目录
1概述编辑
最短路径问题是图论研究中的一个经典算法问题,
旨在寻找图(由结点和路径组成的)中两结点之间的最短路径。 算法具体的形式包括:
确定起点的最短路径问题 -
即已知起始结点,求最短路径的问题。
确定终点的最短路径问题 -
与确定起点的问题相反,该问题是已知终结结点,求最短路径的问题。在无向图中该问题与确定起点的问题完全等同,在有向图中该问题等同于把所有路径方向反转的确定起点的问题。
确定起点终点的最短路径问题 -
即已知起点和终点,求两结点之间的最短路径。
全局最短路径问题 - 求图中所有的最短路径。
2解决方法编辑
综述
用于解决最短路径问题的算法被称做“最短路径算法”,
有时被简称作“路径算法”。 最常用的路径算法有:
Johnson算法
所谓单源最短路径问题是指:已知图G=(V,E),我们希望找出从某给定的源结点S∈V到V中的每个结点的最短路径。
首先,我们可以发现有这样一个事实:如果P是G中从vs到vj的最短路,vi是P中的一个点,那么,从vs沿P到vi的路是从vs到vi的最短路。
Dijkstra算法
Dijkstra(迪杰斯特拉)算法是典型的最短路径路由算法,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算法能得出最短路径的最优解,但由于它遍历计算的节点很多,所以效率低。
Dijkstra算法是很有代表性的最短路算法,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。
Dijkstra一般的表述通常有两种方式,一种用永久和临时标号方式,一种是用OPEN,
CLOSE表方式,Drew为了和下面要介绍的 A* 算法和 D* 算法表述一致,这里均采用OPEN,CLOSE表的方式。
其采用的是贪心法的算法策略
大概过程:
创建两个表,OPEN, CLOSE。
OPEN表保存所有已生成而未考察的节点,CLOSED表中记录已访问过的节点。
1.
访问路网中距离起始点最近且没有被检查过的点,把这个点放入OPEN组中等待检查。
2.
从OPEN表中找出距起始点最近的点,找出这个点的所有子节点,把这个点放到CLOSE表中。
3.
遍历考察这个点的子节点。求出这些子节点距起始点的距离值,放子节点到OPEN表中。
4.
重复第2和第3步,直到OPEN表为空,或找到目标点。
C语言描述
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 |
voidShortest_DIJ(MGraphG,intv0,PathMatrix&p,ShortPathTable&d) { //用Dijkstra算法求有向网G的v0顶点到其余顶点v的最短路径p[v]及其带权长度d[v] //若p[v][w]为TRUE,则w是从v0到v当前求得最短路径上的顶点 //final[v]为TRUE当且仅当v属于s,记已经求得从v0到v的最短路径 for (v=0;v<G.vexnum;++v) { final[v]=FALSE; d[v]=G.arcs[v0][v]; //arcs[v0][v]表示(v0,v)的权值 for (w=0;w<G.vexnum;++w) p[v][w]=FALSE; //设空路径 if (d[v]<INFINITY) { p[v][v0]=TRUE;p[v][v]=TRUE; } } d[v0]=0;final[v0]=TRUE; //开始主循环,每次求得v0到某个顶点v的最短路径,并加v到s集 for (i=1;i<G.vexnum;++i) //其余G.vexnum-1个顶点 { min=INFINITY; //当前所知离v0最近的点 for (w=0;w<G.vexnum;++w) if (!final[w]) //w顶点在V-S中 if (d[w]<min) {v=w;min=d[w];} final[v]=TRUE; //离v0更近的v加入S集 for (w=0;w<G.vexnum;++w)更新当前最短路径及距离 if (!final[w]&&(min+G.arcs[v][w]<d[w])) { d[w]=min+g,arcs[v][w]; p[w]=p[v];p[w][w]=TRUE; } } } |
词条标签: