当使用邻接列表表示实现时,Dijkstra 的最短路径算法在 O(Elog V) 时间内运行(有关详细信息,请参阅 C 实现和基于 STL 的 C++ 实现)。
输入:源 = 0,最大权重 W = 14 输出:与源的顶点距离 0 0 1 4 2 12 3 19 4 21 5 11 6 9 7 8 8 14
如果最大权重很小(或边权重范围很小),我们是否可以优化 Dijkstra 的最短路径算法以使其比 O(E log V) 更好?
例如,在上图中,最大权重为 14。很多时候,边上的权重范围在很小的范围内(即所有边的权重都可以映射到 0、1、2..w,其中 w 是一个小数)。在这种情况下,Dijkstra 算法可以通过使用不同的数据结构、bucket 进行修改,这称为 dijkstra 算法的拨号实现。时间复杂度为O(E + WV) ,其中 W 是图任何边上的最大权重,因此我们可以看到,如果 W 很小,则此实现的运行速度比传统算法快得多。以下是重要的观察结果。
- 任何两个节点之间的最大距离可以是最大值 w(V – 1)(w 是最大边权重,我们可以在两个顶点之间拥有最大 V-1 条边)。
- 在 Dijkstra 算法中,距离以非递减方式确定,即较近(到给定源)顶点的距离在较远的顶点之前确定。
下面是完整的算法:
- 维护一些桶,编号为 0, 1, 2,…,wV。
- 桶 k 包含距离等于 k 的所有临时标记的节点。
- 每个桶中的节点由顶点列表表示。
- 桶 0, 1, 2,..wV 依次检查,直到找到第一个非空桶。根据定义,包含在第一个非空桶中的每个节点都具有最小距离标签。
- 在扫描过程中,这些具有最小距离标签的节点被永久标记并从桶中删除。
- 因此涉及顶点的操作包括:
- 检查桶是否为空
- 将顶点添加到存储桶
- 从桶中删除一个顶点。
- 当顶点的距离标签发生变化时,临时标记的顶点在桶中的位置会相应更新。
- 重复该过程,直到所有顶点都被永久标记(或所有顶点的距离最终确定)。
由于最大距离可以是 w(V – 1),我们创建了 wV 桶(为了代码的简单性而更多)来实现如果 w 大的算法可能会很大。
// C++ Program for Dijkstra's dial implementation
#include
using namespace std;
# define INF 0x3f3f3f3f
// This class represents a directed graph using
// adjacency list representation
class Graph
{
int V; // No. of vertices
// In a weighted graph, we need to store vertex
// and weight pair for every edge
list< pair > *adj;
public:
Graph(int V); // Constructor
// function to add an edge to graph
void addEdge(int u, int v, int w);
// prints shortest path from s
void shortestPath(int s, int W);
};
// Allocates memory for adjacency list
Graph::Graph(int V)
{
this->V = V;
adj = new list< pair >[V];
}
// adds edge between u and v of weight w
void Graph::addEdge(int u, int v, int w)
{
adj[u].push_back(make_pair(v, w));
adj[v].push_back(make_pair(u, w));
}
// Prints shortest paths from src to all other vertices.
// W is the maximum weight of an edge
void Graph::shortestPath(int src, int W)
{
/* With each distance, iterator to that vertex in
its bucket is stored so that vertex can be deleted
in O(1) at time of updation. So
dist[i].first = distance of ith vertex from src vertex
dits[i].second = iterator to vertex i in bucket number */
vector::iterator> > dist(V);
// Initialize all distances as infinite (INF)
for (int i = 0; i < V; i++)
dist[i].first = INF;
// Create buckets B[].
// B[i] keep vertex of distance label i
list B[W * V + 1];
B[0].push_back(src);
dist[src].first = 0;
//
int idx = 0;
while (1)
{
// Go sequentially through buckets till one non-empty
// bucket is found
while (B[idx].size() == 0 && idx < W*V)
idx++;
// If all buckets are empty, we are done.
if (idx == W * V)
break;
// Take top vertex from bucket and pop it
int u = B[idx].front();
B[idx].pop_front();
// Process all adjacents of extracted vertex 'u' and
// update their distanced if required.
for (auto i = adj[u].begin(); i != adj[u].end(); ++i)
{
int v = (*i).first;
int weight = (*i).second;
int du = dist[u].first;
int dv = dist[v].first;
// If there is shorted path to v through u.
if (dv > du + weight)
{
// If dv is not INF then it must be in B[dv]
// bucket, so erase its entry using iterator
// in O(1)
if (dv != INF)
B[dv].erase(dist[v].second);
// updating the distance
dist[v].first = du + weight;
dv = dist[v].first;
// pushing vertex v into updated distance's bucket
B[dv].push_front(v);
// storing updated iterator in dist[v].second
dist[v].second = B[dv].begin();
}
}
}
// Print shortest distances stored in dist[]
printf("Vertex Distance from Source\n");
for (int i = 0; i < V; ++i)
printf("%d %d\n", i, dist[i].first);
}
// Driver program to test methods of graph class
int main()
{
// create the graph given in above fugure
int V = 9;
Graph g(V);
// making above shown graph
g.addEdge(0, 1, 4);
g.addEdge(0, 7, 8);
g.addEdge(1, 2, 8);
g.addEdge(1, 7, 11);
g.addEdge(2, 3, 7);
g.addEdge(2, 8, 2);
g.addEdge(2, 5, 4);
g.addEdge(3, 4, 9);
g.addEdge(3, 5, 14);
g.addEdge(4, 5, 10);
g.addEdge(5, 6, 2);
g.addEdge(6, 7, 1);
g.addEdge(6, 8, 6);
g.addEdge(7, 8, 7);
// maximum weighted edge - 14
g.shortestPath(0, 14);
return 0;
}
输出:
Vertex Distance from Source
0 0
1 4
2 12
3 19
4 21
5 11
6 9
7 8
8 14
下面是从这里采取的分步说明。
如果您希望与专家一起参加现场课程,请参阅DSA 现场工作专业课程和学生竞争性编程现场课程。