Java 利用 Dijkstra 和 Floyd 算法分别求取图的最短路径可以分为以下几个步骤:
1. 建立图的数据结构
首先需要建立用于表示图的数据结构,通常可以使用邻接矩阵或邻接表来表示图。
以邻接矩阵为例,可以定义一个二维数组来表示图,数组中的每一个元素 a[i][j] 表示从节点 i 到节点 j 的边的权值。如果不存在从节点 i 到节点 j 的边,则 a[i][j] 的值设置为一个很大的数(如99999999)或者无穷大。
public class Graph {
private int[][] edges; // 图的邻接矩阵
private int numVertices; // 图中节点的个数
// 构造函数
public Graph(int numVertices) {
this.numVertices = numVertices;
edges = new int[numVertices][numVertices];
for (int i = 0; i < numVertices; i++) {
for (int j = 0; j < numVertices; j++) {
edges[i][j] = 0; // 初始化矩阵元素为0
}
}
}
// 添加一条边
public void addEdge(int source, int destination, int weight) {
edges[source][destination] = weight;
}
// 获取邻接矩阵
public int[][] getMatrix() {
return edges;
}
}
2. Dijkstra 算法求最短路径
Dijkstra 算法是一种单源最短路径算法。它以一个节点为起点,依次计算出到其他节点的最短路径。
Dijkstra 算法的基本思想是:先将起点到各个点之间的距离初始化为 ∞,再通过松弛操作逐一更新各个节点的距离。
在 Dijkstra 算法的过程中,需要维护一个集合 S,存储已经确定了最短距离的节点;同时也需要维护一个数组 dist,dist[v] 表示从起点 s 到节点 v 的最短距离。
public class Dijkstra {
public static void dijkstra(Graph graph, int source) {
int[][] edges = graph.getMatrix();
int numVertices = graph.getNumVertices();
boolean[] visited = new boolean[numVertices]; // 标记节点是否已经加入集合S
int[] dist = new int[numVertices]; // 存储从源点到其他节点的最短距离
// 初始化 dist 数组
for (int i = 0; i < numVertices; i++) {
dist[i] = Integer.MAX_VALUE;
visited[i] = false;
}
// 把起点加入集合 S
dist[source] = 0;
// 循环直到所有节点都被加入集合 S
for (int count = 0; count < numVertices - 1; count++) {
// 在未加入集合 S 的节点中找到距离起点最近的节点
int u = minDistance(dist, visited);
// 把节点 u 加入集合 S
visited[u] = true;
// 更新 u 的邻接节点的距离
for (int v = 0; v < numVertices; v++) {
if (!visited[v] && edges[u][v] != 0 &&
dist[u] != Integer.MAX_VALUE &&
dist[u] + edges[u][v] < dist[v]) {
dist[v] = dist[u] + edges[u][v];
}
}
}
// 输出最短距离
for (int i = 0; i < numVertices; i++) {
System.out.printf("从 %d 到 %d 的最短距离是 %d\n",
source, i, dist[i]);
}
}
// 找到未加入集合 S 的节点中距离起点最近的节点
private static int minDistance(int[] dist, boolean[] visited) {
int min = Integer.MAX_VALUE, minIndex = -1;
for (int i = 0; i < dist.length; i++) {
if (!visited[i] && dist[i] <= min) {
min = dist[i];
minIndex = i;
}
}
return minIndex;
}
}
3. Floyd 算法求最短路径
Floyd 算法是一种多源最短路径算法,它可以计算出任意两个节点之间的最短距离。
Floyd 算法的基本思想是:对于图中的每个节点,求出它与其他节点之间的最短路径。算法采用动态规划的思想,通过一个矩阵来记录任意两个节点之间的最短距离。
public class Floyd {
public static void floyd(Graph graph) {
int[][] edges = graph.getMatrix();
int numVertices = graph.getNumVertices();
// 构造一个与边权矩阵大小相同的数组,初始为边权矩阵
int[][] shortestPaths = new int[numVertices][numVertices];
for (int i = 0; i < numVertices; i++) {
for (int j = 0; j < numVertices; j++) {
shortestPaths[i][j] = edges[i][j];
}
}
// 通过中间节点 k 来更新最短路径
for (int k = 0; k < numVertices; k++) {
for (int i = 0; i < numVertices; i++) {
for (int j = 0; j < numVertices; j++) {
if (shortestPaths[i][k] + shortestPaths[k][j] < shortestPaths[i][j]) {
shortestPaths[i][j] = shortestPaths[i][k] + shortestPaths[k][j];
}
}
}
}
// 输出最短距离
for (int i = 0; i < numVertices; i++) {
for (int j = 0; j < numVertices; j++) {
System.out.printf("从 %d 到 %d 的最短距离是 %d\n",
i, j, shortestPaths[i][j]);
}
}
}
}
4. 示例说明
假设有如下图形:
1
(0)--(1)--(2)
| / \ |
6| / \ |5
| / \ |
(3)-------(4) 9
2
使用邻接矩阵表示该图:
0 1 2 3 4
0 0 1 6 0 0
1 1 0 5 2 7
2 6 5 0 0 3
3 0 2 0 0 4
4 0 7 3 4 0
如果以节点 0 为起点,采用 Dijkstra 算法,则最短路径为:
从 0 到 0 的最短距离是 0
从 0 到 1 的最短距离是 1
从 0 到 2 的最短距离是 6
从 0 到 3 的最短距离是 8
从 0 到 4 的最短距离是 15
如果采用 Floyd 算法,则最短路径为:
从 0 到 0 的最短距离是 0
从 0 到 1 的最短距离是 1
从 0 到 2 的最短距离是 6
从 0 到 3 的最短距离是 8
从 0 到 4 的最短距离是 15
从 1 到 0 的最短距离是 1
从 1 到 1 的最短距离是 0
从 1 到 2 的最短距离是 5
从 1 到 3 的最短距离是 2
从 1 到 4 的最短距离是 7
从 2 到 0 的最短距离是 6
从 2 到 1 的最短距离是 5
从 2 到 2 的最短距离是 0
从 2 到 3 的最短距离是 6
从 2 到 4 的最短距离是 3
从 3 到 0 的最短距离是 8
从 3 到 1 的最短距离是 2
从 3 到 2 的最短距离是 6
从 3 到 3 的最短距离是 0
从 3 到 4 的最短距离是 4
从 4 到 0 的最短距离是 15
从 4 到 1 的最短距离是 7
从 4 到 2 的最短距离是 3
从 4 到 3 的最短距离是 4
从 4 到 4 的最短距离是 0
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:Java利用Dijkstra和Floyd分别求取图的最短路径 - Python技术站