前言
本博客是博主用于复习数据结构以及算法的博客，如果疏忽出现错误，还望各位指正。
Dijkstra算法（Dijkstra的实现原理）
迪杰斯特拉算法的实现，很像Prim，基本原理是：
我先找到距离集合路径最短的邻接点，连接，然后看看加入这个新的点后，其他没有遍历过的结点是不是能够更短地到达，有的话就更新。
还是这个图，不过要注意的是，为了凸显出效果，我把AB之间的距离由7改为了8
来走一遍过程：我们以B开始吧
B遍历找到最短距离D权重为3
之后我们进入D，用{3（最短距离）+ D这一行未遍历到的结点}与 {dist中记录的权重}进行比较。A不通INF（注意Java中这时候如果“不通”用Integer.MAX_VALUE表示的话，不能再加，会变成负数的，直接忽略即可），B已经遍历，CD不通，E为3+8=11>5，不更新。结束
然后我们返回dist数组，选取最新的最短路径E权重为5
之后我们进入E，同理
再返回dist数组，选择C权重为6
之后我们进入C，注意，B到A是8，B到C再到A是7，于是进行更新dist和path中对应的值，之后继续……返回dist，最后选择A权重7
以上就是Dijkstra的原理。
Dijkstra的代码实现
主要的实现部分
理解是要格外注意Integer.MAX_VALUE+会变成负数，所以忽略。
public int[] Dijkstra(int begin){
int N = vertexList.size();
//到其他点的最短路径，动态更新，直到最后返回
int[] dist = new int[N];
for(int i=0;i<N;i++){ //进行一下拷贝，以免更改核心数据
dist[i] = edges[begin][i];
}
//System.out.println(Arrays.toString(dist));
isVisited[begin] = true; //该点已经遍历过
int[] path = new int[N]; //记录这个点从哪来的，到时候在path里寻找就行
//比如path 2 1 1 1 1，那么A就是从C来的，然后去C，C是从B来的，B是从B来的，OK结束，路径出来
Arrays.fill(path,begin);
for(int i = 0;i<N-1;i++){//遍历N-1次即可
int min = Integer.MAX_VALUE;
int index = 0;
for(int j = 0;j<N;j++){//寻找当前的最短路径
if(!isVisited[j]){
if(dist[j] < min){
min = dist[j];
index = j;
}
}
}
isVisited[index] = true; //置为遍历过
for(int k = 0;k<N;k++){//新加入点后，看min+edges[新加点的那一行]，看是不是比以前的小，小就换了
if(!isVisited[k] && edges[index][k]!=Integer.MAX_VALUE){//此处格外注意，因为Integer.MAX_VALUE再+就变成负的了，所以一定要注意
if(dist[index]+edges[index][k] < dist[k]){
dist[k] = dist[index]+edges[index][k];
path[k] = index;
}
}
}
//找到了之后呢
}
//System.out.println(Arrays.toString(dist));
//System.out.println(Arrays.toString(path));
return dist; //返回的是到每个点的最小路径
}之后是完整的实现代码（包含其他一些代码）
如果要实现每个点到其他点的最短路径，那么只需要遍历一遍即可，不过别忘了重置isVisited！
//package GraphTest.Demo;
import java.util.*;
public class Graph{//这是一个图类
/***基础属性***/
int[][] edges; //邻接矩阵存储边
ArrayList<EData> to = new ArrayList<>(); //EData包含start,end,weight三个属性，相当于另一种存储方式，主要是为了实现kruskal算法定义的
ArrayList<String> vertexList = new ArrayList<>(); //存储结点名称，当然你若想用Integer也可以，这个是我自己复习用的
int numOfEdges; //边的个数
boolean[] isVisited;
//构造器
Graph(int n){
this.edges = new int[n][n];
//为了方便，决定讲结点初始化为INF，这也方便后续某些操作
int INF = Integer.MAX_VALUE;
for(int i=0;i<n;i++){
Arrays.fill(edges[i],INF);
}
this.numOfEdges = 0;
this.isVisited = new boolean[n];
}
//插入点
public void insertVertex(String vertex){//看自己个人喜好，我这边是一个一个在主方法里插入点的名称
vertexList.add(vertex);
}
//点的个数
public int getNumOfVertex(){
return vertexList.size();
}
//获取第i个节点的名称
public String getVertexByIndex(int i){
return vertexList.get(i);
}
//获取该节点的下标
public int getIndexOfVertex(String vertex){
return vertexList.indexOf(vertex);
}
//插入边
public void insertEdge(int v1,int v2,int weight){
//注意，这里是无向图
edges[v1][v2] = weight;
edges[v2][v1] = weight;
this.numOfEdges++;
//如果要用Kruskal算法的话这里+
to.add(new EData(v1,v2,weight)); //加入from to这种存储方式
}
//边的个数
public int getNumOfEdge(){
return this.numOfEdges;
}
//得到点到点的权值
public int getWeight(int v1,int v2){//获取v1和v2边的权重
return edges[v1][v2];
}
//打印图
public void showGraph(){
for(int[] line:edges){
System.out.println(Arrays.toString(line));
}
}
//获取index行 第一个邻接结点
public int getFirstNeighbor(int index){
for(int i = 0;i < vertexList.size();i++){
if(edges[index][i] != Integer.MAX_VALUE){
return i; //找到就返回邻接结点的坐标
}
}
return -1; //没找到的话，返回-1
}
//获取row行 column列之后的第一个邻接结点
public int getNextNeighbor(int row,int column){
for(int i = column + 1;i < vertexList.size();i++){
if(edges[row][i] != Integer.MAX_VALUE){
return i; //找到就返回邻接结点的坐标
}
}
return -1; //没找到的话，返回-1
}
//DFS实现，先定义一个isVisited布尔数组确认该点是否遍历过
public void DFS(int index,boolean[] isVisited){
System.out.print(getVertexByIndex(index)+" "); //打印当前结点
isVisited[index] = true;
//查找index的第一个邻接结点f
int f = getFirstNeighbor(index);
//
while(f != -1){//说明有
if(!isVisited[f]){//f没被访问过
DFS(f,isVisited); //就进入该节点f进行遍历
}
//如果f已经被访问过,从当前 i 行的 f列 处往后找
f = getNextNeighbor(index,f);
}
}
//考虑到连通分量，需要对所有结点进行一次遍历，因为有Visited，所以不用考虑冲突情况
public void DFS(){
for(int i=0;i<vertexList.size();i++){
if(!isVisited[i]){
DFS(i,isVisited);
}
}
}
public void BFS(int index,boolean[] isVisited){
//BFS是由队列实现的，所以我们先创建一个队列
LinkedList<Integer> queue = new LinkedList<>();
System.out.print(getVertexByIndex(index)+" "); //打印当前结点
isVisited[index] =true; //遍历标志ture
queue.addLast(index); //队尾加入元素
int cur,neighbor; //队列头节点cur和邻接结点neighbor
while(!queue.isEmpty()){//如果队列不为空的话，就一直进行下去
//取出队列头结点下标
cur = queue.removeFirst(); //可以用作出队
//得到第一个邻接结点的下标
neighbor = getFirstNeighbor(cur);
//之后遍历下一个
while(neighbor != -1){//邻接结点存在
//是否访问过
if(!isVisited[neighbor]){
System.out.print(getVertexByIndex(neighbor)+" ");
isVisited[neighbor] = true;
queue.addLast(neighbor);
}
//在cur行找neighbor列之后的下一个邻接结点
neighbor = getNextNeighbor(cur,neighbor);
}
}
}
//考虑到连通分量，需要对所有结点进行一次遍历，因为有Visited，所以不用考虑冲突情况
public void BFS(){
for(int i=0;i<vertexList.size();i++){
if(!isVisited[i]){
BFS(i,isVisited);
}
}
}
public void prim(int begin){
//Prim原理：从当前集合选出权重最小的邻接结点加入集合，构成新的集合，重复步骤，直到N-1条边
int N = vertexList.size();
//当前的集合 与其他邻接结点的最小值
int[] lowcost = edges[begin];
//记录该结点是从哪个邻接结点过来的
int[] adjvex = new int[N];
Arrays.fill(adjvex,begin);
//表示已经遍历过了,isVisited置true
isVisited[begin] = true;
for(int i =0;i<N-1;i++){//进行N-1次即可，因为只需要联通N-1条边
//寻找当前集合最小权重邻接结点的操作
int index = 0;
int mincost = Integer.MAX_VALUE;
for(int j = 0;j<N;j++){
if(isVisited[j]) continue;
if(lowcost[j] < mincost){//寻找当前松弛点
mincost = lowcost[j];
index = j;
}
}
System.out.println("选择节点"+index+"权重为："+mincost);
isVisited[index] = true;
System.out.println(index);
//加入集合后更新的操作，看最小邻接结点是否更改
for(int k = 0;k<N;k++){
if(isVisited[k]) continue;//如果遍历过就跳过
if(edges[index][k] < lowcost[k]){ //加入新的节点之后更新,检查原图的index节点，加入后，是否有更新的
lowcost[k] = (edges[index][k]);
adjvex[k] = index;
}
}
}
}
//用于对之前定义的to进行排序
public void toSort(){
Collections.sort(this.to, new Comparator<EData>() {
@Override
public int compare(EData o1, EData o2) {
//顺序对就是升序，顺序不对就是降序，比如我现在是o1和o2传进来，比较时候o1在前就是升序，o1在后就是降序
int result = Integer.compare(o1.weight,o2.weight);
return result;
}
});
}
//并查集查找
public int find(int x,int[] f){
while(x!=f[x]){
x = f[x];
}
return x;
}
//并查集合并
public int union(int x,int y,int[] f){
find(x,f);
find(y,f);
if(x!=y){
f[x] = y;
return y;
}
return -1; //如果一样的集合就返回-1
}
public ArrayList<Integer> kruskal(){
//kruskal是对form to weight这种结构的类进行排序，然后选取最短的一条边，看是否形成回路，加入
toSort(); //调用toSort进行排序
//由于要判断是否形成回路，我们可以用DFS或者BFS，因为之前都写过，所以我们在这用并查集
//初始化并查集
int[] f = new int[vertexList.size()];
for(int i = 0;i<vertexList.size();i++){
f[i] = i;
}
ArrayList<Integer> res = new ArrayList<>();
int count = 0;
for(int i = 0;count != vertexList.size()-1 && i<this.to.size();i++){
//之后就是开始取边了
EData temp = this.to.get(i);
if(union(temp.start,temp.end,f)!=-1){//如果查到不是一个集，就可以添加
//这里都加进来是方便看哪个边
res.add(temp.start);
res.add(temp.end);
count++;
}
}
return res; //最后把集合返回去就行
}
public int[] Dijkstra(int begin){
int N = vertexList.size();
//到其他点的最短路径，动态更新，直到最后返回
int[] dist = new int[N];
for(int i=0;i<N;i++){ //进行一下拷贝，以免更改核心数据
dist[i] = edges[begin][i];
}
//System.out.println(Arrays.toString(dist));
isVisited[begin] = true; //该点已经遍历过
int[] path = new int[N]; //记录这个点从哪来的，到时候在path里寻找就行
//比如path 2 1 1 1 1，那么A就是从C来的，然后去C，C是从B来的，B是从B来的，OK结束，路径出来
Arrays.fill(path,begin);
for(int i = 0;i<N-1;i++){//遍历N-1次即可
int min = Integer.MAX_VALUE;
int index = 0;
for(int j = 0;j<N;j++){//寻找当前的最短路径
if(!isVisited[j]){
if(dist[j] < min){
min = dist[j];
index = j;
}
}
}
isVisited[index] = true; //置为遍历过
for(int k = 0;k<N;k++){//新加入点后，看min+edges[新加点的那一行]，看是不是比以前的小，小就换了
if(!isVisited[k] && edges[index][k]!=Integer.MAX_VALUE){//此处格外注意，因为Integer.MAX_VALUE再+就变成负的了，所以一定要注意
if(dist[index]+edges[index][k] < dist[k]){
dist[k] = dist[index]+edges[index][k];
path[k] = index;
}
}
}
//找到了之后呢
}
//System.out.println(Arrays.toString(dist));
//System.out.println(Arrays.toString(path));
return dist; //返回的是到每个点的最小路径
}
public static void main(String[] args) {
int n = 5;
String[] Vertexs ={"A","B","C","D","E"};
//创建图对象
Graph graph = new Graph(n);
for(String value:Vertexs){
graph.insertVertex(value);
}
graph.insertEdge(0,1,8);
graph.insertEdge(0,2,1);
graph.insertEdge(1,2,6);
graph.insertEdge(1,3,3);
graph.insertEdge(1,4,5);
graph.insertEdge(3,4,8);
// graph.showGraph();
//
// graph.DFS(1, graph.isVisited);
// System.out.println();
// graph.DFS();//再求求所有的，看有没有剩下的
// System.out.println();
// Arrays.fill(graph.isVisited,false);
// graph.BFS(1, graph.isVisited);
// System.out.println();
// Arrays.fill(graph.isVisited,false);
// graph.BFS();
// System.out.println();
// Arrays.fill(graph.isVisited,false);
// graph.prim(2);
// graph.toSort();
// for(EData i : graph.to){
// System.out.println(i.toString());
// }
// System.out.println(graph.kruskal().toString());;
// Arrays.fill(graph.isVisited,false);
for(int i = 0;i<graph.getNumOfVertex();i++){//每个点的到其他点的最短路径只需要遍历一遍即可，时间复杂度On3
Arrays.fill(graph.isVisited,false);
System.out.println(Arrays.toString(graph.Dijkstra(i)));
}
}
}
class EData{
//当然，这是为了方便，直接记录结点下标，而不记录像"A"这种
int start;
int end;
int weight;
EData(int start,int end,int weight){
this.start = start;
this.end = end;
this.weight = weight;
}
@Override
public String toString() {
return "EData{" +
"start=" + start +
", end=" + end +
", weight=" + weight +
'}';
}
}
![[管理者与领导者-158] ：团队管理 - 高效执行力 -1- 总体架构、策略、方法、情与法](https://img-blog.csdnimg.cn/direct/19205ac41c11426b86c76be144b2bb86.png)
