Dijkstra's Algorithm分析以及其优化
来源:互联网 发布:淘宝助理手机版最新 编辑:程序博客网 时间:2024/05/29 16:47
Dijkstra's Algorithm
传统的Dijkstra:
适用于单源无负权边最短路问题。
算法步骤:
a.初始时,S只包含源点,即S={v},v的距离为0。
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;
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。
d.重复步骤b和c直到所有顶点都包含在S中。
//核心代码:void Dijkstra(int s,int t)//s为起点{//t为终点 int temp, k; ans=-1; for (int i=0; i<n; i++)//对起点邻点操作 { dis[i]=map[s][i]; vis[i]=0; } dis[s]=0; vis[s]=1;//说明s点已被标记for (int i=0; i<n; i++) { temp = inf;//inf为超大的数 for (int j=0; j<n; j++) {if(vis[j]==0 && temp > dis[j]) {//j没有被标记且是已知点最小的 k=j; temp=dis[j]; } } if(temp == inf) //说明全被标记 break; vis[k]=1; for (int j=0; j<n; j++) {//看通过k点是否会取得更小值 if(dis[j] > dis[k] + map[k][j]) dis[j]=dis[k]+map[k][j]; } } if(dis[t]!=inf) ans = dis[t];}
(1)用邻接矩阵arcs来存储网络图,其存储量为
NxN。对于大型稀疏矩阵,这将耗费大量资源存储那些
无意义的矩阵元素。
(2)当从未标记节点集合T选定下一个节点vj作
中间节点后,在更新操作过程中,需要扫描所有的未标
记节点并进行比较更新。而未标记节点集合T中往往
包含大量与中间节点V;不直接相连的节点。
(3)在选择下一个最短路径节点作为中间节点时,
需要比较所有的未标记节点。而这个中间节点往往包含
在与已标记节点S集合的所有节点邻接的节点中。
(4)在算法的每次迭代中,由于未标记节点以无序
的形式存放在一个链表中或一个数组中.每次选择最短
路径节点都必须将所有未标记节点扫描一遍,当节点数
目很大时,这无疑将成为制约计算速度的关键冈素。
NxN。对于大型稀疏矩阵,这将耗费大量资源存储那些
无意义的矩阵元素。
(2)当从未标记节点集合T选定下一个节点vj作
中间节点后,在更新操作过程中,需要扫描所有的未标
记节点并进行比较更新。而未标记节点集合T中往往
包含大量与中间节点V;不直接相连的节点。
(3)在选择下一个最短路径节点作为中间节点时,
需要比较所有的未标记节点。而这个中间节点往往包含
在与已标记节点S集合的所有节点邻接的节点中。
(4)在算法的每次迭代中,由于未标记节点以无序
的形式存放在一个链表中或一个数组中.每次选择最短
路径节点都必须将所有未标记节点扫描一遍,当节点数
目很大时,这无疑将成为制约计算速度的关键冈素。
基于优先队列的优化
#include<iostream>#include<cstdio>#include<cstring>#include<cstdlib>#include<cmath>#include<algorithm>#include<stack>#include<queue>#include<vector>using namespace std;#define INF 0x3f3f3f3f //定义一个很大的数 struct Node{ int num,val; //存放结点编号和到初始点的距离} nod;priority_queue<Node> qq;; //优先从小到大bool operator < (Node a,Node b){ if(a.val == b.val) return a.num>b.num; return a.val>b.val; //先出小}int book[100]; //检查这个点是否用过int dis[100]; //到原点最短距离int D[100][100]; //记录路径长度int V,E;int main(){ int a,b,d; while(cin>>V>>E && V&& E) //输入顶点数和边数 { while(!qq.empty()) qq.pop(); //清空 memset(book,0,sizeof(book)); memset(D,-1,sizeof(D)); for(int i=0; i<E; i++) { cin>>a>>b>>d; D[a][b] = D[b][a] = d; } for(int i=2; i<=V; i++) dis[i]=INF; dis[1]=0; nod.num=1; nod.val=0; qq.push(nod); //将起点放入队列 while(!qq.empty()) //不为空时 { for(int i=2; i<=V; i++) { if(D[qq.top().num][i] != -1 &&dis[i]>dis[qq.top().num] + D[qq.top().num][i]) { dis[i]=dis[qq.top().num] + D[qq.top().num][i]; nod.num=i; nod.val=dis[i]; qq.push(nod); } } qq.pop(); } for(int i=1; i<=V; i++) { cout<<"初始点到"<<i<<"点的距离为:"<<dis[i]<<endl; } } return 0;}
完全优化后空间复杂度可以从O(N*N)到O(4*N+E),时间复杂度可以从O(N*N)到O(n*(logN+E),具体复杂度分析不在此解析,详情可见参考论文。
在此只是在时间复杂度上有一定的优化,空间复杂度的优化可以用邻接表进行对边的存储。堆优化以及空间优化将在后续更新。本文参考:王战红1 孙明明2姚 瑶3《Dijkstra算法的分析与改进》的论文。
阅读全文
0 0
- Dijkstra's Algorithm分析以及其优化
- Dijkstra算法(Dijkstra's algorithm)
- Dijkstra\'s Algorithm
- Dijkstra's Algorithm
- Dijkstra's algorithm
- Dijkstra's Algorithm
- 算法学习 - Dijkstra's Algorithm
- 算法学习 - Dijkstra's Algorithm
- Dijkstra's shortest path algorithm
- Dijkstra’s shortest path algorithm
- 迪克斯特拉算法-- Dijkstra's Algorithm
- Dijkstra's Algorithm(迪杰斯特拉算法)
- 单源最短路Dijkstra's algorithm径
- Negative weights using Dijkstra's Algorithm
- Dijkstra's Algorithm of shortest path
- Dijkstra's Shortest-Path Algorithm Implementation(TODO)
- 图算法(1):Dijkstra's algorithm
- Use python to implement Dijkstra's algorithm
- 优先队列几个应用详解
- 0035_Search Insert Position
- 【HDU 6038 Problem Description】+ 思维
- 华为机试——合并表记录
- MySQL 临时表
- Dijkstra's Algorithm分析以及其优化
- 关于Tomcat中乱码的产生原因详解
- VINS-Mono源码解析(五)后端: 紧耦合优化
- JS中修改标签中元素的属性值
- MySQL 复制表
- JavaScript原型和闭包之---prototype与__proto__的关系(四)
- 扩展阅读 新闻
- 二分查找
- KMP模板