Dijkstra算法优化及其在GIS中的应用.docVIP

Dijkstra算法优化及其在GIS中的应用 　　摘 要：本文在详细介绍经典Dijkstra算法和对算法性能深入分析的基础上，发现制约经典算法的瓶颈是问题的规模，提出从减少搜索计算顶点数量入手，对经典算法进行改进。详细分析了算法的设计思想并给出了设计步骤，并通过在ArcGis平台进行二次开发验证了算法的正确性和性能。 　　关键字：Dijkstra算法；最短路径；GIS 　　中图分类号：TP301.6 　　Dijkstra算法是一种经典的求最短路径的算法。所谓最短路径问题是指：从带权图的某一顶点出发，找出一条通往另一顶点的最短路径。最短路径问题是GIS应用中研究的一个重要内容，在事故抢修、交通指挥、应急管理、GPS导航等应用中都是必要的功能，所以最短路径分析功能一般会作为基本功能集成到GIS平台中，如ARCGIS，SuperMap。多数系统解决最短路径问题采用Dijkstra算法为理论基础，它非常适合在带权有向图中求解单源单目的最短路径问题。 　　1 经典Dijkstra算法 　　1.1 算法思想 　　Dijkstra算法是典型最短路算法，用于计算一个顶点到其他所有顶点的最短路径。其基本思想是，逐步产生最短路径。首先求出从某一顶点出发到其他顶点长度最短的一条路径，然后参照它求出长度次短的路径，依次类推，按路径长度的递增次序，直到计算出该顶点到其他所有顶点的最短路径。 　　为了实现该算法，设带权图G=（V，E），V为图中顶点的集合，E为边或者弧的集合。设集合S存放已经求出的最短路径的顶点，设集合T为除了S以外的其他顶点，引入辅助数组dist[]，它的每一个分量dist[i]表示当前找到的从出发点到顶点i的最短路径长度。 　　算法的具体步骤： 　　（1）初始化：S={V0}；T={V-S}；Dist[j]=Edge[0][j]；j=1，2，…..n-1，n为图中顶点的个数； 　　（2）求出最短路径长度：dist[k]=min{dist[i]}，i∈V-S；S=S∪{k}； 　　（3）修改：dist[i]=min{dist[i]，dist[k]+EDedge[k][i]}对于每一个i∈V-S； 　　（4）判断：若S=V，则算法结束，否则转到（2）； 　　初始时，S中仅含有初始顶点V0，每次从V-S中取出具有最短特殊路长度的顶点，将其添加到S中，同时对数组dist作必要的修改。一旦S包含了所有V中顶点，dist就记录了从源到所有其它顶点之间的最短路径长度。 　　1.2 算法分析 　　实现经典的Dijkstra算法需要两个并列的for循环。一个循环用来实现辅助数组的初始化工作，时间复杂度为O（n），第二个for循环是一个二重循环，实现最短路径求解的功能，因为图中所有顶点都要做计算，每个顶点的计算又要对集合S内的顶点进行检测，对集合V-S中的顶点进行修改，所以时间复杂度为O（n2）。算法总的时间复杂度为O（n2），复杂度比较高。 　　2 Dijkstra算法改进 　　通过Dijkstra经典算法思想可知，计算从u到v的最短路径时，也计算了u到S中所有顶点的最短路径，但是，S中的某些顶点可能与最终最短路径中的顶点无关，该算法在进行最短路径搜索过程中会涉及到图中所有的顶点，那么图中S的大小直接影响着算法的速度。这直接影响了算法的效率，因为由时间复杂度可看出顶点数量越多所用时间就越长。优化该算法势在必行。 　　2.1 改进策略 　　改进的策略用一句话描述就是顶点覆盖，分段进行。通过前面的分析可知，如果能减少算法中集合S中顶点的个数，会减少算法的运行时间。在这借用希尔提出希尔排序的思想，把有向图中的顶点按照某种策略分成若干个小的集合，形成顶点的全覆盖，这样每个集合的数量就比原来少了，但是把他们合起来顶点及关系总数不变，并且要求不同的集合要有一个连接的关键顶点，关键点的确定是计算最短路径的关键。 　　顶点覆盖划分的方法可根据具体的计算应用决定，比如可以按照区域划分，按关键点划分，按公路、铁路线划分等等。划分的数量不宜太多也不宜太少，应根据实际情况科学分析。划分数量和每个划分中顶点的数量应事宜，划分数量多，重复执行的次数就有可能多；划分的数量少对算法的改进程度不高。确定连接不同集合的关键点和划分策略有关，有时也要进行事先的运算，关键点应该具有这样的性质，是从一个集合区域到另一个集合区域必经的顶点或者就是终点。最短路径的计算结果是每个小集合划分的结果之和得到的。这样改的好处是，既能减少程序运行时涉及的顶点的数量，如果采用邻接矩阵的方式存储带权图，还能节省存储空间。 　　2.2 算法设计 　　下面给出改进算法的方法步骤： 　　（1）根据划分策略，确定顶点所属不同集合Si，i=1，2，3小于等于划分的个