Dijkstra最短路算法
--转自啊哈磊【坐在马桶上看算法】算法7：Dijkstra最短路算法
上节我们介绍了神奇的只有五行的Floyd最短路算法，它可以方便的求得任意两点的最短路径，这称为“多源最短路”。本周来来介绍指定一个点（源点）到其余各个顶点的最短路径，也叫做“单源最短路径”。例如求下图中的1号顶点到2、3、4、5、6号顶点的最短路径。
与Floyd-Warshall算法一样这里仍然使用二维数组e来存储顶点之间边的关系，初始值如下。
我们还需要用一个一维数组dis来存储1号顶点到其余各个顶点的初始路程，如下。
我们将此时dis数组中的值称为最短路的“估计值”。
既然是求1号顶点到其余各个顶点的最短路程，那就先找一个离1号顶点最近的顶点。通过数组dis可知当前离1号顶点最近是2号顶点。当选择了2号顶点后，dis[2]的值就已经从“估计值”变为了“确定值”，即1号顶点到2号顶点的最短路程就是当前dis[2]值。为什么呢？你想啊，目前离1号顶点最近的是2号顶点，并且这个图所有的边都是正数，那么肯定不可能通过第三个顶点中转，使得1号顶点到2号顶点的路程进一步缩短了。因为1号顶点到其它顶点的路程肯定没有1号到2号顶点短，对吧O(∩_∩)O~
既然选了2号顶点，接下来再来看2号顶点有哪些出边呢。有2->3和2->4这两条边。先讨论通过2->3这条边能否让1号顶点到3号顶点的路程变短。也就是说现在来比较dis[3]和dis[2]+e[2][3]的大小。其中dis[3]表示1号顶点到3号顶点的路程。dis[2]+e[2][3]中dis[2]表示1号顶点到2号顶点的路程，e[2][3]表示2->3这条边。所以dis[2]+e[2][3]就表示从1号顶点先到2号顶点，再通过2->3这条边，到达3号顶点的路程。
我们发现dis[3]=12，dis[2]+e[2][3]=1+9=10，dis[3]>dis[2]+e[2][3]，因此dis[3]要更新为10。这个过程有个专业术语叫做“松弛”。即1号顶点到3号顶点的路程即dis[3]，通过2->3这条边松弛成功。这便是Dijkstra算法的主要思想：通过“边”来松弛1号顶点到其余各个顶点的路程。
同理通过2->4（e[2][4]），可以将dis[4]的值从∞松弛为4（dis[4]初始为∞，dis[2]+e[2][4]=1+3=4，dis[4]>dis[2]+e[2][4]，因此dis[4]要更新为4）。
刚才我们对2号顶点所有的出边进行了松弛。松弛完毕之后dis数组为：
接下来，继续在剩下的3、4、5和6号顶点中，选出离1号顶点最近的顶点。通过上面更新过dis数组，当前离1号顶点最近是4号顶点。此时，dis[4]的值已经从“估计值”变为了“确定值”。下面继续对4号顶点的所有出边（4->3，4->5和4->6）用刚才的方法进行松弛。松弛完毕之后dis数组为：
继续在剩下的3、5和6号顶点中，选出离1号顶点最近的顶点，这次选择3号顶点。此时，dis[3]的值已经从“估计值”变为了“确定值”。对3号顶点的所有出边（3->5）进行松弛。松弛完毕之后dis数组为：
继续在剩下的5和6号顶点中，选出离1号顶点最近的顶点，这次选择5号顶点。此时，dis[5]的值已经从“估计值”变为了“确定值”。对5号顶点的所有出边（5->4）进行松弛。松弛完毕之后dis数组为：
最后对6号顶点所有点出边进行松弛。因为这个例子中6号顶点没有出边，因此不用处理。到此，dis数组中所有的值都已经从“估计值”变为了“确定值”。
最终dis数组如下，这便是1号顶点到其余各个顶点的最短路径。
OK，现在来总结一下刚才的算法。算法的基本思想是：每次找到离源点（上面例子的源点就是1号顶点）最近的一个顶点，然后以该顶点为中心进行扩展，最终得到源点到其余所有点的最短路径。基本步骤如下：
- 将所有的顶点分为两部分：已知最短路程的顶点集合P和未知最短路径的顶点集合Q。最开始，已知最短路径的顶点集合P中只有源点一个顶点。我们这里用一个book[ i ]数组来记录哪些点在集合P中。例如对于某个顶点i，如果book[ i ]为1则表示这个顶点在集合P中，如果book[ i ]为0则表示这个顶点在集合Q中。
- 设置源点s到自己的最短路径为0即dis=0。若存在源点有能直接到达的顶点i，则把dis[ i ]设为e[s][ i ]。同时把所有其它（源点不能直接到达的）顶点的最短路径为设为∞。
- 在集合Q的所有顶点中选择一个离源点s最近的顶点u（即dis[u]最小）加入到集合P。并考察所有以点u为起点的边，对每一条边进行松弛操作。例如存在一条从u到v的边，那么可以通过将边u->v添加到尾部来拓展一条从s到v的路径，这条路径的长度是dis[u]+e[u][v]。如果这个值比目前已知的dis[v]的值要小，我们可以用新值来替代当前dis[v]中的值。
- 重复第3步，如果集合Q为空，算法结束。最终dis数组中的值就是源点到所有顶点的最短路径。
完整的Dijkstra算法代码如下：
/*
Author:Mengmeng
Time:2016-7-5 11:50:25
Description:
Dijkstra最短路算法
*/
#include <iostream>
using namespace std;
int main()
{
int e[][];//两点之间的距离数组，e[1][2]表示顶点1到顶点2之间的距离
int dis[];//顶点1到其余顶点的最短路径数组
/*将所有的顶点分为两部分：
已知最短路程的顶点集合P和未知最短路径的顶点集合Q。
最开始，已知最短路径的顶点集合P中只有源点一个顶点。
我们这里用一个book[ i ]数组来记录哪些点在集合P中。
例如对于某个顶点i，如果book[ i ]为1则表示这个顶点在集合P中，
如果book[ i ]为0则表示这个顶点在集合Q中。
*/
int book[];
int i, j, v;//for循环使用变量
int nearestPeak;//离1号顶点最近的顶点
int peak_num;//顶点个数
int initPath_num;//初始路径数量
int p1, p2;//顶点p1,p2
int D;//p1->p2的距离
int min_dist;//最短路径
// int e[10][10], dis[10], book[10], i, j, n, m, t1, t2, t3, u, v, min;
int inf = ; //用inf(infinity的缩写)存储一个我们认为的正无穷值
//读入peak_num和initPath_num
cout << "读入顶点数peak_num=";
cin >> peak_num;
cout << endl;
cout << "初始路径数initPath_num=";
cin >> initPath_num;
cout << endl;
//初始化：本顶点到本顶点路程为0；本顶点到其它顶点为无限大
for (i = ; i <= peak_num; i++)
for (j = ; j <= peak_num; j++)
if (i == j)
e[i][j] = ;
else
e[i][j] = inf; //读入初始路径的路程；格式：顶点p1->p2的距离为D
cout << "读入初始路径的路程，格式：p1 p2 D" << endl;
for (int i = ; i <= initPath_num; i++)
{
cin >> p1 >> p2 >> D;
e[p1][p2] = D;
} //初始化dis数组，这里是1号顶点到其余各个顶点的初始路程
for (i = ; i <= peak_num; i++)
dis[i] = e[][i]; //book数组初始化
for (i = ; i <= peak_num; i++)
book[i] = ; book[] = ; //输出原始的路程
cout << "原始的路程如下：" << endl;
for (i = ; i <= peak_num; i++)
{
cout << endl;
for (j = ; j <= peak_num; j++)
{
if (e[i][j] == inf)
cout << "∞" << " ";
else
cout << e[i][j] << " ";
}
cout << endl; } //Dijkstra算法核心语句
//单一顶点到各个顶点的最短路径，共需要求顶点数-1次，即（peak_num-1）
for (i = ; i <= peak_num - ; i++)
{
//找到离1号顶点最近的顶点
min_dist = inf;
for (j = ; j <= peak_num; j++)
{
//在集合Q的所有顶点中选择一个离源点s最近的顶点u，即dis[j]最短，加入到集合P中，所以if条件需满足两个条件
//1、该顶点在集合Q中，即（book[j]==0）
//2、dis要足够小
if (book[j] == && dis[j]<min_dist)
{
min_dist = dis[j];//每次dis[j]都与min_dist比较，当小于min_dist时，min_dist重新赋值，保证min_dist存储的是当前未知路径最短的路径值
nearestPeak = j;//存储当前未知路径最小的路径值对应的顶点
}
}
book[nearestPeak] = ;//然后将当前未知路径最小的路径值对应的顶点从集合Q加入到集合P中
/*找到当前离1号顶点最近的顶点后，开始比较直接由顶点1->未知的其余顶点v的值是否比
先经由顶点1->nearestPeak，再由顶点nearestPeak->v，若后者更小，则表示顶点1->当前for循环到的顶点v通过nearestPeak->v这条路径松弛成功
*/
for (v = ; v <= peak_num; v++)
{
if (e[nearestPeak][v]<inf)
{
if (dis[v]>dis[nearestPeak] + e[nearestPeak][v])
dis[v] = dis[nearestPeak] + e[nearestPeak][v];
}
}
} //输出最终的结果
cout << "Dijkstra算法求得的1号顶点到其它顶点的最短路程：" << endl;
for (i = ; i <= peak_num; i++)
cout<<dis[i]<<" ";
cout << endl;
return ;
}
可以输入以下数据进行验证。第一行两个整数peak_num，initPath_num。peak_num表示顶点个数（顶点编号为1~peak_num），initPath_num表示边的条数。接下来initPath_num行表示，每行有3个数p1 p2 D。表示顶点p1到顶点p2边的权值为D。
//6表示顶点数，9表示初始路径数
//顶点p1->p2的距离D
运行结果：
通过上面的代码我们可以看出，这个算法的时间复杂度是O(N*2*N)即O(N2)。其中每次找到离1号顶点最近的顶点的时间复杂度是O(N)，这里我们可以用“堆”（以后再说）来优化，使得这一部分的时间复杂度降低到O(logN)。另外对于边数M少于N2的稀疏图来说（我们把M远小于N2的图称为稀疏图，而M相对较大的图称为稠密图），我们可以用邻接表（这是个神马东西？不要着急，下周再仔细讲解）来代替邻接矩阵，使得整个时间复杂度优化到O(MlogN)。请注意！在最坏的情况下M就是N2，这样的话MlogN要比N2还要大。但是大多数情况下并不会有那么多边，因此MlogN要比N2小很多。