以此类推,选择D并更新和D直接相连的点,并加入到Ret中。
最后Ret={A,C,B,D,E,F},这便是源点A到图中所有点的最短路径,例如求A−>E的最短路径便是A−C−B−D−E。简易代码如下(因为手头电脑问题,并没有运行检查正确性):
const int MAXINT = INT_MAX; //图中不直接连接的点的权重定义 const int MAXNUM = 6; //图中的节点数目 int dst[MAXNUM]; //存放源点到其它点的距离 int prev[MAXNUM]; //存放路径 int G[MAXNUM][MAXNUM]; //图的邻接矩阵 void Dijstra(int v0) { bool used[MAXNUM]; // 判断图中节点时候已经被加入最后的结果中,初始为false int node_num = MAXNUM; for(int i = 1; i<=n; i++) { dst[i] = G[v0][i]; //从邻接矩阵中获取距离信息 used[i] = false; if( MAXINT == dst[i] ) prev[i] = -1; else prev[i] = v0; // 设置源点直接连接的点的前驱为源点 } dst[v0] = 0; // 源点到源点的距离设置为0 used[v0] = true; //标记源点已经被加入最后的结果中 for(int i = 2; i <= n; i++){ int mindst = MAXINT; int u = v0; for(int j = 1; j <= n; j++) // 选取目前距离矩阵中与源点最短距离的点 { if( (!used[j]) && dst[j] < mindst){ u = j; mindst = dst[j]; } used[u] = true; //将该点加入到最后结果中 for(int j = 1; j <= n; ++j) { if( (!used[j]) && G[u][j] < MAXINT) { if(dst[u]+G[u][j] < dst[j]) { dst[j] = dst[u]+G[u][j]; // 更新距离 pre[j] = u; // 设置前驱 } } } } } }
Floyd算法
Dijkstra算法是解决单源最短路径算法,当需要解决图中任意两点的最短路径时,Dijkstra则需要多次计算,而且,当图中存在负的边权重时,Dijkstra则显得无能为力。Floyd算法的提出很好的解决了这一问题,能一次求出任意两点的最短路径,并且边权重可正可负。Floyd算法的思想是从两点最短路径的可能性思考的,两点之间的最短路径无非有如下几个情况:
(1). 两点直接到达的距离最短。
(2). 两点之间通过1个或者1个以上节点连接到达的距离最短。
所以,如果是第一种情况,则可以在邻接矩阵中直接获取。如果是第二种情况,则需要依次判断以每个点为中间点连接起点和终点的最短距离。如果需要中间点的个数大于1,则将问题继续划分为其它终点和起点的问题。例如求AB间的最短距离,对于中间点有C,那么则需要判断distance(A,B)与distance(A,C)+distance(C,B)的大小,如果还有其它点,则间distance(A,C)和distance(C,B)按照这种方式继续划分下去,很显然,Floyd算法其实就是一种自顶而低的动态规划。我们先给出代码:
void getGraphicData(){//获取数据 ifstream in("data"); in>>vertexnum>>edgenum; //获取节点数和边数 int from,to; double w; // 初始化邻接矩阵和路径矩阵 while(in>>from>>to>>w){ weight[from][to] = w; path[from][to] = from; weight[from][from] = 0; path[from][from] = from; weight[to][to] = 0; path[to][to] = to; } } void floyd(){ for(int k = 0;k < vertexnum;k++) // 中间点变量 for(int i= 0;i < vertexnum;i++) // 起点变量 for(int j = 0;j < vertexnum;j++){ //终点变量 weight[i][j] = min(weight[i][j], weight[i][k] + weight[k][j]); path[i][j] = path[k][j]; } } } void displaypath(int source,int dest){ // 求取路径 stack<int> shortpath; int temp = dest; while(temp != source){ shortpath.push(temp); temp = path[source][temp]; } shortpath.push(source); cout<<"short distance:"<<weight[source][dest]<<endl<<"path:"; while(!shortpath.empty()){ cout<<shortpath.top()<<" "; shortpath.pop(); } }
结合下图:
(1). 初始化工作无非就是对图的邻接矩阵就行初始化,直接连接的边为常数权重,非直接连接的边初始化为无穷大,路径矩阵则是对点的前驱进行计算。
(2). 首先确定中间点k,例如k=x,计算[u,v]的最短距离,显然:dist(u,v)=min(dist(u,x)+dist(x,v),dist(u,v)) dist(u,v)是邻接矩阵的值(无穷大),所以[u,v]的最短距离目前应该是[u−>x−>v]。当需要加入更多中间点时,则按照这种方式继续划分下去。在划分过程中比较路径大小,最后得出最小值。
(3). 最后是确立路径,也就是起点和终点之间的中间点。
Floyd算法在实现时有一点需要注意,就是中间点的循环(这里时k)必须在外层,如果放在内层时,有的路径权重不会改变,这会对最后的结果产生错误,说起来比较难懂,可以手动模拟一下,就会发现这个问题。
小结
Dijkstra算法适合于单点的路径就算,而当需要任意两点间的最短路径时,Floyd算法比V次Dijkstra算法效率要高,并且当图中存在负权重时,Dijkstra则无能为力。除了这两种算法外,SPFA对于稀疏图的效率比较高,但计算任意两点的最短路径时,Floyd算法的效率依然高于V次SPFA计算效率。相关文章推荐
- 最短路径算法总结(Floyd,bellmen-ford,dijkstra,Spfa)
- 最短路径算法 dijkstra + floyd + spfa 【记录 总结】
- 最短路径算法总结(Floyd,bellmen-ford,dijkstra,Spfa)
- 最小生成树(prime算法、kruskal算法) 和 最短路径算法(floyd、dijkstra)
- 多路径路由算法选择(7)——最短路径算法Dijkstra,Bellman-Ford,Floyd-Warshall,Johnson
- 几个最短路径算法Floyd、Dijkstra、Bellman-Ford、SPFA的比较
- (最短路径算法整理)dijkstra、floyd、bellman-ford、spfa算法模板的整理与介绍
- hdu 1874 最短路径 dijkstra 和floyd 算法
- 最小生成树(prime算法、kruskal算法) 和 最短路径算法(floyd、dijkstra)
- 最小生成树(prime算法、kruskal算法) 和 最短路径算法(floyd、dijkstra)
- 最小生成树(prime算法、kruskal算法) 和 最短路径算法(floyd、dijkstra)(转)
- 几个最短路径算法Floyd、Dijkstra、Bellman-Ford、SPFA的比较
- 几个最短路径算法Floyd、Dijkstra、Bellman-Ford、SPFA的比较
- 最小生成树(prime算法、kruskal算法) 和 最短路径算法(floyd、dijkstra)
- 最短路径算法——Dijkstra,Bellman-Ford,Floyd-Warshall,Johnson
- 最小生成树(prime算法、kruskal算法) 和 最短路径算法(floyd、dijkstra)
- 几个最短路径算法Floyd、Dijkstra、Bellman-Ford、SPFA的比较
- 最小生成树(prime算法、kruskal算法) 和 最短路径算法(floyd、dijkstra)
- 最小生成树(prime算法、kruskal算法) 和 最短路径算法(floyd、dijkstra)
- Algorithm --> Dijkstra和Floyd最短路径算法