Dijkstra算法——计算一个点到其他所有点的最短路径的算法

迪杰斯特拉算法百度百科定义:传送门

迪杰斯特拉算法用来计算一个点到其他所有点的最短路径,是一种时间复杂度相对比较优秀的算法 O(n2)(相对于Floyd算法来说)

是一种单源最短路径算法,但是它并不能处理负边权的情况

板子代码:

#include<cstdio>
#include<iostream>
#include<cstdlib>
#include<iomanip>
#include<cmath>
#include<cstring>
#include<string>
#include<algorithm>
#include<time.h>
#include<queue>
using namespace std;
typedef long long ll;
typedef long double ld;
typedef pair<int,int> pr;
const double pi=acos(-1);
#define rep(i,a,n) for(int i=a;i<=n;i++)
#define per(i,n,a) for(int i=n;i>=a;i--)
#define Rep(i,u) for(int i=head[u];i;i=Next[i])
#define clr(a) memset(a,0,sizeof a)
#define pb push_back
#define mp make_pair
#define fi first
#define sc second
ld eps=1e-9;
ll pp=1000000007;
ll mo(ll a,ll pp){if(a>=0 && a<pp)return a;a%=pp;if(a<0)a+=pp;return a;}
ll powmod(ll a,ll b,ll pp){ll ans=1;for(;b;b>>=1,a=mo(a*a,pp))if(b&1)ans=mo(ans*a,pp);return ans;}
ll read(){
    ll ans=0;
    char last=‘ ‘,ch=getchar();
    while(ch<‘0‘ || ch>‘9‘)last=ch,ch=getchar();
    while(ch>=‘0‘ && ch<=‘9‘)ans=ans*10+ch-‘0‘,ch=getchar();
    if(last==‘-‘)ans=-ans;
    return ans;
}//快读
//head

const int maxn=5001;
int g[maxn][maxn];//g数组用来存储图;
int n,m,s;//分别表示点的个数、有向边的个数、出发点的编号;
bool vis[maxn];//表示是否已经到达过;
int d[maxn];//d[i]表示从询问点到点i的最短路径;
const int inf=2147483647;

int main ()
{
    n=read(),m=read(),s=read();
    rep(i,1,n)
    {
        d[i]=inf;

        rep(j,1,n)
            g[i][j]=inf;

        g[i][i]=0;//自己到自己的最短路径当然是0
    }//初始化数组; 

    rep(i,1,m)
    {
        int u=read(),v=read(),w=read();
        //u,v,i分别表示第i条有向边的出发点、目标点和长度;
        g[u][v]=w;//读入;
    }

    vis[s]=1;//将起点标记成已经到达;

    rep(i,1,n)
        d[i]=g[s][i];//将最短路径初始化;
        //如果两点之间有路线就初始化为该距离,如果没有就还是inf;

    while(1)
    {
        int stt_node=0,stt_dis=inf;//stt=shortest 初始化两个变量
        // stt_node表示最短路径的终点,stt_dis表示最短路径的长度 

        rep(i,1,n)
        {
            if(vis[i]==0&&d[i]<stt_dis)
            //如果该点还没有到达,并且他的距离小于最短距离
            {
                stt_node=i,stt_dis=d[i];//更新变量
            }
        }

        if(stt_node==0) break;
        //如果已经没有可以更新的最短路径了,就说明已经结束了

        vis[stt_node]=1;//将该点标记成已经到达 

        rep(i,1,n)
        {
            if(vis[i]||g[stt_node][i]==inf)continue;
            //如果并没有到达或者是两点之间没有路径,就跳出循环 

            d[i]=min(d[i],stt_dis+g[stt_node][i]);//更新最短路径
        }
    }

    rep(i,1,n)
        printf("%d ",d[i]);
    return 0;
}

原文地址:https://www.cnblogs.com/lcezych/p/10732501.html

时间: 2024-10-11 16:40:17

Dijkstra算法——计算一个点到其他所有点的最短路径的算法的相关文章

小算法-计算下一个排列

2 8 5 3 1 1.从后往前,找到第一个逆序的数 pivot 2.从后往前,找到第一个比pivot大的数 change 3.交换 pivot 和 change的值 4.把pivot这个位置后面的数 reverse,就是 8 5 2 1变成 1 2 5 8 最终为3 1 2 5 8 #include <iostream> #include <vector> #include <algorithm> using namespace std; /* * num.begin

求最短路径(Bellman-Ford算法与Dijkstra算法)

前言 Dijkstra算法是处理单源最短路径的有效算法,但它局限于边的权值非负的情况,若图中出现权值为负的边,Dijkstra算法就会失效,求出的最短路径就可能是错的.这时候,就需要使用其他的算法来求解最短路径,Bellman-Ford算法就是其中最常用的一个. 在网络路由中,RIP协议(距离向量路由算法)一般用Bellman-Ford算法,同时由于简单性所以也适用于分布式系统:但是它的复杂度是O(VE),比Dijkstra算法要慢上许多.而OSPF协议,链路状态分组创建的时候一般用Dijkst

Canopy算法计算聚类的簇数

Kmeans算是是聚类中的经典算法.步骤例如以下: 选择K个点作为初始质心 repeat 将每一个点指派到近期的质心,形成K个簇 又一次计算每一个簇的质心 until 簇不发生变化或达到最大迭代次数 算法中的K须要人为的指定.确定K的做法有非常多,比方多次进行试探.计算误差.得出最好的K.这样须要比較长的时间.我们能够依据Canopy算法来粗略确定K值(能够觉得相等).看一下Canopy算法的过程: (1)设样本集合为S.确定两个阈值t1和t2,且t1>t2. (2)任取一个样本点p.作为一个C

我有一个梦想,希望每一位提到算法的人,不再立即紧皱眉头

点击关注 异步图书,置顶公众号 每天与你分享 IT好书 技术干货 职场知识 参与文末话题讨论,每日赠送异步图书 --异步小编 多年来,我有一个梦想,希望每一位提到算法的人,不再立即紧皱眉头,脑海闪现枯燥的公式.冗长的代码:希望每一位阅读和使用算法的人,体会到算法之美,像躺在法国普罗旺斯小镇的长椅上,呷一口红酒,闭上眼睛,体会舌尖上的美味,感受鼻腔中满溢的薰衣草的芳香-- 打开算法之门 瑞士著名的科学家N.Wirth教授曾提出:数据结构+算法=程序. 数据结构是程序的骨架,算法是程序的灵魂. 在我

数据挖掘(10):卷积神经网络算法的一个实现

前言 从理解卷积神经到实现它,前后花了一个月时间,现在也还有一些地方没有理解透彻,CNN还是有一定难度的,不是看哪个的博客和一两篇论文就明白了,主要还是靠自己去专研,阅读推荐列表在末尾的参考文献.目前实现的CNN在MINIT数据集上效果还不错,但是还有一些bug,因为最近比较忙,先把之前做的总结一下,以后再继续优化. 卷积神经网络CNN是Deep Learning的一个重要算法,在很多应用上表现出卓越的效果,[1]中对比多重算法在文档字符识别的效果,结论是CNN优于其他所有的算法.CNN在手写体

数据挖掘系列(9)——卷积神经网络算法的一个实现

前言 从理解卷积神经到实现它,前后花了一个月时间,现在也还有一些地方没有理解透彻,CNN还是有一定难度的,不是看哪个的博客和一两篇论文就明白了,主要还是靠自己去专研,阅读推荐列表在末尾的参考文献.目前实现的CNN在MINIT数据集上效果还不错,但是还有一些bug,因为最近比较忙,先把之前做的总结一下,以后再继续优化. 卷积神经网络CNN是Deep Learning的一个重要算法,在很多应用上表现出卓越的效果,[1]中对比多重算法在文档字符识别的效果,结论是CNN优于其他所有的算法.CNN在手写体

关于apriori算法的一个简单的例子

apriori算法是关联规则挖掘中很基础也很经典的一个算法,我认为很多教程出现大堆的公式不是很适合一个初学者理解.因此,本文列举一个简单的例子来演示下apriori算法的整个步骤. 下面这个表格是代表一个事务数据库D,其中最小支持度为50%,最小置信度为70%,求事务数据库中的频繁关联规则. Tid 项目集 1  面包,牛奶,啤酒,尿布 2  面包,牛奶,啤酒 3  啤酒,尿布 4  面包,牛奶,花生 apriori算法的步骤如下所示: (1)生成候选频繁1-项目集C1={{面包},{牛奶},{

Fp关联规则算法计算置信度及MapReduce实现思路

说明:參考Mahout FP算法相关相关源代码. 算法project能够在FP关联规则计算置信度下载:(仅仅是单机版的实现,并没有MapReduce的代码) 使用FP关联规则算法计算置信度基于以下的思路: 1. 首先使用原始的FP树关联规则挖掘出全部的频繁项集及其支持度:这里须要注意,这里是输出全部的频繁项集,并没有把频繁项集合并,所以须要改动FP树的相关代码,在某些步骤把全部的频繁项集输出:(ps:參考Mahout的FP树单机版的实现,进行了改动,暂不确定是否已经输出了全部频繁项集) 为举例简

欧几里德算法计算最大公因数

欧几里德算法计算最大公因数 算法通过连续计算余数知道余数是0为止没最后的非零余数就是最大公因数. /*************************************************** code writer : EOF code file : gcd.c code date : 2014.09.18 e-mail : [email protected] description : This is a implementation of GCD :) If there is s