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().second
和 pq.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 u
到 v
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。