【算法基础实验】图论-Dijkstra最短路径

理论知识

边的放松

边的放松(Edge Relaxation)是图算法中的一个关键操作,主要用于解决最短路径问题。它的核心思想是在遍历图的过程中,通过比较和更新路径的长度,逐步找到从起点到每个顶点的最短路径。

边的放松过程

假设我们有一个从顶点 v 到顶点 w 的边 e,其权重为 weight(v, w)。边的放松操作如下:

  1. 检查当前路径:检查通过 v 到达 w 的路径是否比已经记录的从起点到 w 的路径更短。
  2. 更新路径:如果通过 v 到达 w 的路径更短,则更新 w 的最短路径长度,并将 w 的前驱顶点设置为 v。

数学表达式为:

IF

d i s t T o [ w ] > d i s t T o [ v ] + w e i g h t ( v , w ) distTo[w]>distTo[v]+weight(v,w) distTo[w]>distTo[v]+weight(v,w)

THEN

d i s t T o [ w ] = d i s t T o [ v ] + w e i g h t ( v , w ) distTo[w]=distTo[v]+weight(v,w) distTo[w]=distTo[v]+weight(v,w)

e d g e T o [ w ] = e edgeTo[w]=e edgeTo[w]=e

其中:

  • distTo[w] 表示从起点到 w 的当前已知最短路径长度。
  • distTo[v] + weight(v, w) 表示通过 v 到达 w 的路径长度。
  • edgeTo[w] 表示当前最短路径中 w 的前驱节点。

已知树结点所对应的 distTo[] 值均为最短路径的长度。对于优先队列中的任意顶点 w,distTo[w]是从 s 到 w 的最短路径的长度,该路径上的中间顶点在树中且路径结束于横切边edgeTo[w]。优先级最小的顶点的 distTo[] 值就是最短路径的权重,它不会小于已经被放松过的任意顶点的最短路径的权重,也不会大于还未被放松过的任意顶点的最短路径的权重。这个顶点就是下一个要被放松的顶点。所有从 s 可达的顶点都会按照最短路径的权重顺序被放松。

实验数据

java 复制代码
8
15
4 5 0.35
5 4 0.35
4 7 0.37
5 7 0.28
7 5 0.28
5 1 0.32
0 4 0.38
0 2 0.26
7 3 0.39
1 3 0.29
2 7 0.34
6 2 0.40
3 6 0.52
6 0 0.58
6 4 0.93

算法轨迹

是算法处理样图 tinyEWD.txt 时的轨迹。在这个例子中,算法构造最短路径

树的过程如下所述。

将顶点 0 添加到树中,将顶点 2 和 4 加入优先队列。

从优先队列中删除顶点 2,将 0 → 2 添加到树中,将顶点 7 加入优先队列。

从优先队列中删除顶点 4,将 0 → 4 添加到树中,将顶点 5 加入优先队列,边

4 → 7 失效。

从优先队列中删除顶点 7,将 2 → 7 添加到树中,将顶点 3 加入优先队列,边

7 → 5 失效。

从优先队列中删除顶点 5,将 4 → 5 添加到树中,将顶点 1 加入优先队列,边

5 → 7 失效。

从优先队列中删除顶点 3,将 7 → 3 添加到树中,将顶点 6 加入优先队列。

从优先队列中删除顶点 1,将 5 → 1 添加到树中,边 1 → 3 失效。

从优先队列中删除顶点 6,将 3 → 6 添加到树中。

代码实现

java 复制代码
import edu.princeton.cs.algs4.In;
import edu.princeton.cs.algs4.StdOut;

public class myDijkstraSP {
    private myDirectedEdge[] edgeTo;
    private double[] distTo;
    private myIndexMinPQ<Double> pq;

    public myDijkstraSP(myEdgeWeightedDigraph G, int s)
    {
        edgeTo = new myDirectedEdge[G.V()];
        distTo = new double[G.V()];
        pq = new myIndexMinPQ<Double>(G.V());
        for(int v = 0; v<G.V(); v++)
            distTo[v] = Double.POSITIVE_INFINITY;
        distTo[s] = 0.0;
        pq.insert(s,0.0);
        while(!pq.isEmpty())
            relax(G,pq.delMin());
    }
    private void relax(myEdgeWeightedDigraph G, int v)
    {
        for(myDirectedEdge e:G.adj(v))
        {
            int w = e.to();
            if(distTo[w] > distTo[v] + e.weight())
            {
                distTo[w] = distTo[v] + e.weight();
                edgeTo[w] = e;
                if(pq.contains(w)) pq.change(w,distTo[w]);
                else pq.insert(w,distTo[w]);
            }
        }
    }
    public double distTo(int v) {return distTo[v];}
    public boolean hasPathTo(int v)
    { return distTo[v]<Double.POSITIVE_INFINITY;}
    public Iterable<myDirectedEdge> pathTo(int v)
    {
        if(!hasPathTo(v)) { return null; }
        myLInkedStack<myDirectedEdge> path = new myLInkedStack<myDirectedEdge>();
        for(myDirectedEdge e = edgeTo[v];e!=null;e = edgeTo[e.from()])
            path.push(e);
        return path;
    }
    public static void main(String[] args)
    {
        myEdgeWeightedDigraph G = new myEdgeWeightedDigraph(new In(args[0]));
        int s = Integer.parseInt(args[1]);
        myDijkstraSP sp = new myDijkstraSP(G,s);

        for(int i = 0; i<G.V(); i++)
        {
            StdOut.print(s + " to " + i);
            StdOut.printf(" (%.2f): ",sp.distTo(i));
            if(sp.hasPathTo(i))
                for(myDirectedEdge e:sp.pathTo(i))
                    StdOut.print(e + "  ");
            StdOut.println();
        }
    }
}

代码详解

这段代码实现了 Dijkstra 最短路径算法,用于计算加权有向图中从给定起点到所有其他顶点的最短路径。Dijkstra 算法是一种广泛应用的图算法,特别适用于边权重非负的图。下面我们将详细讲解代码的各个部分。

类变量和构造函数

java 复制代码
private myDirectedEdge[] edgeTo;  // 存储从起点到每个顶点的最短路径上的最后一条边
private double[] distTo;          // 存储从起点到每个顶点的最短路径长度
private myIndexMinPQ<Double> pq;  // 索引优先队列,用于动态找到具有最小distTo值的顶点


public myDijkstraSP(myEdgeWeightedDigraph G, int s) {
    edgeTo = new myDirectedEdge[G.V()];
    distTo = new double[G.V()];
    pq = new myIndexMinPQ<Double>(G.V());
    for (int v = 0; v < G.V(); v++)
        distTo[v] = Double.POSITIVE_INFINITY;
    distTo[s] = 0.0;
    pq.insert(s, 0.0);
    while (!pq.isEmpty())
        relax(G, pq.delMin());
}

edgeTo:存储到达每个顶点的最短路径的最后一条边,用于在构建路径时回溯。

distTo:存储从起点 s 到每个顶点的最短路径长度。初始化为正无穷大(表示未知路径),起点 s 的距离设置为 0.0。

pq:索引优先队列,用于在算法执行过程中动态获取当前距离最短的顶点。

构造函数:初始化 edgeTo 和 distTo 数组,设置起点 s 的初始距离,并将 s 插入优先队列,然后开始循环放松(relax)过程,逐步确定最短路径。

relax 方法

java 复制代码
private void relax(myEdgeWeightedDigraph G, int v) {
    for (myDirectedEdge e : G.adj(v)) {
        int w = e.to();
        if (distTo[w] > distTo[v] + e.weight()) {
            distTo[w] = distTo[v] + e.weight();
            edgeTo[w] = e;
            if (pq.contains(w)) pq.change(w, distTo[w]);
            else pq.insert(w, distTo[w]);
        }
    }
}

功能:relax 方法用于"放松"从顶点 v 出发的所有边。对于每条边 e(从 v 到 w),如果通过 v 到达 w 的路径比当前已知的最短路径更短,则更新 distTo[w] 和 edgeTo[w],并更新优先队列 pq。

放松操作:如果通过 v 到达 w 的路径更短(即 distTo[v] + e.weight() 小于 distTo[w]),就更新 distTo[w] 和 edgeTo[w],并调整优先队列中的位置。

其他方法

java 复制代码
public double distTo(int v) { return distTo[v]; }

public boolean hasPathTo(int v) { return distTo[v] < Double.POSITIVE_INFINITY; }

public Iterable<myDirectedEdge> pathTo(int v) {
    if (!hasPathTo(v)) { return null; }
    myLInkedStack<myDirectedEdge> path = new myLInkedStack<myDirectedEdge>();
    for (myDirectedEdge e = edgeTo[v]; e != null; e = edgeTo[e.from()])
        path.push(e);
    return path;
}

distTo(int v):返回从起点 s 到顶点 v 的最短路径长度。

hasPathTo(int v):检查从起点 s 到顶点 v 是否存在路径(即 distTo[v] 是否为正无穷大)。

pathTo(int v):返回从起点 s 到顶点 v 的最短路径。通过回溯 edgeTo 数组构建路径。

main 方法

java 复制代码
public static void main(String[] args) {
    myEdgeWeightedDigraph G = new myEdgeWeightedDigraph(new In(args[0]));
    int s = Integer.parseInt(args[1]);
    myDijkstraSP sp = new myDijkstraSP(G, s);

    for (int i = 0; i < G.V(); i++) {
        StdOut.print(s + " to " + i);
        StdOut.printf(" (%.2f): ", sp.distTo(i));
        if (sp.hasPathTo(i))
            for (myDirectedEdge e : sp.pathTo(i))
                StdOut.print(e + "  ");
        StdOut.println();
    }
}

main 方法:从文件读取有向加权图 G,然后调用 myDijkstraSP 类计算从给定起点 s 出发的最短路径。

打印结果:对于每个顶点 i,打印从起点 s 到 i 的最短路径和路径长度。如果路径存在,则按顺序打印路径上的每条边。

总结

这段代码实现了 Dijkstra 最短路径算法。通过优先队列 myIndexMinPQ,代码能够高效地找到当前最短路径,并通过 relax 操作不断优化和更新路径信息。最终,算法能够求得从给定起点到图中所有其他顶点的最短路径,并通过 pathTo 方法返回最短路径的具体边。

实验步骤

实验步骤

java 复制代码
C:\Users\xyz\IdeaProjects\algrithoms\src>javac myDijkstraSP.java 

C:\Users\xyz\IdeaProjects\algrithoms\src>java myDijkstraSP data\tinyEWD.txt 0
0 to 0 (0.00): 
0 to 1 (1.05): 0 -> 4 0.38  4 -> 5 0.35  5 -> 1 0.32
0 to 2 (0.26): 0 -> 2 0.26
0 to 3 (0.99): 0 -> 2 0.26  2 -> 7 0.34  7 -> 3 0.39
0 to 4 (0.38): 0 -> 4 0.38
0 to 5 (0.73): 0 -> 4 0.38  4 -> 5 0.35
0 to 6 (1.51): 0 -> 2 0.26  2 -> 7 0.34  7 -> 3 0.39  3 -> 6 0.52
0 to 7 (0.60): 0 -> 2 0.26  2 -> 7 0.34

辅助方法

myDirectedEdge

java 复制代码
public class myDirectedEdge {
    private int v;
    private int w;
    private final double weight;
    public myDirectedEdge(int v, int w, double weight)
    {
        this.v = v;
        this.w = w;
        this.weight = weight;
    }
    public double weight()
    { return weight; }
    public int from()
    { return v; }
    public int to()
    { return w; }
    public String toString()
    { return String.format("%d -> %d %.2f",v,w,weight); }
}

myEdgeWeightedDigraph

java 复制代码
import edu.princeton.cs.algs4.In;
import edu.princeton.cs.algs4.StdOut;

public class myEdgeWeightedDigraph {
    private myBag<myDirectedEdge>[] adj;
    private int V;
    private int E;
    private static final String NEWLINE = System.getProperty("line.separator");

    public myEdgeWeightedDigraph(int V)
    {
        this.V = V;
        this.E = 0;
        adj = (myBag<myDirectedEdge>[]) new myBag[V];
        for(int v=0;v<V;v++)
            adj[v] = new myBag<myDirectedEdge>();
    }
    public myEdgeWeightedDigraph(In in)
    {
        this(in.readInt());
        int E = in.readInt();
        for(int i = 0; i<E; i++)
        {
            int v = in.readInt();
            int w = in.readInt();
            double weight = in.readDouble();
            myDirectedEdge e = new myDirectedEdge(v,w,weight);
            addEdge(e);
        }
    }
    public void addEdge(myDirectedEdge e)
    {
        adj[e.from()].add(e);
        E++;
    }
    public int V() {return V;}
    public int E() {return E;}
    public Iterable<myDirectedEdge> adj(int v) { return adj[v]; }
    public Iterable<myDirectedEdge> edges()
    {
        myBag<myDirectedEdge> bag = new myBag<myDirectedEdge>();
        for(int v = 0;v<V;v++)
            for(myDirectedEdge e:adj[v])
                bag.add(e);
        return bag;
    }
    public String toString() {
        StringBuilder s = new StringBuilder();
        s.append(V + " vertexes " + E + " edges " + NEWLINE);
        for (int v = 0; v < V; v++) {
            s.append(v + ": ");
            for (myDirectedEdge e : adj[v]) {
                s.append(e + "  ");
            }
            s.append(NEWLINE);
        }
        return s.toString();
    }
    public static void main(String[] args)
    {
        In in = new In(args[0]);
        myEdgeWeightedDigraph G = new myEdgeWeightedDigraph(in);
        StdOut.println(G);
    }
}
相关推荐
Theodore_10222 小时前
4 设计模式原则之接口隔离原则
java·开发语言·设计模式·java-ee·接口隔离原则·javaee
网易独家音乐人Mike Zhou2 小时前
【卡尔曼滤波】数据预测Prediction观测器的理论推导及应用 C语言、Python实现(Kalman Filter)
c语言·python·单片机·物联网·算法·嵌入式·iot
冰帝海岸3 小时前
01-spring security认证笔记
java·笔记·spring
世间万物皆对象3 小时前
Spring Boot核心概念:日志管理
java·spring boot·单元测试
没书读了4 小时前
ssm框架-spring-spring声明式事务
java·数据库·spring
小二·4 小时前
java基础面试题笔记(基础篇)
java·笔记·python
开心工作室_kaic4 小时前
ssm161基于web的资源共享平台的共享与开发+jsp(论文+源码)_kaic
java·开发语言·前端
懒洋洋大魔王4 小时前
RocketMQ的使⽤
java·rocketmq·java-rocketmq
武子康4 小时前
Java-06 深入浅出 MyBatis - 一对一模型 SqlMapConfig 与 Mapper 详细讲解测试
java·开发语言·数据仓库·sql·mybatis·springboot·springcloud
转世成为计算机大神5 小时前
易考八股文之Java中的设计模式?
java·开发语言·设计模式