详解Java中Dijkstra(迪杰斯特拉)算法的图解与实现

2024-04-02 19:04:59 823人浏览八月长安

Python 官方文档：入门教程 => 点击学习

摘要

目录简介工作过程总体思路实现小根堆Dijsktra测试简介 Dijkstra(迪杰斯特拉)算法是典型的单源最短路径算法，用于计算一个节点到其他所有节点的最短路径。主要特点是以起始点为

简介

Dijkstra(迪杰斯特拉)算法是典型的单源最短路径算法，用于计算一个节点到其他所有节点的最短路径。主要特点是以起始点为中心向外层层扩展，直到扩展到终点为止。Dijkstra算法是很有代表性的最短路径算法，在很多专业课程中都作为基本内容有详细的介绍，如数据结构，图论，运筹学等等。注意该算法要求图中不存在负权边。对应问题：在无向图G=(V,E)中，假设每条边E(i)的长度W(i)，求由顶点V0到各节点的最短路径。

工作过程

Dijkstra算法将顶点集合分为两组，一组记录已经求得最短路径的顶点记为finallynodes，一组正在求解中的顶点记为processNodes，step1:finallyNodes中顶点最开始只有源节点，最短路径长度为0，而processNodes中包含除源节点以外的节点，并初始化路径长度，与源节点直接相连的记路径长度为权重，不相连的记为∞。step2:从process中选择路径长度最小的顶点，加入finallyNodes，并且更新processNodes，将与当前顶点相连的顶点路径长度更新为min（当前权重，当前顶点最短路径长度+当前顶点与顶点相连边权重）。step3:重复step2，直至processNodes数组为空。

总体思路

这次我想先描述一下自己的大概思路，下面再写具体实现。首先为了方便，我采用的是邻接表存储图结构，邻接表是一个二维数组，值存储权重。根据上面工作过程中描述的内容，我们会有两个中间集合记录，finallyNodes记录的是最终结果，我们只需要将计算的结果往里面塞即可。但是processNodes却是一个不断变化更新的集合，其中的操作包括删除节点，更改节点值，查找节点值，同时我们每次需要拿出processNodes中记录的距离最小的值，所以ProcessNodes准备用最小堆来做，那再删除节点，更改节点值之后都需要调整堆为最小堆，java自带的优先队列没有提供更改节点值的操作，因此我们这里需要自己实现一个小根堆，支持以上操作。然后就中规中矩实现dijkstra算法即可。

实现

小根堆

如果对堆不太熟悉的可以先看看这篇文章：堆（优先队列），这里就不过多解释了，直接贴代码。这里堆中存的数据格式为int二维数组,存储节点下标位置和对应距离，排序按存储的距离进行排序。

public class MinHeap {
       List<int[][]> heap ;
       
       public int[][] pop() {
           int[][] top = heap.get(0);
           heap.set(0, heap.get(heap.size() - 1));
           heap.remove(heap.size() - 1);
           //调整堆
           this.adjust(0, heap.size() - 1);
           return top;
      }

       
       public boolean isEmpty() {
           if (null == this.heap) {
               return true;
          }
           if (this.heap.size() == 0) {
               return true;
          }
           return false;
      }
       
       public void changeValue(int index, int value) {
           int src = heap.get(index)[0][1];
           heap.get(index)[0][1] = value;
           //直接比较当前值是变大还是变小,然后考虑是向上调整还是向下调整
           //则当前值可能往上移动
           if (src > value) {
               this.upAdjust(index);
               return;
          }
           this.adjust(index, heap.size() - 1);
      }

       public void upAdjust(int index) {
           //依次与双亲节点进行比较，小于双亲节点就直接交换。一直到根节点
           while (index > 0) {
               int parent = index >> 1;
               //双亲节点本来小于当前节点不需要进行调整
               if (heap.get(parent)[0][1] <= heap.get(index)[0][1]) {
                   break;
              }
               swap(index, parent);
               index = parent;
          }
      }
       
       
       public void init(int[][] nums) {
           heap = new ArrayList<>(nums.length);
           for (int i = 0 ; i < nums.length; i ++) {
               int[][] temp = new int[1][2];
               temp[0][0] = nums[i][0];
               temp[0][1] = nums[i][1];
               heap.add(temp);
          }
           //从最后一个双亲节点开始将堆进行调整
           for (int i = nums.length / 2 ; i >= 0 ; -- i) {
               this.adjust(i, nums.length - 1);
          }
      }
       
       private void adjust(int index, int end) {
           //找到当前节点的孩子节点，将较小的节点与当前节点交换，一直往下，直至end
           while (index <= end) {
               //左孩子节点
               int left = index << 1;
               if (left + 1 <= end && heap.get(left + 1)[0][1] < heap.get(left)[0][1] ) {
                   //找到当前较小的节点
                   ++ left;
              }
               //没有孩子节点，或者当前的孩子节点均已大于当前节点，已符合最小堆，不需要进行调整
               if (left > end || heap.get(index)[0][1] <= heap.get(left)[0][1]) {
                   break;
              }
               swap(index, left);
               index = left;
          }
      }
       private void swap(int i, int j) {
           int[][] temp = heap.get(i);
           heap.set(i, heap.get(j));
           heap.set(j, temp);
      }
  }

Dijsktra

数据结构

图节点仅存储节点值，一个Node数组nodes，存储图中所有节点，一个二维数组adjacencyMatrix，存储图中节点之间边的权重，行和列下标与nodes数组下标对应。

//节点
Node[] nodes;

//邻接矩阵
int[][] adjacencyMatrix;
public class Node {
       private char value;
       Node(char value) {
           this.value = value;
      }
  }

初始化

初始化图values标志的图中所有节点值，edges标志图中边，数据格式为（node1的下标，node2的下标，边权重）

private void initGraph(char[] values, String[] edges) {
       nodes = new Node[values.length];
//初始化node节点
       for (int i = 0 ; i < values.length ; i ++) {
           nodes[i] = new Node(values[i]);
      }
       adjacencyMatrix = new int[values.length][values.length];
//初始化邻接表，同一个节点权重记为0，不相邻节点权重记为Integer.MAX_VALUE
       for (int i = 0 ; i < values.length ; i++) {
           for (int j = 0 ; j < values.length ; j ++) {
               if (i == j) {
                   adjacencyMatrix[i][j] = 0;
                   continue;
              }
               adjacencyMatrix[i][j] = Integer.MAX_VALUE;
               adjacencyMatrix[j][i] = Integer.MAX_VALUE;
          }
      }
//根据edges更新相邻节点权重值
       for (String edge : edges) {
           String[] node = edge.split(",");
           int i = Integer.valueOf(node[0]);
           int j = Integer.valueOf(node[1]);
           int weight = Integer.valueOf(node[2]);
           adjacencyMatrix[i][j] = weight;
           adjacencyMatrix[j][i] = weight;
      }
       visited = new boolean[nodes.length];

  }

初始化dijsktra算法必要的finallyNodes和processNodes


boolean[] visited;
   
   List<int[][]> finallyNodes;
   
   MinHeap processNodes;

   private void initDijkstra(int nodeIndex) {
       finallyNodes = new ArrayList<>(nodes.length);
       processNodes = new MinHeap();
       int[][] node = new int[1][2];
       node[0][0] = nodeIndex;
       node[0][1] = adjacencyMatrix[nodeIndex][nodeIndex];
       finallyNodes.add(node);
       visited[nodeIndex] = true;
       int[][] process = new int[nodes.length - 1][2];
       int j = 0;
       for (int i = 0 ; i < nodes.length ; i++) {
           if (i == nodeIndex) {
               continue;
          }
           process[j][0] = i;
           process[j][1] = adjacencyMatrix[nodeIndex][i];
           ++ j;
      }
       //初始化最小堆
       processNodes.init(process);
  }

dijsktra算法实现

public void dijkstra() {
       //1。堆顶取出最小元素，加入finallyNodes
//2。将与堆顶元素相连节点距离更新，
       while (!processNodes.isEmpty()) {
           int[][] head = processNodes.pop();
           finallyNodes.add(head);
           int nodeIndex = head[0][0];
           visited[nodeIndex] = true;
           //跟堆顶元素相邻的元素
           for (int j = 0 ; j < nodes.length ; j ++) {
               //找到相邻节点
               if (visited[j] || Integer.MAX_VALUE == adjacencyMatrix[nodeIndex][j]) {
                   continue;
              }
               for (int i = 0 ; i < processNodes.heap.size() ; i++) {
                   int[][] node = processNodes.heap.get(i);
                   //找到节点并且值变小，需要调整
                   if (node[0][0] == j && node[0][1] > head[0][1] + adjacencyMatrix[nodeIndex][j]) {
                       processNodes.changeValue(i, head[0][1] + adjacencyMatrix[nodeIndex][j]);
                       break;
                  }
              }
          }

      }
  }

测试

public static void main(String[] args) {
       char[] values = new char[]{'A','B','C','D','E','F','G','H'};
       String[] edges = new String[]{"0,1,2","0,2,3","0,3,4","1,4,6","2,4,3","3,4,1","4,5,1","4,6,4","5,7,2","6,7,2"};
       Dijkstra dijkstra = new Dijkstra();
       dijkstra.initGraph(values, edges);
       int startNodeIndex = 0;
       dijkstra.initDijkstra(startNodeIndex);
       dijkstra.dijkstra();
       for (int[][] node : dijkstra.finallyNodes) {
           System.out.println(dijkstra.nodes[node[0][0]].value + "距离" + dijkstra.nodes[startNodeIndex].value + "最短路径为：" + node[0][1]);
      }
  }