数据结构第七节1.pptVIP

while (final[m]) m++; /* 找不在S中的顶点vk */ min=INFINITY ; for ( k=0; kG-vexnum; k++) { if (!final[k]dist[m]min) { min=dist[k] ; m=k ; } } /* 求出当前最小的dist[k]值 */ final[m]=TRUE ; /* 将第k个顶点并入S中 */ for ( j=0; jG-vexnum; j++) { if (!final[j](dist[m]+G-adj[m][j]dist[j])) { dist[j]=dist[m]+G-adj[m][j] ; pre[j]=m ; } } /* 修改dist和pre数组的值 */ } /* 找到最短路径 */ } 5 算法分析 Dijkstra算法的主要执行是： ◆ 数组变量的初始化：时间复杂度是O(n) ； ◆ 求最短路径的二重循环：时间复杂度是O(n2) ； 因此，整个算法的时间复杂度是O(n2) 。 对图7-25的带权有向图，用Dijkstra算法求从顶点0到其余各顶点的最短路径，数组dist和pre的各分量的变化如表7-3所示。 0 1 2 3 4 5 20 30 60 65 15 20 10 80 40 35 70 图7-25 带权有向图及其邻接矩阵 ∞ 20 60 ∞ 10 65 ∞ ∞ 30 70 ∞ ∞ ∞ ∞ ∞ 40 ∞ ∞ ∞ ∞ ∞ ∞ 35 ∞ ∞ ∞ ∞ ∞ ∞ 20 ∞ ∞ 15 80 ∞ ∞ 顶点 步骤 1 2 3 4 5 S 初态 Dist pre 20 0 60 0 ∞ 0 10 0 65 0 {0} 1 Dist pre 20 0 60 0 ∞ 0 10 0 30 4 {0, 4} 2 Dist pre 20 0 50 1 90 1 10 0 30 4 {0, 4, 1} 3 Dist pre 20 0 45 5 90 1 10 0 30 4 {0, 4, 1, 5} 4 Dist pre 20 0 45 5 85 2 10 0 30 4 {0, 4, 1, 5, 2} 5 Dist pre 20 0 45 5 85 2 10 0 30 4 {0, 4, 1, 5, 2, 3} 表7-3 求最短路径时数组dist和pre的各分量的变化情况 7.7.2 每一对顶点间的最短路径 用Dijkstra算法也可以求得有向图G=(V，E)中每一对顶点间的最短路径。方法是：每次以一个不同的顶点为源点重复Dijkstra算法便可求得每一对顶点间的最短路径，时间复杂度是O(n3) 。 弗罗伊德(Floyd)提出了另一个算法，其时间复杂度仍是O(n3) ， 但算法形式更为简明，步骤更为简单，数据结构仍然是基于图的邻接矩阵。 ② 将图中一个顶点Vk 加入到S中，修改A[i][j]的值，修改方法是： A[i][j]=Min{A[i][j] , (A[i][k]+A[k][j]) } 1 算法思想 设顶点集S(初值为空)，用数组A的每个元素A[i][j]保存从Vi只经过S中的顶点到达Vj的最短路径长度，其思想是： ① 初始时令S={ } ， A[i][j]的赋初值方式是： Wij i≠j且vi,vj∈E， wij为弧上的权值 ∞ i≠j且vi,vj不属于E A[i][j]= 0 i =j时 原因： 从Vj只经过S中的顶点(Vk)到达Vj的路径长度可能比原来不经过Vk的路径更短。 ③ 重复②，直到G的所有顶点都加入到S中为止。 2 算法实现 ◆ 定义二维数组P [n][n](n为图的顶点数) ，元素P [i][j]保存从Vi到Vj的最短路径所经过的顶点。 ◆ 若P [i][j]=k：从Vi到Vj 经过Vk ，最短路径序列是(Vi , …, Vk , …, Vj) ，则路径子序列：(Vi , …, Vk)和(Vk , …, Vj)一定是从Vi到Vk和从Vk到Vj 的最短路径。从而可以根据Path[i][k]和Path[k][j]的值再找到该路径上所经过的其它顶点，…依此类推。 ◆ 初始化为P [i][j]=-1，表示从Vi到Vj 不经过任何(S中的中间)顶点。当某个顶点Vk加入到S中后使A[i][j]变小时，令P [i][j]=