[C++]单源最短路径：迪杰斯特拉(Dijkstra)算法(贪心算法)

1 Dijkstra算法

1.1 算法基本信息

• 解决问题/提出背景

  • 单源最短路径（在带权有向图中，求从某顶点到其余各顶点的最短路径）

• 算法思想

  • 贪心算法
    • 按路径长度递增的次序，依次产生最短路径的算法
  • 【适用范围】Dijkstra算法仅适用于【权重为正】的图模型中

• 时间复杂度

  • O(n^3)

• 补充说明

  • 亦可应用于【多源最短路径】(推荐：Floyd算法(动态规划,O(n^3)))
    • Dijkstra 时间复杂度：O(n^3)

1.2 算法描述

• 1.2.1 求解过程(具体思路)

• 1.2.2 示例

1.2 编程复现

• 1> 定义图模型(邻接矩阵表示法)的【基本存储结构体】

# define MaxInt 32767 // 表示极大值 即 ∞ (无穷大)
# define MVNum 100 // 最大顶点数 

typedef int VertexType; // 假设顶点的数据类型为整型

typedef int ArcType; // 假设Vi与Vj之边的权值类型为整型 

typedef struct {
 	VertexType vexs[MVNum]; // 顶点表 (存储顶点信息)
	ArcType arcs[MVNum][MVNum]; // 邻接矩阵
	int vexnum,arcnum; // 图的当前顶点数与边数 
}AMGraph; // Adjacent Matrix Graph 邻接矩阵图 

• 2> 定义 Dijkstra 算法的【辅助数据结构体】

bool S[MVNum]; // S[i] 记录从源点V0到终点Vi是否已被确定为最短路径长度  【划分确定与未确定: 跟贪心算法的适用范围(不可取消性)有直接联系】
			   // true：表已确定；false：表尚未确定
ArcType D[MVNum]; // D[i] 记录从源点V0到终点Vi的【当前】最短路径【长度】 
int Path[MVNum];  // Path[i] 记录从源点V0到终点Vi的【当前】最短路径上【Vi的[直接前驱]的顶点序号】 

• 3> 初始化(邻接矩阵)带权有向图的图模型

void InitAMGraph(AMGraph &G){
	cout<<"Please Input Vertexs Number:";
	cin>>G.vexnum;
	cout<<"
Please Directed Edges Number:";
	cin>>G.arcnum;
	
	for(int i=0;i<MVNum;i++){
		for(int j=0;j<MVNum;j++){
			if(i!=j){ // 【易错】 初始化<Vi, Vj>时: <Vi,Vj> 路径长度无穷大 (i!=j) 
				G.arcs[i][j] = MaxInt;
			} else { //  【易错】 初始化<Vi, Vj>时: <Vi,Vi>【自回环】路径长度为0 (i==i) 
				G.arcs[i][j] = 0;
			}
		}
	}
	for(int i=0;i<G.vexnum;i++){
		G.vexs[i] = i;
	}
	cout<<"
Please Input All Directed Edges and their Weight now:";
	cout<<"
Directed Edges(i,j,weight): "<<endl;
	int i,j;
	int weight;
	for(int k=0;k<G.arcnum;k++){
//		cout<<"("<<(k+1)<<") ";
		cin>>i;cin>>j;cin>>weight;
		G.arcs[i][j] = weight;
	}
	cout<<endl;
}

• 4> Dijkstra算法：求解单源最短路径

void ShortestPath_Dijkstra(AMGraph G, int V0){
	//step1 n个顶点依次初始化
	int n =G.vexnum;  
	for(int v=0;v<n;v++){
		S[v] = false;
		D[v] = G.arcs[V0][v];
		if(D[v]<MaxInt){
			Path[v] = V0;
		} else {
			Path[v] = -1;
		}
	}
	//step2 将源点V0划入已确定集合S中 
	S[V0] = true;
	D[V0] = 0; // 源点V0到源点V0的最短路径长度必然为0
	//step3 贪心算法策略：
	//			3.1 循环遍历所有结点：
	//				3.2 先确定当前最短路径的终点v；
	//				3.3 然后，将v划入已确定集合S中；
	//				3.4 最后，以利用结点v更新所有尚未确定的结点的最短路径
	int v;
	int min;
	D[G.vexnum] = MaxInt;
	for(int i=1;i<n;i++){//3.1循环遍历所有结点 （即 求从源点V0到图中每一顶点(共计n-1个顶点)的最短路径） 
		//3.2 确定当前最短路径的终点v；
		min = MaxInt;
		for(int w=0;w<n;w++){
			if(S[w]==false && D[w]<min){//比本轮循环中，已知的最短路径还短 【易错/易漏】 S[w]==false ： 必须满足当前结点 Vw 属于尚未确定的结点 
				v = w;
				min = D[w];
			}
		}
		//3.3 然后，将v划入已确定集合S中；
		S[v] = true;
		//3.4 最后，以利用结点v更新所有尚未确定的结点的最短路径
		for(int w=0;w<n;w++){
			//↓更新Vw结点的最短路径长度为 D[v] + G.arcs[v][w] 
			//cout<<"S["<<w<<"]:"<<S[w]<<"D["<<v<<"]"<<D[v]<<"G.arcs["<<v<<"]["<<w<<"]"<<"D["<<w<<"]"<<D[w]<<endl; 
			if(S[w]==false && (D[v] + G.arcs[v][w] < D[w])){//【易错/易漏】 S[w]==false ： 必须满足当前结点 Vw 属于尚未确定的结点 
				D[w] = D[v] + G.arcs[v][w];
				Path[w] = v; // 更新 结点Vw的前驱为 v 
			}
		}
		v = G.vexnum;
	} 
}

• 5> 输出结果 D[i]、Path[j]

void OutputD(AMGraph G, int V0){
	cout<<"Shortest Distance Weight of the Pair of Directed Vertices("<<V0<<", j):"<<endl; 
	for(int j=0;j<G.vexnum;j++){
		cout<<D[j]<<"	"; 
	}
	cout<<endl;
}

void OutputPath(AMGraph G,int V0){
	cout<<"Shortest Distance Path("<<V0<<",j) of the Pair of Directed Vertices:"<<endl; 
	for(int j=0;j<G.vexnum;j++){
		cout<<Path[j]<<"	"; 
	}
	cout<<endl;
}

• 6> 执行：Main函数

int main(){
	int V0; //源点V0的下标 
	AMGraph G;
	InitAMGraph(G);
	
	cout<<"Please Input the Index of Source Node 'V0':";
	cin>>V0;
	ShortestPath_Dijkstra(G, V0);
	OutputD(G, V0);
	OutputPath(G, V0);
	return 0;
}

• 7> Test: Output of Main

Please Input Vertexs Number:6

Please Directed Edges Number:8

Please Input All Directed Edges and their Weight now:
Directed Edges(i,j,weight):
1 2 5
0 2 10
3 5 10
4 3 20
0 4 30
2 3 50
4 5 60
0 5 100

Please Input the Index of Source Node 'V0':0

Shortest Distance Weight of the Pair of Directed Vertices(0, j):
0       32767   10      50      30      60

Shortest Distance Path(0,j) of the Pair of Directed Vertices:
0       -1      0       4       0       3

2 参考文献

• 《数据结构(C语言版/ 严蔚敏 李冬梅 吴伟民 编)》