圖最短路徑算法

大家好！今天讓創(chuàng)意嶺的小編來大家介紹下關于圖最短路徑算法的問題，以下是小編對此問題的歸納整理，讓我們一起來看看吧。

開始之前先推薦一個非常厲害的Ai人工智能工具，一鍵生成原創(chuàng)文章、方案、文案、工作計劃、工作報告、論文、代碼、作文、做題和對話答疑等等

只需要輸入關鍵詞，就能返回你想要的內容，越精準，寫出的就越詳細，有微信小程序端、在線網(wǎng)頁版、PC客戶端

官網(wǎng)：https://ai.de1919.com。

創(chuàng)意嶺作為行業(yè)內優(yōu)秀的企業(yè)，服務客戶遍布全球各地，如需了解SEO相關業(yè)務請撥打電話175-8598-2043，或添加微信：1454722008

本文目錄:

• 1、求解：圖論中常見的最短路徑算法有幾種？都是什么？

• 2、圖文解析 | Dijkstra單源最短路徑算法

• 3、dijkstra算法是什么？

• 4、計算機網(wǎng)絡的最短路徑算法有哪些？對應哪些協(xié)議？

一、求解：圖論中常見的最短路徑算法有幾種？都是什么？

算法 Algorithm

算法是在有限步驟內求解某一問題所使用的一組定義明確的規(guī)則。通俗點說，就是計算機解題的過程。在這個過程中，無論是形成解題思路還是編寫程序，都是在實施某種算法。前者是推理實現(xiàn)的算法，后者是操作實現(xiàn)的算法。

一個算法應該具有以下五個重要的特征：

1、有窮性： 一個算法必須保證執(zhí)行有限步之后結束；

2、確切性： 算法的每一步驟必須有確切的定義；

3、輸入：一個算法有0個或多個輸入，以刻畫運算對象的初始情況，所謂0個輸入是指算法本身定除了初始條件；

4、輸出：一個算法有一個或多個輸出，以反映對輸入數(shù)據(jù)加工后的結果。沒有輸出的算法是毫無意義的；

5、可行性： 算法原則上能夠精確地運行，而且人們用筆和紙做有限次運算后即可完成。

算法的設計要求

1）正確性（Correctness）

有4個層次：

A．程序不含語法錯誤；

B．程序對幾組輸入數(shù)據(jù)能夠得出滿足規(guī)格要求的結果；

C．程序對精心選擇的、典型的、苛刻的、帶有刁難性的幾組輸入數(shù)據(jù)能夠得出滿足規(guī)格要求的結果；

D．程序對一切合法的輸入數(shù)據(jù)都能產(chǎn)生滿足規(guī)格要求的結果。

2）可讀性（Readability）

算法的第一目的是為了閱讀和交流；

可讀性有助于對算法的理解；

可讀性有助于對算法的調試和修改。

3）高效率與低存儲量

處理速度快；存儲容量小

時間和空間是矛盾的、實際問題的求解往往是求得時間和空間的統(tǒng)一、折中。

算法的描述 算法的描述方式（常用的）

算法描述 自然語言

流程圖 特定的表示算法的圖形符號

偽語言 包括程序設計語言的三大基本結構及自然語言的一種語言

類語言 類似高級語言的語言，例如，類PASCAL、類C語言。

算法的評價 算法評價的標準：時間復雜度和空間復雜度。

1）時間復雜度 指在計算機上運行該算法所花費的時間。用“O（數(shù)量級）”來表示，稱為“階”。

常見的時間復雜度有： O（1）常數(shù)階；O（logn）對數(shù)階；O（n）線性階；O（n＾2）平方階

2）空間復雜度 指算法在計算機上運行所占用的存儲空間。度量同時間復雜度。

時間復雜度舉例

（a） X：=X+1 ； O（1）

（b） FOR I：=1 TO n DO

X：= X+1； O（n）

（c） FOR I：= 1 TO n DO

FOR J：= 1 TO n DO

X：= X+1； O（n＾2）

“算法”一詞最早來自公元 9世紀 波斯數(shù)學家比阿勒·霍瓦里松的一本影響深遠的著作《代數(shù)對話錄》。20世紀的 英國 數(shù)學家 圖靈 提出了著名的圖靈論點，并抽象出了一臺機器，這臺機器被我們稱之為 圖靈機 。圖靈的思想對算法的發(fā)展起到了重要的作用。

算法是 計算機 處理信息的本質，因為 計算機程序 本質上是一個算法，告訴計算機確切的步驟來執(zhí)行一個指定的任務，如計算職工的薪水或打印學生的成績單。 一般地，當算法在處理信息時，數(shù)據(jù)會從輸入設備讀取，寫入輸出設備，可能保存起來以供以后使用。

這是算法的一個簡單的例子。

我們有一串隨機數(shù)列。我們的目的是找到這個數(shù)列中最大的數(shù)。如果將數(shù)列中的每一個數(shù)字看成是一顆豆子的大小 可以將下面的算法形象地稱為“撿豆子”：

首先將第一顆豆子（數(shù)列中的第一個數(shù)字）放入口袋中。

從第二顆豆子開始檢查，直到最后一顆豆子。如果正在檢查的豆子比口袋中的還大，則將它撿起放入口袋中，同時丟掉原先的豆子。 最后口袋中的豆子就是所有的豆子中最大的一顆。

下面是一個形式算法，用近似于 編程語言 的 偽代碼 表示

給定：一個數(shù)列“l(fā)ist"，以及數(shù)列的長度"length(list)" largest = list[1] for counter = 2 to length(list): if list[counter] > largest: largest = list[counter] print largest

符號說明:

= 用于表示賦值。即：右邊的值被賦予給左邊的變量。

List[counter] 用于表示數(shù)列中的第 counter 項。例如：如果 counter 的值是5，那么 List[counter] 表示數(shù)列中的第5項。

<= 用于表示“小于或等于”。

算法的分類

（一）基本算法 :

1.枚舉

2.搜索:

深度優(yōu)先搜索

廣度優(yōu)先搜索

啟發(fā)式搜索

遺傳算法

（二）數(shù)據(jù)結構的算法

（三）數(shù)論與代數(shù)算法

（四）計算幾何的算法：求凸包

（五）圖論 算法：

1.哈夫曼編碼

2.樹的遍歷

3.最短路徑 算法

4.最小生成樹 算法

5.最小樹形圖

6.網(wǎng)絡流 算法

7.匹配算法

（六）動態(tài)規(guī)劃

（七）其他：

1.數(shù)值分析

2.加密算法

3.排序 算法

4.檢索算法

5.隨機化算法

二、圖文解析 | Dijkstra單源最短路徑算法

給定 加權有向圖 G=(V,E,W)，每條邊的權值w為 非負數(shù) ，表示兩個頂點間的距離。

源點s∈V。

求：從s出發(fā)到其他各個頂點的最短路徑。

如上圖所示，以1為源點，計算到其余各個頂點的最短距離（我已用紅線標出）。下面列出了最終解：

S集合 ：當從s到x（x ∈V ）的最短路徑找到時，則x ∈S。當所有頂點都進入S集合時，算法結束。

初始：S=｛s｝，當S=V時算法結束。

從s到u相對于S的最短路徑 ：指從s到u且僅經(jīng)過S中頂點的最短路徑。

dist[u]:從s到u相對于S的最短路徑長度

short[u]:從s到u最短路徑的長度（算法最終解）

dist[u] ≥ short[u]

Dijkstra算法采用貪心算法模式，算法過程就是通過計算dist[u],不斷擴充S集合，同時dist[u]會不斷優(yōu)化改善，直到dist[u] = short[u]，并將其放到S中，當所有頂點都放入S集合時，算法結束。

輸入：加權有向圖G=(V,E,W)

          V={1,2,…,n}, s=1

輸出：從s到每個頂點的最短路徑

輸入：G=(V,E,W)，源點1

          V={1,2,3,4,5,6}

初始S集合只有1，計算直接從1能到達的頂點的距離，其他不能從1號頂點直接到達的頂點都記為無窮大。此時從dist[u]里找出最短距離的頂點（6號），并將其放進S集合。

  S={1}

  dist[1] = 0

  dist[2] = 10

  dist[6 ] = 3

  dist[3] = ∞

  dist[4] = ∞

  dist[5] = ∞

當把6號頂點放進S集合后，經(jīng)由6號頂點出發(fā)到達的頂點的最短距離可能會被優(yōu)化更新，因為該算法的思想很“貪心”，誰更短我要誰！比如1->6->2要比1->2距離更短，所以dist[2]被更新為5，從專業(yè)術語上講，這個“更新”過程叫做松弛，其他點同理。然后從dist[u]里找出最短的路徑的那個頂點（5號），并放進S集合里。

  S={1,6}

  dist[1] = 0

 dist[6] = 3

  dist[2] = 5

  dist[4] = 9

  dist[5] = 4

  dist[3] = ∞

后面的操作步驟其實就是重復上面的操作。即當S集合里有個新的頂點后，就可能會更新其他點的最短距離，更新一遍后，找出當前最短距離的dist[u]，并將該頂點放進S集合。后面不重復闡述。

  S={1,6,5}

  dist[1] = 0

 dist[6] = 3

  dist[5] = 4

  dist[2] = 5

  dist[4] = 9

  dist[3] = ∞

  S={1,6,5,2}

  dist[1] = 0

 dist[6] = 3

  dist[5] = 4

 dist[2] = 5

  dist[4] = 9

  dist[3] = 12

  S={1,6,5,2,4}

  dist[1] = 0

 dist[6] = 3

  dist[5] = 4

 dist[2] = 5

 dist[4] = 9

  dist[3] = 12

  S={1,6,5,2,4,3}

  dist[1] = 0

 dist[6] = 3

  dist[5] = 4

 dist[2] = 5

 dist[4] = 9

 dist[3] = 12

當有向圖中的所有頂點都進入了S集合后，算法結束，此時的dist[u]的值其實就是最初我們找出的那個最終解short[u]，所以，算法結束時，dist[u]=short[u],得到最終解。

三、dijkstra算法是什么？

迪杰斯特拉算法用來解決從頂點v0出發(fā)到其余頂點的最短路徑，該算法按照最短路徑長度遞增的順序產(chǎn)生所以最短路徑。

對于圖G=（V，E），將圖中的頂點分成兩組：第一組S：已求出的最短路徑的終點集合（開始為｛v0}）。第二組V-S：尚未求出最短路徑的終點集合（開始為V-{v0}的全部結點）。

堆優(yōu)化

思考

該算法復雜度為n^2,我們可以發(fā)現(xiàn)，如果邊數(shù)遠小于n^2,對此可以考慮用堆這種數(shù)據(jù)結構進行優(yōu)化，取出最短路徑的復雜度降為O(1)；每次調整的復雜度降為O（elogn）；e為該點的邊數(shù)，所以復雜度降為O((m+n)logn)。

實現(xiàn)

1、將源點加入堆，并調整堆。

2、選出堆頂元素u（即代價最小的元素），從堆中刪除，并對堆進行調整。

3、處理與u相鄰的，未被訪問過的，滿足三角不等式的頂點

1):若該點在堆里，更新距離，并調整該元素在堆中的位置。

2):若該點不在堆里，加入堆，更新堆。

4、若取到的u為終點，結束算法；否則重復步驟2、3。

四、計算機網(wǎng)絡的最短路徑算法有哪些？對應哪些協(xié)議？

用于解決最短路徑問題的算法被稱做“最短路徑算法”，有時被簡稱作“路徑算法”。最常用的路徑算法有：

Dijkstra算法、A*算法、SPFA算法、Bellman-Ford算法和Floyd-Warshall算法，本文主要介紹其中的三種。

最短路徑問題是圖論研究中的一個經(jīng)典算法問題，旨在尋找圖（由結點和路徑組成的）中兩結點之間的最短路徑。

算法具體的形式包括：

確定起點的最短路徑問題：即已知起始結點，求最短路徑的問題。

確定終點的最短路徑問題：與確定起點的問題相反，該問題是已知終結結點，求最短路徑的問題。在無向圖中該問題與確定起點的問題完全等同，在有向圖中該問題等同于把所有路徑方向反轉的確定起點的問題。

確定起點終點的最短路徑問題：即已知起點和終點，求兩結點之間的最短路徑。

全局最短路徑問題：求圖中所有的最短路徑。

Floyd

求多源、無負權邊的最短路。用矩陣記錄圖。時效性較差，時間復雜度O(V^3)。

Floyd-Warshall算法（Floyd-Warshall algorithm）是解決任意兩點間的最短路徑的一種算法，可以正確處理有向圖或負權的最短路徑問題。

Floyd-Warshall算法的時間復雜度為O(N^3)，空間復雜度為O(N^2)。

Floyd-Warshall的原理是動態(tài)規(guī)劃：

設Di,j,k為從i到j的只以(1..k)集合中的節(jié)點為中間節(jié)點的最短路徑的長度。

若最短路徑經(jīng)過點k，則Di,j,k = Di,k,k-1 + Dk,j,k-1；

若最短路徑不經(jīng)過點k，則Di,j,k = Di,j,k-1。

因此，Di,j,k = min(Di,k,k-1 + Dk,j,k-1 , Di,j,k-1)。

在實際算法中，為了節(jié)約空間，可以直接在原來空間上進行迭代，這樣空間可降至二維。

Floyd-Warshall算法的描述如下：

for k ← 1 to n do

for i ← 1 to n do

for j ← 1 to n do

if (Di,k + Dk,j < Di,j) then

Di,j ← Di,k + Dk,j;

其中Di,j表示由點i到點j的代價，當Di,j為 ∞ 表示兩點之間沒有任何連接。

Dijkstra

求單源、無負權的最短路。時效性較好，時間復雜度為O（V*V+E）,可以用優(yōu)先隊列進行優(yōu)化，優(yōu)化后時間復雜度變?yōu)?（v*lgn）。

源點可達的話，O（V*lgV+E*lgV）=>O（E*lgV）。

當是稀疏圖的情況時，此時E=V*V/lgV，所以算法的時間復雜度可為O（V^2） ?？梢杂脙?yōu)先隊列進行優(yōu)化，優(yōu)化后時間復雜度變?yōu)?（v*lgn）。

Bellman-Ford

求單源最短路，可以判斷有無負權回路（若有，則不存在最短路），時效性較好，時間復雜度O（VE）。

Bellman-Ford算法是求解單源最短路徑問題的一種算法。

單源點的最短路徑問題是指：給定一個加權有向圖G和源點s，對于圖G中的任意一點v，求從s到v的最短路徑。

與Dijkstra算法不同的是，在Bellman-Ford算法中，邊的權值可以為負數(shù)。設想從我們可以從圖中找到一個環(huán)

路（即從v出發(fā)，經(jīng)過若干個點之后又回到v）且這個環(huán)路中所有邊的權值之和為負。那么通過這個環(huán)路，環(huán)路中任意兩點的最短路徑就可以無窮小下去。如果不處理這個負環(huán)路，程序就會永遠運行下去。 而Bellman-Ford算法具有分辨這種負環(huán)路的能力。

SPFA

是Bellman-Ford的隊列優(yōu)化，時效性相對好，時間復雜度O（kE）。（k< 與Bellman-ford算法類似，SPFA算法采用一系列的松弛操作以得到從某一個節(jié)點出發(fā)到達圖中其它所有節(jié)點的最短路徑。所不同的是，SPFA算法通過維護一個隊列，使得一個節(jié)點的當前最短路徑被更新之后沒有必要立刻去更新其他的節(jié)點，從而大大減少了重復的操作次數(shù)。

SPFA算法可以用于存在負數(shù)邊權的圖，這與dijkstra算法是不同的。

與Dijkstra算法與Bellman-ford算法都不同，SPFA的算法時間效率是不穩(wěn)定的，即它對于不同的圖所需要的時間有很大的差別。

在最好情形下，每一個節(jié)點都只入隊一次，則算法實際上變?yōu)閺V度優(yōu)先遍歷，其時間復雜度僅為O(E)。另一方面，存在這樣的例子，使得每一個節(jié)點都被入隊(V-1)次，此時算法退化為Bellman-ford算法，其時間復雜度為O(VE)。

SPFA算法在負邊權圖上可以完全取代Bellman-ford算法，另外在稀疏圖中也表現(xiàn)良好。但是在非負邊權圖中，為了避免最壞情況的出現(xiàn)，通常使用效率更加穩(wěn)定的Dijkstra算法，以及它的使用堆優(yōu)化的版本。通常的SPFA。

以上就是關于圖最短路徑算法相關問題的回答。希望能幫到你，如有更多相關問題，您也可以聯(lián)系我們的客服進行咨詢，客服也會為您講解更多精彩的知識和內容。

推薦閱讀：

自駕去杭州路線圖（自駕去杭州路線圖最新）

杭州城市未來規(guī)劃圖（杭州城市未來規(guī)劃圖最新）

杭州市建材市場分布地圖（杭州市建材市場分布地圖最新）

佛山品牌瓷磚排行榜（正宗佛山瓷磚有哪些品牌）

抖音怎么查達人帶貨數(shù)據(jù)（抖音怎么查達人帶貨數(shù)據(jù)查詢）