简介
Dijkstra(迪杰斯特拉)算法是典型的单源最短路径算法，用于计算一个节点到其他所有节点的最短路径。主要特点是以起始点为中心向外层层扩展，直到扩展到终点为止。Dijkstra算法是很有代表性的最短路径算法，在很多专业课程中都作为基本内容有详细的介绍，如数据结构，图论，运筹学等等。注意该算法要求图中不存在负权边。对应问题：在无向图G=(V,E)中，假设每条边E(i)的长度W(i)，求由顶点V0到各节点的最短路径。
工作过程
Dijkstra算法将顶点集合分为两组，一组记录已经求得最短路径的顶点记为finallyNodes，一组正在求解中的顶点记为processNodes，step1:finallyNodes中顶点最开始只有源节点，最短路径长度为0，而processNodes中包含除源节点以外的节点，并初始化路径长度，与源节点直接相连的记路径长度为权重，不相连的记为∞。step2:从process中选择路径长度最小的顶点，加入finallyNodes，并且更新processNodes，将与当前顶点相连的顶点路径长度更新为min（当前权重，当前顶点最短路径长度+当前顶点与顶点相连边权重）。step3:重复step2，直至processNodes数组为空。
总体思路
这次我想先描述一下自己的大概思路，下面再写具体实现。首先为了方便，我采用的是邻接表存储图结构，邻接表是一个二维数组，值存储权重。根据上面工作过程中描述的内容，我们会有两个中间集合记录，finallyNodes记录的是最终结果，我们只需要将计算的结果往里面塞即可。但是processNodes却是一个不断变化更新的集合，其中的操作包括删除节点，更改节点值，查找节点值，同时我们每次需要拿出processNodes中记录的距离最小的值，所以ProcessNodes准备用最小堆来做，那再删除节点，更改节点值之后都需要调整堆为最小堆，java自带的优先队列没有提供更改节点值的操作，因此我们这里需要自己实现一个小根堆，支持以上操作。然后就中规中矩实现dijkstra算法即可。
实现
小根堆
如果对堆不太熟悉的可以先看看这篇文章：堆（优先队列），这里就不过多解释了，直接贴代码。这里堆中存的数据格式为int二维数组,存储节点下标位置和对应距离，排序按存储的距离进行排序。
public class MinHeap {
List<int[][]> heap ;
public int[][] pop() {
int[][] top = heap.get(0);
heap.set(0, heap.get(heap.size() - 1));
heap.remove(heap.size() - 1);
//调整堆
this.adjust(0, heap.size() - 1);
return top;
}
public boolean isEmpty() {
if (null == this.heap) {
return true;
}
if (this.heap.size() == 0) {
return true;
}
return false;
}
public void changeValue(int index, int value) {
int src = heap.get(index)[0][1];
heap.get(index)[0][1] = value;
//直接比较当前值是变大还是变小,然后考虑是向上调整还是向下调整
//则当前值可能往上移动
if (src > value) {
this.upAdjust(index);
return;
}
this.adjust(index, heap.size() - 1);
}
public void upAdjust(int index) {
//依次与双亲节点进行比较，小于双亲节点就直接交换。一直到根节点
while (index > 0) {
int parent = index >> 1;
//双亲节点本来小于当前节点不需要进行调整
if (heap.get(parent)[0][1] <= heap.get(index)[0][1]) {
break;
}
swap(index, parent);
index = parent;
}
}
public void init(int[][] nums) {
heap = new ArrayList<>(nums.length);
for (int i = 0 ; i < nums.length; i ++) {
int[][] temp = new int[1][2];
temp[0][0] = nums[i][0];
temp[0][1] = nums[i][1];
heap.add(temp);
}
//从最后一个双亲节点开始将堆进行调整
for (int i = nums.length / 2 ; i >= 0 ; -- i) {
this.adjust(i, nums.length - 1);
}
}
private void adjust(int index, int end) {
//找到当前节点的孩子节点，将较小的节点与当前节点交换，一直往下，直至end
while (index <= end) {
//左孩子节点
int left = index << 1;
if (left + 1 <= end && heap.get(left + 1)[0][1] < heap.get(left)[0][1] ) {
//找到当前较小的节点
++ left;
}
//没有孩子节点，或者当前的孩子节点均已大于当前节点，已符合最小堆，不需要进行调整
if (left > end || heap.get(index)[0][1] <= heap.get(left)[0][1]) {
break;
}
swap(index, left);
index = left;
}
}
private void swap(int i, int j) {
int[][] temp = heap.get(i);
heap.set(i, heap.get(j));
heap.set(j, temp);
}
}Dijsktra
数据结构
图节点仅存储节点值，一个Node数组nodes，存储图中所有节点，一个二维数组adjacencyMatrix，存储图中节点之间边的权重，行和列下标与nodes数组下标对应。
//节点
Node[] nodes;
//邻接矩阵
int[][] adjacencyMatrix;
public class Node {
private char value;
Node(char value) {
this.value = value;
}
}初始化
初始化图values标志的图中所有节点值，edges标志图中边，数据格式为（node1的下标，node2的下标，边权重）
private void initGraph(char[] values, String[] edges) {
nodes = new Node[values.length];
//初始化node节点
for (int i = 0 ; i < values.length ; i ++) {
nodes[i] = new Node(values[i]);
}
adjacencyMatrix = new int[values.length][values.length];
//初始化邻接表，同一个节点权重记为0，不相邻节点权重记为Integer.MAX_VALUE
for (int i = 0 ; i < values.length ; i++) {
for (int j = 0 ; j < values.length ; j ++) {
if (i == j) {
adjacencyMatrix[i][j] = 0;
continue;
}
adjacencyMatrix[i][j] = Integer.MAX_VALUE;
adjacencyMatrix[j][i] = Integer.MAX_VALUE;
}
}
//根据edges更新相邻节点权重值
for (String edge : edges) {
String[] node = edge.split(",");
int i = Integer.valueOf(node[0]);
int j = Integer.valueOf(node[1]);
int weight = Integer.valueOf(node[2]);
adjacencyMatrix[i][j] = weight;
adjacencyMatrix[j][i] = weight;
}
visited = new boolean[nodes.length];
}初始化dijsktra算法必要的finallyNodes和processNodes
boolean[] visited;
List<int[][]> finallyNodes;
MinHeap processNodes;
private void initDijkstra(int nodeIndex) {
finallyNodes = new ArrayList<>(nodes.length);
processNodes = new MinHeap();
int[][] node = new int[1][2];
node[0][0] = nodeIndex;
node[0][1] = adjacencyMatrix[nodeIndex][nodeIndex];
finallyNodes.add(node);
visited[nodeIndex] = true;
int[][] process = new int[nodes.length - 1][2];
int j = 0;
for (int i = 0 ; i < nodes.length ; i++) {
if (i == nodeIndex) {
continue;
}
process[j][0] = i;
process[j][1] = adjacencyMatrix[nodeIndex][i];
++ j;
}
//初始化最小堆
processNodes.init(process);
}dijsktra算法实现
public void dijkstra() {
//1。堆顶取出最小元素，加入finallyNodes
//2。将与堆顶元素相连节点距离更新，
while (!processNodes.isEmpty()) {
int[][] head = processNodes.pop();
finallyNodes.add(head);
int nodeIndex = head[0][0];
visited[nodeIndex] = true;
//跟堆顶元素相邻的元素
for (int j = 0 ; j < nodes.length ; j ++) {
//找到相邻节点
if (visited[j] || Integer.MAX_VALUE == adjacencyMatrix[nodeIndex][j]) {
continue;
}
for (int i = 0 ; i < processNodes.heap.size() ; i++) {
int[][] node = processNodes.heap.get(i);
//找到节点并且值变小，需要调整
if (node[0][0] == j && node[0][1] > head[0][1] + adjacencyMatrix[nodeIndex][j]) {
processNodes.changeValue(i, head[0][1] + adjacencyMatrix[nodeIndex][j]);
break;
}
}
}
}
}测试
public static void main(String[] args) {
char[] values = new char[]{'A','B','C','D','E','F','G','H'};
String[] edges = new String[]{"0,1,2","0,2,3","0,3,4","1,4,6","2,4,3","3,4,1","4,5,1","4,6,4","5,7,2","6,7,2"};
Dijkstra dijkstra = new Dijkstra();
dijkstra.initGraph(values, edges);
int startNodeIndex = 0;
dijkstra.initDijkstra(startNodeIndex);
dijkstra.dijkstra();
for (int[][] node : dijkstra.finallyNodes) {
System.out.println(dijkstra.nodes[node[0][0]].value + "距离" + dijkstra.nodes[startNodeIndex].value + "最短路径为：" + node[0][1]);
}
}
以上就是详解Java中Dijkstra(迪杰斯特拉)算法的图解与实现的详细内容，更多关于Java Dijkstra算法的资料请关注编程网其它相关文章！
