MST
星途 面试题库

面试题:C++ 优化 Dijkstra 算法的实现

已知在一个大型加权有向图中,常规的 Dijkstra 算法在性能上存在瓶颈。请用 C++ 实现对 Dijkstra 算法的优化,例如使用优先队列优化查找最小距离顶点的过程,并阐述这样优化的时间复杂度提升原理以及代码中每个关键步骤的作用。
33.2万 热度难度
编程语言C++

知识考点

AI 面试

面试题答案

一键面试

1. 优化后的 Dijkstra 算法 C++ 实现

#include <iostream>
#include <vector>
#include <queue>
#include <limits>

using namespace std;

const int INF = numeric_limits<int>::max();

// 边的结构体
struct Edge {
    int to;
    int weight;
    Edge(int t, int w) : to(t), weight(w) {}
};

// 优化后的 Dijkstra 算法
void optimizedDijkstra(vector<vector<Edge>>& graph, int start) {
    int n = graph.size();
    vector<int> dist(n, INF);
    vector<bool> visited(n, false);
    dist[start] = 0;

    // 使用优先队列,按照距离从小到大排序
    priority_queue<pair<int, int>, vector<pair<int, int>>, greater<pair<int, int>>> pq;
    pq.push({0, start});

    while (!pq.empty()) {
        int u = pq.top().second;
        pq.pop();

        if (visited[u]) continue;
        visited[u] = true;

        for (const Edge& edge : graph[u]) {
            int v = edge.to;
            int weight = edge.weight;
            if (!visited[v] && dist[u] + weight < dist[v]) {
                dist[v] = dist[u] + weight;
                pq.push({dist[v], v});
            }
        }
    }

    // 输出结果
    for (int i = 0; i < n; ++i) {
        cout << "Distance from " << start << " to " << i << " is: " << dist[i] << endl;
    }
}

2. 时间复杂度提升原理

  • 常规 Dijkstra 算法:每次寻找距离源点最近的未访问顶点时,需要遍历所有顶点,时间复杂度为 $O(V^2)$,其中 $V$ 是顶点的数量。
  • 优化后的 Dijkstra 算法:使用优先队列(最小堆)来存储顶点及其距离,每次从优先队列中取出距离最小的顶点,这个操作的时间复杂度为 $O(\log V)$。而对于每个顶点的每条边,将其邻接顶点及其距离加入优先队列的操作时间复杂度也是 $O(\log V)$。因此,总的时间复杂度变为 $O((V + E)\log V)$,其中 $E$ 是边的数量。当图是稀疏图($E << V^2$)时,优化后的算法时间复杂度有显著提升。

3. 代码关键步骤作用

  • Edge 结构体:定义边的信息,包括目标顶点 to 和权重 weight
  • optimizedDijkstra 函数:实现优化后的 Dijkstra 算法。
    • 初始化部分
      • vector<int> dist(n, INF):初始化距离数组,将所有顶点到源点的距离设为无穷大。
      • vector<bool> visited(n, false):初始化访问数组,标记所有顶点未被访问。
      • dist[start] = 0:将源点到自身的距离设为 0。
    • 优先队列部分
      • priority_queue<pair<int, int>, vector<pair<int, int>>, greater<pair<int, int>>> pq:定义一个优先队列,按照距离从小到大排序,存储顶点及其到源点的距离。
      • pq.push({0, start}):将源点及其距离(0)加入优先队列。
    • 主循环部分
      • int u = pq.top().secondpq.pop():从优先队列中取出距离最小的顶点。
      • if (visited[u]) continue:如果该顶点已被访问过,则跳过,防止重复计算。
      • 内层 for 循环:遍历当前顶点 u 的所有邻接顶点 v,如果 v 未被访问且通过 uv 的距离比当前记录的 v 到源点的距离更小,则更新 v 的距离,并将 v 及其新距离加入优先队列。
    • 输出部分:遍历距离数组,输出源点到各个顶点的最短距离。