Java實現(xiàn)Dijkstra算法的示例代碼
更新時間:2022年07月08日 08:39:42 作者:chengqiuming
Dijkstra(迪杰斯特拉)算法是典型的單源最短路徑算法,用于計算一個節(jié)點到其他所有節(jié)點的最短路徑。本文主要介紹了實現(xiàn)這一算法的Java代碼,需要的可以參考一下
一 問題描述
小明為位置1,求他到其他各頂點的距離。

二 實現(xiàn)
package graph.dijkstra;
import java.util.Scanner;
import java.util.Stack;
public class Dijkstra {
static final int MaxVnum = 100; // 頂點數(shù)最大值
static final int INF = 0x3f3f3f3f; //無窮大
static final int dist[] = new int[MaxVnum]; // 最短距離
static final int p[] = new int[MaxVnum]; // 前驅(qū)數(shù)組
static final boolean flag[] = new boolean[MaxVnum]; // 如果 s[i] 等于 true,說明頂點 i 已經(jīng)加入到集合 S ;否則頂點 i 屬于集合 V-S
static int locatevex(AMGraph G, char x) {
for (int i = 0; i < G.vexnum; i++) // 查找頂點信息的下標
if (x == G.Vex[i])
return i;
return -1; // 沒找到
}
static void CreateAMGraph(AMGraph G) {
Scanner scanner = new Scanner(System.in);
int i, j;
char u, v;
int w;
System.out.println("請輸入頂點數(shù):");
G.vexnum = scanner.nextInt();
System.out.println("請輸入邊數(shù):");
G.edgenum = scanner.nextInt();
System.out.println("請輸入頂點信息:");
// 輸入頂點信息,存入頂點信息數(shù)組
for (int k = 0; k < G.vexnum; k++) {
G.Vex[k] = scanner.next().charAt(0);
}
//初始化鄰接矩陣所有值為0,如果是網(wǎng),則初始化鄰接矩陣為無窮大
for (int m = 0; m < G.vexnum; m++)
for (int n = 0; n < G.vexnum; n++)
G.Edge[m][n] = INF;
System.out.println("請輸入每條邊依附的兩個頂點及權(quán)值:");
while (G.edgenum-- > 0) {
u = scanner.next().charAt(0);
v = scanner.next().charAt(0);
w = scanner.nextInt();
i = locatevex(G, u);// 查找頂點 u 的存儲下標
j = locatevex(G, v);// 查找頂點 v 的存儲下標
if (i != -1 && j != -1)
G.Edge[i][j] = w; //有向圖鄰接矩陣
else {
System.out.println("輸入頂點信息錯!請重新輸入!");
G.edgenum++; // 本次輸入不算
}
}
}
static void print(AMGraph G) { // 輸出鄰接矩陣
System.out.println("圖的鄰接矩陣為:");
for (int i = 0; i < G.vexnum; i++) {
for (int j = 0; j < G.vexnum; j++)
System.out.print(G.Edge[i][j] + "\t");
System.out.println();
}
}
public static void main(String[] args) {
AMGraph G = new AMGraph();
int st;
char u;
CreateAMGraph(G);
System.out.println("請輸入源點的信息:");
Scanner scanner = new Scanner(System.in);
u = scanner.next().charAt(0);
;
st = locatevex(G, u);//查找源點u的存儲下標
Dijkstra(G, st);
System.out.println("小明所在的位置:" + u);
for (int i = 0; i < G.vexnum; i++) {
System.out.print("小明:" + u + " - " + "要去的位置:" + G.Vex[i]);
if (dist[i] == INF)
System.out.print(" sorry,無路可達");
else
System.out.println(" 最短距離為:" + dist[i]);
}
findpath(G, u);
}
public static void Dijkstra(AMGraph G, int u) {
for (int i = 0; i < G.vexnum; i++) {
dist[i] = G.Edge[u][i]; //初始化源點u到其他各個頂點的最短路徑長度
flag[i] = false;
if (dist[i] == INF)
p[i] = -1; //源點u到該頂點的路徑長度為無窮大,說明頂點i與源點u不相鄰
else
p[i] = u; //說明頂點i與源點u相鄰,設置頂點i的前驅(qū)p[i]=u
}
dist[u] = 0;
flag[u] = true; //初始時,集合S中只有一個元素:源點u
for (int i = 0; i < G.vexnum; i++) {
int temp = INF, t = u;
for (int j = 0; j < G.vexnum; j++) //在集合V-S中尋找距離源點u最近的頂點t
if (!flag[j] && dist[j] < temp) {
t = j;
temp = dist[j];
}
if (t == u) return; //找不到t,跳出循環(huán)
flag[t] = true; //否則,將t加入集合
for (int j = 0; j < G.vexnum; j++)//更新V-S中與t相鄰接的頂點到源點u的距離
if (!flag[j] && G.Edge[t][j] < INF)
if (dist[j] > (dist[t] + G.Edge[t][j])) {
dist[j] = dist[t] + G.Edge[t][j];
p[j] = t;
}
}
}
public static void findpath(AMGraph G, char u) {
int x;
Stack<Integer> S = new Stack<>();
System.out.println("源點為:" + u);
for (int i = 0; i < G.vexnum; i++) {
x = p[i];
if (x == -1 && u != G.Vex[i]) {
System.out.println("源點到其它各頂點最短路徑為:" + u + "--" + G.Vex[i] + " sorry,無路可達");
continue;
}
while (x != -1) {
S.push(x);
x = p[x];
}
System.out.println("源點到其它各頂點最短路徑為:");
while (!S.empty()) {
System.out.print(G.Vex[S.peek()] + "--");
S.pop();
}
System.out.println(G.Vex[i] + " 最短距離為:" + dist[i]);
}
}
}
class AMGraph {
char Vex[] = new char[Dijkstra.MaxVnum];
int Edge[][] = new int[Dijkstra.MaxVnum][Dijkstra.MaxVnum];
int vexnum; // 頂點數(shù)
int edgenum; // 邊數(shù)
}三 測試

到此這篇關于Java實現(xiàn)Dijkstra算法的示例代碼的文章就介紹到這了,更多相關Java Dijkstra算法內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家!
相關文章
Java通過python命令執(zhí)行DataX任務的實例
今天小編就為大家分享一篇Java通過python命令執(zhí)行DataX任務的實例,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2019-08-08
SpringBoot集成Mybatis實現(xiàn)對多數(shù)據(jù)源訪問原理
本文主要分析討論在SpringBoot應用中我們該如何配置SqlSessionFactoryBean對象,進而實現(xiàn)對多個不同的數(shù)據(jù)源的操縱,文章通過代碼示例介紹的非常詳細,需要的朋友可以參考下2023-11-11
Spring Boot高可用限流三種實現(xiàn)解決方案
限流是對某一時間窗口內(nèi)的請求數(shù)進行限制,保持系統(tǒng)的可用性和穩(wěn)定性,本文就介紹了Spring Boot高可用限流三種實現(xiàn)解決方案,具有一定的參考價值,感興趣的可以了解一下2023-08-08

