Skip to content
酷学小栈

C++Dijkstra算法

📚 Dijkstra 算法详解(C++) 1. 什么是 Dijkstra 算法? Dijkstra 算法 是一种用于 计算单源最短路径 的经典算法。它可以在 加权有向图或无向图 中找到 从起点到其他所有节点的最短路径 。 1.1 适用范围 图中 没有负权边 (有负权边时应使用 Bellman Ford 算法 )。…

On this page
  1. 1. 什么是 Dijkstra 算法?
  2. 1.1 适用范围
  3. 1.2 基本思想
  4. 2. Dijkstra 算法步骤
  5. 2.1 初始化
  6. 2.2 过程
  7. 2.3 结束
  8. 3. C++ 实现 Dijkstra 算法
  9. 3.1 邻接表表示的 Dijkstra 算法
  10. 4. 代码解析
  11. 4.1 数据结构
  12. 4.2 算法流程
  13. 5. 时间与空间复杂度
  14. 6. Dijkstra 算法的应用
  15. 7. 注意事项
  16. 8. 总结

📚 Dijkstra 算法详解(C++)

1. 什么是 Dijkstra 算法?

Dijkstra 算法是一种用于计算单源最短路径的经典算法。它可以在加权有向图或无向图中找到从起点到其他所有节点的最短路径。

1.1 适用范围

  • 图中没有负权边(有负权边时应使用 Bellman-Ford 算法)。
  • 可以处理稠密图(邻接矩阵)和稀疏图(邻接表)。

1.2 基本思想

  • 使用贪心策略:每次选择当前距离起点最近的节点,并更新其相邻节点的最短路径。
  • 使用一个优先队列(小顶堆)来加速找到当前最短路径的节点。

2. Dijkstra 算法步骤

2.1 初始化

  1. 设定一个源点(起始节点)。
  2. 将源点到自身的距离设为 0,其他所有节点的距离设为 无穷大(∞)。
  3. 使用优先队列(小顶堆)存储当前的节点和最短距离。

2.2 过程

  1. 从优先队列中取出当前距离最小的节点。
  2. 遍历该节点的所有相邻节点,更新相邻节点的最短路径:
    d[v] = min(d[v], d[u] + w(u, v))
    其中:
    • ( d[v] ):当前到节点 ( v ) 的最短距离。
    • ( d[u] ):起始点到当前节点 ( u ) 的最短距离。
    • ( w(u, v) ):从节点 ( u ) 到 ( v ) 的边的权重。
  3. 将更新后的节点重新加入优先队列。
  4. 重复上述步骤,直到优先队列为空。

2.3 结束

  • 当所有节点都被访问过后,算法结束。
  • 结果是源点到其他所有节点的最短路径。

3. C++ 实现 Dijkstra 算法

3.1 邻接表表示的 Dijkstra 算法

#include <iostream>
#include <vector>
#include <queue>
#include <climits>
using namespace std;
// 定义邻接表中的边
struct Edge {
int to; // 目标节点
int weight; // 边的权重
};
// Dijkstra 算法函数
void dijkstra(int start, const vector<vector<Edge>>& graph) {
int n = graph.size();
vector<int> dist(n, INT_MAX); // 存储从起点到每个节点的最短距离
vector<bool> visited(n, false); // 标记节点是否已经被访问
// 小顶堆:按最短距离排序
priority_queue<pair<int, int>, vector<pair<int, int>>, greater<pair<int, int>>> pq;
// 起点到自身的距离为 0
dist[start] = 0;
pq.push({0, start});
while (!pq.empty()) {
// 取出当前距离最小的节点
pair<int, int> current = pq.top();
pq.pop();
int currentDist = current.first; // 当前节点的最短距离
int u = current.second; // 当前节点的编号
// 如果当前节点已访问,则跳过
if (visited[u]) continue;
visited[u] = true;
// 遍历当前节点的所有邻接边
for (const Edge& edge : graph[u]) {
int v = edge.to;
int weight = edge.weight;
// 更新最短路径
if (!visited[v] && dist[u] + weight < dist[v]) {
dist[v] = dist[u] + weight;
pq.push({dist[v], v});
}
}
}
// 输出结果
cout << "Node\tShortest Distance from Source" << endl;
for (int i = 0; i < n; ++i) {
cout << i << "\t" << dist[i] << endl;
}
}
// 测试
int main() {
int n = 5; // 节点数
vector<vector<Edge>> graph(n);
// 添加边 (节点编号从 0 开始)
graph[0].push_back({1, 10});
graph[0].push_back({4, 5});
graph[1].push_back({2, 1});
graph[1].push_back({4, 2});
graph[2].push_back({3, 4});
graph[3].push_back({0, 7});
graph[3].push_back({2, 6});
graph[4].push_back({1, 3});
graph[4].push_back({2, 9});
graph[4].push_back({3, 2});
// 源点为节点 0
dijkstra(0, graph);
return 0;
}

4. 代码解析

4.1 数据结构

  • vector<vector<Edge>> graph:邻接表存储图结构。
  • vector<int> dist:存储从起点到各个节点的最短距离。
  • priority_queue:存储当前节点及其最短距离,使用小顶堆确保每次访问的是当前距离最小的节点。

4.2 算法流程

  1. 初始化所有节点的最短距离为 INT_MAX,源点距离为 0。
  2. 使用小顶堆维护每次要访问的最短距离节点。
  3. 访问节点并更新其相邻节点的最短距离。
  4. 如果有更短的路径,将节点重新加入到优先队列中。

5. 时间与空间复杂度

  • 时间复杂度:( O((V + E) \cdot \log V) )
    • ( V ):节点数
    • ( E ):边数
    • 每次从优先队列中取出节点需要 ( \log V ),遍历所有边共计 ( O(E) )。
  • 空间复杂度:( O(V + E) )
    • 存储邻接表和优先队列所需的空间。

6. Dijkstra 算法的应用

  1. 地图导航:计算最短路径。
  2. 网络路由:最短路径选择。
  3. 资源分配:在有限资源下的最优分配路径。
  4. 游戏开发:角色移动路径规划。

7. 注意事项

  • 不能处理负权边:负权边会导致路径更新出错。
  • 多源最短路径:需要对每个源点分别执行 Dijkstra 算法,或者使用 Floyd-Warshall 算法。

8. 总结

  • 核心思想:每次选择当前未访问节点中距离源点最近的节点,并更新其相邻节点的最短路径。
  • 关键数据结构:优先队列(小顶堆)。
  • 限制:不能有负权边。