迪杰斯特拉算法求最短路径(超级详细,图文并茂)
迪杰斯特拉算法用于查找图中某个顶点到其它所有顶点的最短路径,该算法既适用于无向加权图,也适用于有向加权图。
注意,使用迪杰斯特拉算法查找最短路径时,必须保证图中所有边的权值为非负数,否则查找过程很容易出错。

图 1 无向加权图
假设用迪杰斯特拉算法查找从顶点 0 到其它顶点的最短路径,具体过程是:
1) 统计从顶点 0 直达其它顶点的权值,如下表所示:

图 2 最短路径 0-1
3) 找到最短路径 0-1 后,沿 0-1 路径方向查找更短的到达其它顶点的路径,并对表 1 进行更新。

图 3 最短路径 0-2
4) 重复之前的操作,沿 0-2 路径方向查找更短的到达其它顶点的路径。遗憾地是,从顶点 2 只能到达顶点 3,且 0-2-3 的总权值比表 2 中记录的 0-1-3 更大,因此表 2 中记录的数据维持不变。
5) 表 3 中,总权值最小的是 0-1-3,它也是顶点 0 到顶点 3 的最短路径。

图 4 最短路径 0-1-3
沿 0-1-3 路径方向,查找到其它顶点更短的路径并更新表 3。更新后的表格为:
6) 表 4 中,总权值最小的是 0-1-3-4,它是顶点 0 到顶点 4 的最短路径。

图 5 最短路径 0-1-3-4
从顶点 4 出发,查找顶点 0 到其它顶点更短的路径并更新表 4。更新后的表格为:
7) 表 5 中,总权值最小的路径是 0-1-3-4-6,它是顶点 0 到顶点 6 的最短路径。

图 6 最短路径 0-1-3-4-6
8) 从图 6 可以看到,只剩下顶点 0 到顶点 5 的最短路径尚未确定。从顶点 6 出发到达顶点 5 的路径是 0-1-3-4-6-5,对应的总权值为 25,大于表 5 中记录的 0-1-3-5 路径,因此 0-1-3-5 是顶点 0 到顶点 5 的最短路径。

图 7 最短路径 0-1-3-5
由此借助迪杰斯特拉算法,我们找出了顶点 0 到其它所有顶点的最短路径,如下表所示:
仍以图 1 为例,迪杰斯特拉算法查找顶点 0 到其它顶点所有最短路径的 C 语言程序为:
迪杰斯特拉算法查找顶点 0 到其它顶点所有最短路径的 Java 程序为:
迪杰斯特拉算法查找顶点 0 到其它顶点所有最短路径的 Python 程序为:
以上程序的执行过程为:
注意,使用迪杰斯特拉算法查找最短路径时,必须保证图中所有边的权值为非负数,否则查找过程很容易出错。
迪杰斯特拉算法的实现思路
图 1 是一个无向加权图,我们就以此图为例,给大家讲解迪杰斯特拉算法的实现思路。
图 1 无向加权图
假设用迪杰斯特拉算法查找从顶点 0 到其它顶点的最短路径,具体过程是:
1) 统计从顶点 0 直达其它顶点的权值,如下表所示:
1 | 2 | 3 | 4 | 5 | 6 | |
---|---|---|---|---|---|---|
总权值 | 2 | 6 | ∞ | ∞ | ∞ | ∞ |
路径 | 0-1 | 0-2 | 0-3 | 0-4 | 0-5 | 0-6 |
2) 表 1 中,权值最小的是 0-1 路径,它也是从顶点 0 到顶点 1 的最短路径(如图 2 所示)。原因很简单,从顶点 0 出发一共只有 0-1 和 0-2 两条路径,0-2 的权值本就比 0-1 大,所以从 0-2 出发不可能找得到比 0-1 权值更小的路径。∞ 表示两个顶点之间无法直达,对应的权值为无穷大。

图 2 最短路径 0-1
3) 找到最短路径 0-1 后,沿 0-1 路径方向查找更短的到达其它顶点的路径,并对表 1 进行更新。
1 | 2 | 3 | 4 | 5 | 6 | |
---|---|---|---|---|---|---|
总权值 | 2 | 6 | 2+5 | ∞ | ∞ | ∞ |
路径 | 0-1 | 0-2 | 0-1-3 | 0-4 | 0-5 | 0-6 |
更新后的表格如表 2 所示,沿 0-1 路径可以到达顶点 3,且 0-1-3 的总权值比 0-3 更小。表 2 中,总权值最小的路径是 0-2,它也是从顶点 0 到顶点 2 的最短路径,如下图所示。绿色加粗的权值是已确认为最短路径的权值,后续选择总权值最小的路径时不再重复选择;红色加粗的权值为刚刚更新的权值。

图 3 最短路径 0-2
4) 重复之前的操作,沿 0-2 路径方向查找更短的到达其它顶点的路径。遗憾地是,从顶点 2 只能到达顶点 3,且 0-2-3 的总权值比表 2 中记录的 0-1-3 更大,因此表 2 中记录的数据维持不变。
1 | 2 | 3 | 4 | 5 | 6 | |
---|---|---|---|---|---|---|
总权值 | 2 | 6 | 7 | ∞ | ∞ | ∞ |
路径 | 0-1 | 0-2 | 0-1-3 | 0-4 | 0-5 | 0-6 |
5) 表 3 中,总权值最小的是 0-1-3,它也是顶点 0 到顶点 3 的最短路径。

图 4 最短路径 0-1-3
沿 0-1-3 路径方向,查找到其它顶点更短的路径并更新表 3。更新后的表格为:
1 | 2 | 3 | 4 | 5 | 6 | |
---|---|---|---|---|---|---|
总权值 | 2 | 6 | 7 | 7+10 | 7+15 | ∞ |
路径 | 0-1 | 0-2 | 0-1-3 | 0-1-3-4 | 0-1-3-5 | 0-6 |
6) 表 4 中,总权值最小的是 0-1-3-4,它是顶点 0 到顶点 4 的最短路径。

图 5 最短路径 0-1-3-4
从顶点 4 出发,查找顶点 0 到其它顶点更短的路径并更新表 4。更新后的表格为:
1 | 2 | 3 | 4 | 5 | 6 | |
---|---|---|---|---|---|---|
总权值 | 2 | 6 | 7 | 17 | 22 | 17+2 |
路径 | 0-1 | 0-2 | 0-1-3 | 0-1-3-4 | 0-1-3-5 | 0-1-3-4-6 |
7) 表 5 中,总权值最小的路径是 0-1-3-4-6,它是顶点 0 到顶点 6 的最短路径。

图 6 最短路径 0-1-3-4-6
8) 从图 6 可以看到,只剩下顶点 0 到顶点 5 的最短路径尚未确定。从顶点 6 出发到达顶点 5 的路径是 0-1-3-4-6-5,对应的总权值为 25,大于表 5 中记录的 0-1-3-5 路径,因此 0-1-3-5 是顶点 0 到顶点 5 的最短路径。

图 7 最短路径 0-1-3-5
由此借助迪杰斯特拉算法,我们找出了顶点 0 到其它所有顶点的最短路径,如下表所示:
1 | 2 | 3 | 4 | 5 | 6 | |
---|---|---|---|---|---|---|
总权值 | 2 | 6 | 7 | 17 | 22 | 19 |
路径 | 0-1 | 0-2 | 0-1-3 | 0-1-3-4 | 0-1-3-5 | 0-1-3-4-6 |
迪杰斯特拉算法的具体实现
了解了迪杰斯特拉算法的实现过程之后,接下来分别编写 C、Java 和 Python 程序真正地实现迪杰斯特拉算法。仍以图 1 为例,迪杰斯特拉算法查找顶点 0 到其它顶点所有最短路径的 C 语言程序为:
- #include <stdio.h>
- #define V 20 //顶点的最大个数
- #define INFINITY 65535
- typedef struct {
- int vexs[V]; //存储图中顶点数据
- int arcs[V][V]; //二维数组,记录顶点之间的关系
- int vexnum, arcnum; //记录图的顶点数和弧(边)数
- }MGraph;
- //根据顶点本身数据,判断出顶点在二维数组中的位置
- int LocateVex(MGraph * G, int v) {
- int i = 0;
- //遍历一维数组,找到变量v
- for (; i < G->vexnum; i++) {
- if (G->vexs[i] == v) {
- break;
- }
- }
- //如果找不到,输出提示语句,返回-1
- if (i > G->vexnum) {
- printf("no such vertex.\n");
- return -1;
- }
- return i;
- }
- //构造无向有权图
- void CreateDG(MGraph *G) {
- printf("输入图的顶点数和边数:");
- scanf("%d %d", &(G->vexnum), &(G->arcnum));
- printf("输入各个顶点:");
- for (int i = 0; i < G->vexnum; i++) {
- scanf("%d", &(G->vexs[i]));
- }
- for (int i = 0; i < G->vexnum; i++) {
- for (int j = 0; j < G->vexnum; j++) {
- G->arcs[i][j] = INFINITY;
- }
- }
- printf("输入各个边的数据:\n");
- for (int i = 0; i < G->arcnum; i++) {
- int v1, v2, w;
- scanf("%d %d %d", &v1, &v2, &w);
- int n = LocateVex(G, v1);
- int m = LocateVex(G, v2);
- if (m == -1 || n == -1) {
- return;
- }
- G->arcs[n][m] = w;
- G->arcs[m][n] = w;
- }
- }
- //迪杰斯特拉算法,v0表示有向网中起始点所在数组中的下标
- void Dijkstra_minTree(MGraph G, int v0, int p[V], int D[V]) {
- int final[V];//为各个顶点配置一个标记值,用于确认该顶点是否已经找到最短路径
- //对各数组进行初始化
- for (int v = 0; v < G.vexnum; v++) {
- final[v] = 0;
- D[v] = G.arcs[v0][v];
- p[v] = 0;
- }
- //由于以v0位下标的顶点为起始点,所以不用再判断
- D[v0] = 0;
- final[v0] = 1;
- int k = 0;
- for (int i = 0; i < G.vexnum; i++) {
- int min = INFINITY;
- //选择到各顶点权值最小的顶点,即为本次能确定最短路径的顶点
- for (int w = 0; w < G.vexnum; w++) {
- if (!final[w]) {
- if (D[w] < min) {
- k = w;
- min = D[w];
- }
- }
- }
- //设置该顶点的标志位为1,避免下次重复判断
- final[k] = 1;
- //对v0到各顶点的权值进行更新
- for (int w = 0; w < G.vexnum; w++) {
- if (!final[w] && (min + G.arcs[k][w] < D[w])) {
- D[w] = min + G.arcs[k][w];
- p[w] = k;//记录各个最短路径上存在的顶点
- }
- }
- }
- }
- int main() {
- MGraph G;
- CreateDG(&G);
- int P[V] = { 0 }; // 记录顶点 0 到各个顶点的最短的路径
- int D[V] = { 0 }; // 记录顶点 0 到各个顶点的总权值
- Dijkstra_minTree(G, 0, P, D);
- printf("最短路径为:\n");
- for (int i = 1; i < G.vexnum; i++) {
- printf("%d - %d的最短路径中的顶点有:", i, 0);
- printf(" %d-", i);
- int j = i;
- //由于每一段最短路径上都记录着经过的顶点,所以采用嵌套的方式输出即可得到各个最短路径上的所有顶点
- while (P[j] != 0) {
- printf("%d-", P[j]);
- j = P[j];
- }
- printf("0\n");
- }
- printf("源点到各顶点的最短路径长度为:\n");
- for (int i = 1; i < G.vexnum; i++) {
- printf("%d - %d : %d \n", G.vexs[0], G.vexs[i], D[i]);
- }
- return 0;
- }
迪杰斯特拉算法查找顶点 0 到其它顶点所有最短路径的 Java 程序为:
- import java.util.Scanner;
- public class Dijkstra {
- static int V = 9; // 图中边的数量
- public static class MGraph {
- int[] vexs = new int[V]; // 存储图中顶点数据
- int[][] arcs = new int[V][V]; // 二维数组,记录顶点之间的关系
- int vexnum, arcnum; // 记录图的顶点数和弧(边)数
- }
- public static int LocateVex(MGraph G, int V) {
- int i = 0;
- // 遍历一维数组,找到变量v
- for (; i < G.vexnum; i++) {
- if (G.vexs[i] == V) {
- break;
- }
- }
- // 如果找不到,输出提示语句,返回-1
- if (i > G.vexnum) {
- System.out.println("顶点输入有误");
- return -1;
- }
- return i;
- }
- // 构造无向有权图
- public static void CreatDG(MGraph G) {
- Scanner scn = new Scanner(System.in);
- System.out.print("输入图的顶点数和边数:");
- G.vexnum = scn.nextInt();
- G.arcnum = scn.nextInt();
- System.out.print("输入各个顶点:");
- for (int i = 0; i < G.vexnum; i++) {
- G.vexs[i] = scn.nextInt();
- }
- for (int i = 0; i < G.vexnum; i++) {
- for (int j = 0; j < G.vexnum; j++) {
- G.arcs[i][j] = 65535;
- }
- }
- System.out.println("输入各个边的数据:");
- for (int i = 0; i < G.arcnum; i++) {
- int v1 = scn.nextInt();
- int v2 = scn.nextInt();
- int w = scn.nextInt();
- int n = LocateVex(G, v1);
- int m = LocateVex(G, v2);
- if (m == -1 || n == -1) {
- return;
- }
- G.arcs[n][m] = w;
- G.arcs[m][n] = w;
- }
- }
- // 迪杰斯特拉算法,v0表示有向网中起始点所在数组中的下标
- public static void Dijkstra_minTree(MGraph G, int v0, int[] p, int[] D) {
- int[] tab = new int[V]; // 为各个顶点配置一个标记值,用于确认该顶点是否已经找到最短路径
- // 对各数组进行初始化
- for (int v = 0; v < G.vexnum; v++) {
- tab[v] = 0;
- D[v] = G.arcs[v0][v];
- p[v] = 0;
- }
- // 由于以v0位下标的顶点为起始点,所以不用再判断
- D[v0] = 0;
- tab[v0] = 1;
- int k = 0;
- for (int i = 0; i < G.vexnum; i++) {
- int min = 65535;
- // 选择到各顶点权值最小的顶点,即为本次能确定最短路径的顶点
- for (int w = 0; w < G.vexnum; w++) {
- if (tab[w] != 1) {
- if (D[w] < min) {
- k = w;
- min = D[w];
- }
- }
- }
- // 设置该顶点的标志位为1,避免下次重复判断
- tab[k] = 1;
- // 对v0到各顶点的权值进行更新
- for (int w = 0; w < G.vexnum; w++) {
- if (tab[w] != 1 && (min + G.arcs[k][w] < D[w])) {
- D[w] = min + G.arcs[k][w];
- p[w] = k;// 记录各个最短路径上存在的顶点
- }
- }
- }
- }
- public static void main(String[] args) {
- MGraph G = new MGraph();
- CreatDG(G);
- int[] P = new int[V]; // 记录顶点 0 到各个顶点的最短的路径
- int[] D = new int[V]; // 记录顶点 0 到各个顶点的总权值
- Dijkstra_minTree(G, 0, P, D);
- System.out.println("最短路径为:");
- for (int i = 1; i < G.vexnum; i++) {
- System.out.print(i + " - " + 0 + " 的最短路径中的顶点有:");
- System.out.print(i + "-");
- int j = i;
- // 由于每一段最短路径上都记录着经过的顶点,所以采用嵌套的方式输出即可得到各个最短路径上的所有顶点
- while (P[j] != 0) {
- System.out.print(P[j] + "-");
- j = P[j];
- }
- System.out.println("0");
- }
- System.out.println("源点到各顶点的最短路径长度为:");
- for (int i = 1; i < G.vexnum; i++) {
- System.out.println(G.vexs[0] + " - " + G.vexs[i] + " : " + D[i]);
- }
- }
- }
迪杰斯特拉算法查找顶点 0 到其它顶点所有最短路径的 Python 程序为:
- V = 20 #顶点的最大个数
- INFINITY = 65535 #设定一个最大值
- P = [0]*V # 记录顶点 0 到各个顶点的最短的路径
- D = [0]*V # 记录顶点 0 到各个顶点的总权值
- class MGraph:
- vexs = []*V #存储图中顶点数据
- arcs = [[0]*V for i in range(V)] #二维列表,记录顶点之间的关系
- vexnum = 0 #记录图的顶点数和弧(边)数
- arcnum = 0
- G = MGraph()
- #根据顶点本身数据,判断出顶点在二维数组中的位置
- def LocateVex(G,v):
- #遍历一维数组,找到变量v
- for i in range(G.vexnum):
- if G.vexs[i] == v:
- break
- #如果找不到,输出提示语句,返回-1
- if i>G.vexnum:
- print("顶点输入有误")
- return -1
- return i
- #构造无向有权图
- def CreateDG(G):
- print("输入图的顶点数和边数:",end='')
- li = input().split()
- G.vexnum = int(li[0])
- G.arcnum = int(li[1])
- print("输入各个顶点:",end='')
- G.vexs = [int(i) for i in input().split()]
- for i in range(G.vexnum):
- for j in range(G.vexnum):
- G.arcs[i][j] = INFINITY
- print("输入各个边的数据:")
- for i in range(G.arcnum):
- li = input().split()
- v1 = int(li[0])
- v2 = int(li[1])
- w = int(li[2])
- n = LocateVex(G,v1)
- m = LocateVex(G,v2)
- if m == -1 or n == -1:
- return
- G.arcs[n][m] = w
- G.arcs[m][n] = w
- CreateDG(G)
- #迪杰斯特拉算法,v0表示有向网中起始点所在数组中的下标
- def Dijkstra_minTree(G,v0,P,D):
- #为各个顶点配置一个标记值,用于确认该顶点是否已经找到最短路径
- final = [0]*V
- #对各数组进行初始化
- for i in range(G.vexnum):
- D[i] = G.arcs[v0][i]
- #由于以v0位下标的顶点为起始点,所以不用再判断
- D[v0] = 0
- final[v0] = 1
- k =0
- for i in range(G.vexnum):
- low = INFINITY
- #选择到各顶点权值最小的顶点,即为本次能确定最短路径的顶点
- for w in range(G.vexnum):
- if not final[w]:
- if D[w] < low:
- k = w
- low = D[w]
- #设置该顶点的标志位为1,避免下次重复判断
- final[k] = 1
- #对v0到各顶点的权值进行更新
- for w in range(G.vexnum):
- if not final[w] and (low + G.arcs[k][w]<D[w]):
- D[w] = low + G.arcs[k][w]
- P[w] = k #记录各个最短路径上存在的顶点
- Dijkstra_minTree(G,0,P,D)
- print("最短路径为:")
- for i in range(1,G.vexnum):
- print("%d - %d的最短路径中的顶点有:"%(i,0),end='')
- print("%d-"%(i),end='')
- j = i
- #由于每一段最短路径上都记录着经过的顶点,所以采用嵌套的方式输出即可得到各个最短路径上的所有顶点
- while P[j] != 0:
- print("%d-"%(P[j]),end='')
- j = P[j]
- print("0")
- print("源点到各顶点的最短路径长度为:")
- for i in range(1,G.vexnum):
- print("%d - %d : %d"%(G.vexs[0], G.vexs[i], D[i]))
以上程序的执行过程为:
输入图的顶点数和边数:7 9
输入各个顶点:0 1 2 3 4 5 6
输入各个边的数据:
0 1 2
0 2 6
1 3 5
2 3 8
3 5 15
3 4 10
4 5 6
4 6 2
5 6 6
最短路径为:
1 - 0的最短路径中的顶点有: 1-0
2 - 0的最短路径中的顶点有: 2-0
3 - 0的最短路径中的顶点有: 3-1-0
4 - 0的最短路径中的顶点有: 4-3-1-0
5 - 0的最短路径中的顶点有: 5-3-1-0
6 - 0的最短路径中的顶点有: 6-4-3-1-0
源点到各顶点的最短路径长度为:
0 - 1 : 2
0 - 2 : 6
0 - 3 : 7
0 - 4 : 17
0 - 5 : 22
0 - 6 : 19