- 顶点下标查找函数(LocateVex)
- 创建有向网(CreateDN)
- 打印图函数(print)
- 展示最短路径函数(displayPath)
- 查找当前最短路径函数(FindMinDist)
- 迪杰斯特拉算法(ShortestPath_Dijkstra)
单源点最短路径
- 什么叫单源点最短路径?
- 单源点指的就是单一的起始点,那么单源点最短路径指的就是,从单一起始点到其余顶点的最短路径。
- 网图与非网图的单源点最短路径
- 对于非网图而言,最短路径表示的是由起始点到终点需要经过的最少路径条数
- 对于网图而言,最短路径表示的是由起始点到终点,所需花费的最少代价,也就是路径权值总和最小

最短路径算法
- 对于网(带权图)而言,求两点之间的最短路径有两种算法:迪杰斯特拉(Dijkstra算法)和 弗洛伊德(Floyd算法)
- 单源最短路径—迪杰斯特拉算法:从一个起始点出发,到达一个终点
- 多源最短路径—弗洛伊德算法:求每一对顶点之间的最短路径
Prim算法与Dijskra算法的同异之处
- 迪杰斯特拉算法处处可见普里姆算法的影子,大体上两者都是在寻找当前情况下的最短边,而不同之处在于,迪杰斯特拉算法做了路程的累加(见下代码第42-46行)。
void ShortestPath_Dijkstra(MGraph *G,VertexType start)
{
int i,j,num;
int loc;
int min;
int dist[VertexMax];//最短路径长度数组
int path[VertexMax];//最短路径数组
int s[VertexMax];//代表集合S(1代表该顶点已处理,属于集合S;0代表该顶点未处理,不属于集合S,属于集合V-S)
//1.初始化dist和path数组
loc=LocateVex(G,start);//获取源点的下标位置
for(i=0;i<G->vexnum;i++)
{
dist[i]=G->AdjMatrix[loc][i];//初始化dist数组
if(dist[i]!=MaxInt)//初始化path数组
{
path[i]=loc;
}
else
{
path[i]=-1;
}
}
//2.初始化S数组(s数组:代表集合S,1代表该元素属于集合S(已处理的顶点),0该元素不属于集合S(未处理的顶点))
for(i=0;i<G->vexnum;i++)
{
s[i]=0;
}
s[loc]=1;//代表起始点(源点)以处理完毕
num=1;
//3.
while(num<G->vexnum)
{
min=FindMinDist(dist,s,G->vexnum);//在dist数组中查找其对应s[i]=0,即未处理的最小值元素
s[min]=1;//将找到的最短边所对应的的顶点加入集合S
for(i=0;i<G->vexnum;i++)//加入新的顶点后,更新dist和path数组
{
if((s[i]==0)&&(dist[i]>dist[min]+G->AdjMatrix[min][i]))//路径累加
{
dist[i]=dist[min]+G->AdjMatrix[min][i];
path[i]=min;
}
}
num++;
}
}
Dijskra执行流程:



(本人懒得作图,此处借用懒猫老师文图演示)
- 算法步骤:
- 初始化:
1.1 初始化dist[i]数组
1.2 根据dist[i]数组来初始化path[i]数组
1.3 初始化S集合,也就是初始化s[i]数组 - 查找后续顶点,不断地累加、更新、迭代,生成最短路径。(Dijskra算法核心部分)
(注:迪杰斯特拉算法并不能直接生成最短路径,但是算法将最短路径信息保存在dist数组和path数组中。)
如何根据dist和path数组输出最短路径?
- dist数组中保存的是起始点到数组下标对应顶点的路径长度(累加的结果)
- path数组中保存的是对应path数组下标顶点的前驱顶点(前一个顶点)

- 所以我们可以将终点带入path数组中,在一步步反推回起始点,即可得到反序最短路径
- 此时我们再将反序最短路径放入一个数组中,在反序输出即可
- 具体实现于函数displayPath
完整源代码
#include <stdio.h>
#include <stdlib.h>
#define VertexMax 20

本文深入解析了迪杰斯特拉算法,一种用于求解单源点最短路径的经典算法。详细介绍了算法的执行流程、核心步骤,以及如何在邻接矩阵中查找最短路径。通过具体的代码实例,展示了算法的具体实现过程。
&spm=1001.2101.3001.5002&articleId=106841002&d=1&t=3&u=215a9db5b52147c08a3e5a8f5cd5b252)
87万+

被折叠的 条评论
为什么被折叠?



