Java手撸“单源”最短路径算法——Dijkstra算法
代码

import java.util.Scanner;
/**
 * 从键盘输入一张图，用Dijkstra算法求解指定两点之间的距离，为了统一顶点编号也从0开始
 * 当然还有一些地方可以用堆、邻接表来优化，这里关注点不在此。
 * @author XZP
 * 一组测试数据：
 6 9
 0 2
 0 1 1
 0 2 12
 1 2 9
 1 3 3
 2 4 5
 3 2 4
 3 4 13
 3 5 15
 4 5 4
 *
 */
public class Dijkstra {
    public static int[][] e;
    public static int[] dis;
    public static int INF = 99999;
    public static int M = 0; // 顶点个数
    public static int N = 0; // 边的条数
    public static int v1, v2; // 第一个和第二个顶点的编号
    public static int v3, v4; // v3是起始顶点，v4是终点
    public static int weight = INF; // 两个顶点对应边的权重
    public static int[] book; // 用来标记该点是否已经更新过
    public static int target; // 用于存储被选到的点
    public static void main(String[] args) {
        Scanner sc = new Scanner(System.in);
        while (sc.hasNext()) {
            // 首先输入顶点个数和边的条数
            M = sc.nextInt();
            N = sc.nextInt();
            // 输入要求距离之间的两个顶点编号
            v3 = sc.nextInt();
            v4 = sc.nextInt();
            // 然后初始化
            init();
            // 所有的都初始化完毕之后开始为两两顶点之间输入人为的权重值
            for (int i = 0; i < N; i++) { // N条边所有要循环N次
                v1 = sc.nextInt();
                v2 = sc.nextInt();
                weight = sc.nextInt();
                e[v1][v2] = weight; // 注意顶点编号起点，要对应一下
            }
            dijkstra(); // 求最短路径，并将“松弛”结果更新dis数组
            System.out.println("顶点" + v3 + "到顶点" + v4 + "之间的最短路径为：" + dis[v4]);
            for (int i = 0; i < M; i++) {
                System.out.print(dis[i] + " ");
            }
        }
    }
    public static void dijkstra() {
        initDis();
        for (int i = 0; i < M; i++) {
            // 每次选取还未标记的剩余点中的离v3最近的点
            int min = Integer.MAX_VALUE;
            for (int j = 0; j < M; j++) {
                if (book[j] == 0 && dis[j] < min && j != v3) {
                    min = dis[j];
                    target = j;
                }
            }
            book[target] = 1;
            // 对所有target的出边进行松弛
            for (int j = 0; j < M; j++) {
                if (dis[j] > dis[target] + e[target][j]) {
                    dis[j] = dis[target] + e[target][j];
                }
            }
        }
    }
    /**
     * 当二维数组e有了确切值之后，需要初始化单源顶点v3到各个点之间的距离数组dis
     */
    public static void initDis() {
        // 初始化dis数组
        for (int i = 0; i < M; i++) {
                if (i == v3) {
                    dis[v3] = 0;
                    book[v3] = 1;
                } else {
                    dis[i] = e[v3][i];
                }
            }
    }
    public static void init() {
        // 初始化存储边的数组
        e = new int [M][M];
        // 初始化存储顶点之间最小距离的数组dis
        dis = new int[M];
        // 初始化标记数组
        book = new int[M];
        // 初始化边数组的信息
        for (int i = 0; i < M; i++) {
            for (int j = 0;j < M; j++) {
                if (i == j) {
                    e[i][j] = 0; // 同一顶点之间的距离为0
                } else {
                    e[i][j] = INF; // 其他初始化为“无穷大”
                }
            }
        }
    }
}
几点注意

根据稀疏度可以从存储结构上优化
时间复杂度O(N^2)
不能求解负带权边的图
最后编辑于：2019.01.05 16:09:24