戳蓝字“CSDN云计算”关注我们哦！

技术头条：干货、简洁、多维全面。更多云计算精华知识尽在眼前，get要点、solve难题，统统不在话下！

作者：蠢萌的小灰

转自：程序员小灰

—————  第二天  —————

如何遍历呢？

第一层，遍历顶点A：

第二层，遍历A的邻接顶点B和C：

第三层，遍历顶点B的邻接顶点D、E，遍历顶点C的邻接顶点F：

第四层，遍历顶点E的邻接顶点G，也就是目标节点：

由此得出，图中顶点A到G的（第一条）最短路径是A-B-E-G：

换句话说，就是寻找从A到G之间，权值之和最小的路径。

————————————

究竟什么是迪杰斯特拉算法？它是如何寻找图中顶点的最短路径呢？

这个算法的本质，是不断刷新起点与其他各个顶点之间的 “距离表”。

让我们来演示一下迪杰斯特拉的详细过程：

第1步，创建距离表。表中的Key是顶点名称，Value是从起点A到对应顶点的已知最短距离。但是，一开始我们并不知道A到其他顶点的最短距离是多少，Value默认是无限大：

第2步，遍历起点A，找到起点A的邻接顶点B和C。从A到B的距离是5，从A到C的距离是2。把这一信息刷新到距离表当中：

第3步，从距离表中找到从A出发距离最短的点，也就是顶点C。

第4步，遍历顶点C，找到顶点C的邻接顶点D和F（A已经遍历过，不需要考虑）。从C到D的距离是6，所以A到D的距离是2+6=8；从C到F的距离是8，所以从A到F的距离是2+8=10。把这一信息刷新到表中：

接下来重复第3步、第4步所做的操作：

第5步，也就是第3步的重复，从距离表中找到从A出发距离最短的点（C已经遍历过，不需要考虑），也就是顶点B。

第6步，也就是第4步的重复，遍历顶点B，找到顶点B的邻接顶点D和E（A已经遍历过，不需要考虑）。从B到D的距离是1，所以A到D的距离是5+1=6，小于距离表中的8；从B到E的距离是6，所以从A到E的距离是5+6=11。把这一信息刷新到表中：

（在第6步，A到D的距离从8刷新到6，可以看出距离表所发挥的作用。距离表通过迭代刷新，用新路径长度取代旧路径长度，最终可以得到从起点到其他顶点的最短距离）

第7步，从距离表中找到从A出发距离最短的点（B和C不用考虑），也就是顶点D。

第8步，遍历顶点D，找到顶点D的邻接顶点E和F。从D到E的距离是1，所以A到E的距离是6+1=7，小于距离表中的11；从D到F的距离是2，所以从A到F的距离是6+2=8，小于距离表中的10。把这一信息刷新到表中：

第9步，从距离表中找到从A出发距离最短的点，也就是顶点E。

第10步，遍历顶点E，找到顶点E的邻接顶点G。从E到G的距离是7，所以A到G的距离是7+7=14。把这一信息刷新到表中：

第11步，从距离表中找到从A出发距离最短的点，也就是顶点F。

第10步，遍历顶点F，找到顶点F的邻接顶点G。从F到G的距离是3，所以A到G的距离是8+3=11，小于距离表中的14。把这一信息刷新到表中：

就这样，除终点以外的全部顶点都已经遍历完毕，距离表中存储的是从起点A到所有顶点的最短距离。显然，从A到G的最短距离是11。（路径：A-B-D-F-G）

按照上面的思路，我们来看一下代码实现：

1. /**

2. * Dijkstra最短路径算法

3. */

4. public static Map<Integer, Integer> dijkstra(Graph graph, int startIndex) {

5. //创建距离表，存储从起点到每一个顶点的临时距离

6. Map<Integer, Integer> distanceMap = new HashMap<Integer,Integer>();

7. //记录遍历过的顶点

8. Set<Integer> accessedSet = new HashSet<Integer> ();

9. //图的顶点数量

10. int size = graph.vertexes.length;

11. //初始化最短路径表，到达每个顶点的路径代价默认为无穷大

12. for(int i=1; i<size; i++){

13. distanceMap.put(i, Integer.MAX_VALUE);

14. }

15. //遍历起点，刷新距离表

16. accessedSet.add(0);

17. List<Edge> edgesFromStart = graph.adj[startIndex];

18. for(Edge edge : edgesFromStart)

19. {

20. distanceMap.put(edge.index, edge.weight);

21. }

22. //主循环，重复 遍历最短距离顶点和刷新距离表 的操作

23. for(int i=1; i<size; i++)

24. {

25. //寻找最短距离顶点

26. int minDistanceFromStart = Integer.MAX_VALUE;

27. int minDistanceIndex = -1;

28. for(int j=1; j<size; j++)

29. {

30. if(!accessedSet.contains(j) && distanceMap.get(j) < minDistanceFromStart)

31. {

32. minDistanceFromStart = distanceMap.get(j);

33. minDistanceIndex = j;

34. }

35. }

36. if(minDistanceIndex == -1){

37. break;

38. }

39. //遍历顶点，刷新距离表

40. accessedSet.add(minDistanceIndex);

41. for(Edge edge : graph.adj[minDistanceIndex])

42. {

43. if(accessedSet.contains(edge.index)){

44. continue;

45. }

46. int weight = edge.weight;

47. int preDistance = distanceMap.get(edge.index);

48. if(weight != Integer.MAX_VALUE && (minDistanceFromStart+ weight < preDistance))

49. {

50. distanceMap.put(edge.index, minDistanceFromStart + weight);

51. }

52. }

53. }

54. return distanceMap;

55. }

56. public static void main(String[] args) {

57. Graph graph = new Graph(7);

58. initGraph(graph);

59. Map<Integer, Integer> distanceMap = dijkstra(graph, 0);

60. int distance = distanceMap.get(6);

61. System.out.println(distance);

62. }

63. /**

64. * 图的顶点

65. */

66. private static class Vertex {

67. String data;

68. Vertex(String data) {

69. this.data = data;

70. }

71. }

72. /**

73. * 图的边

74. */

75. private static class Edge {

76. int index;

77. int weight;

78. Edge(int index, int weight) {

79. this.index = index;

80. this.weight = weight;

81. }

82. }

83. /**

84. * 图

85. */

86. private static class Graph {

87. private Vertex[] vertexes;

88. private LinkedList<Edge> adj[];

89. Graph(int size){

90. //初始化顶点和邻接矩阵

91. vertexes = new Vertex[size];

92. adj = new LinkedList[size];

93. for(int i=0; i<adj.length; i++){

94. adj[i] = new LinkedList<Edge>();

95. }

96. }

97. }

98. private static void initGraph(Graph graph){

99. graph.vertexes[0] = new Vertex("A");

100. graph.vertexes[1] = new Vertex("B");

101. graph.vertexes[2] = new Vertex("C");

102. graph.vertexes[3] = new Vertex("D");

103. graph.vertexes[4] = new Vertex("E");

104. graph.vertexes[5] = new Vertex("F");

105. graph.vertexes[6] = new Vertex("G");

106. graph.adj[0].add(new Edge(1, 5));

107. graph.adj[0].add(new Edge(2, 2));

108. graph.adj[1].add(new Edge(0, 5));

109. graph.adj[1].add(new Edge(3, 1));

110. graph.adj[1].add(new Edge(4, 6));

111. graph.adj[2].add(new Edge(0, 2));

112. graph.adj[2].add(new Edge(3, 6));

113. graph.adj[2].add(new Edge(5, 8));

114. graph.adj[3].add(new Edge(1, 1));

115. graph.adj[3].add(new Edge(2, 6));

116. graph.adj[3].add(new Edge(4, 1));

117. graph.adj[3].add(new Edge(5, 2));

118. graph.adj[4].add(new Edge(1, 6));

119. graph.adj[4].add(new Edge(3, 1));

120. graph.adj[4].add(new Edge(6, 7));

121. graph.adj[5].add(new Edge(2, 8));

122. graph.adj[5].add(new Edge(3, 2));

123. graph.adj[5].add(new Edge(6, 3));

124. graph.adj[6].add(new Edge(4, 7));

125. graph.adj[6].add(new Edge(5, 3));

126. }

福利

扫描添加小编微信，备注“姓名+公司职位”，加入【云计算学习交流群】，和志同道合的朋友们共同打卡学习！

推荐阅读：

• 为什么给黑洞拍照需要这么长时间？

• V神玩起freestyle! 5位以太坊核心大咖在悉尼的演讲精华全在这了！| 直击EDCON

• “重构”黑洞：26岁MIT研究生的新算法 | 人物志

• 零编程基础的 15 岁少年，仅用 9 个月开发了 9 款 App？！

• 京东“地震”

• 程序员 996 再上热搜，黑名单增至 84 家！

真香，朕在看了！