漫画：Dijkstra 算法的优化
在上一篇漫画中，小灰介绍了单源最短路径算法 Dijkstra，没看过的小伙伴可以看下：
漫画中我们遗留了一个问题：
如何求得最短路径的详细节点，而不仅仅是距离？
在本篇中，我们将会给与解答。
我们仍然以下面这个带权图为例，找出从顶点A到顶点G的最短距离。
详细过程如下：
第1步，创建距离表和前置顶点表。
距离表的Key是顶点名称，Value是从起点A到对应顶点的已知最短距离，默认为无穷大；前置顶点表的Key是顶点名称，Value是从起点A到对应顶点的已知最短路径的前置定点。
第2步，遍历起点A，找到起点A的邻接顶点B和C。从A到B的距离是5，从A到C的距离是2。把这一信息刷新到距离表当中。
同时，顶点B、C的前置顶点都是A，顶点A在邻接表中下标是0，所以把前置顶点表的B、C值更新为0：
第3步，从距离表中找到从A出发距离最短的点，也就是顶点C。
第4步，遍历顶点C，找到顶点C的邻接顶点D和F（A已经遍历过，不需要考虑）。从C到D的距离是6，所以A到D的距离是2+6=8；从C到F的距离是8，所以从A到F的距离是2+8=10。把这一信息刷新到表中。
同时，顶点D、F的前置顶点都是C，顶点C在邻接表中下标是2，所以把前置顶点表的D、F值更新为2：
接下来重复第3步、第4步所做的操作：
第5步，也就是第3步的重复，从距离表中找到从A出发距离最短的点（C已经遍历过，不需要考虑），也就是顶点B。
第6步，也就是第4步的重复，遍历顶点B，找到顶点B的邻接顶点D和E（A已经遍历过，不需要考虑）。从B到D的距离是1，所以A到D的距离是5+1=6，小于距离表中的8；从B到E的距离是6，所以从A到E的距离是5+6=11。把这一信息刷新到表中。
同时，顶点D、E的前置顶点都是B，顶点B在邻接表中下标是1，所以把前置顶点表的D、E值更新为1：
第7步，从距离表中找到从A出发距离最短的点（B和C不用考虑），也就是顶点D。
第8步，遍历顶点D，找到顶点D的邻接顶点E和F。从D到E的距离是1，所以A到E的距离是6+1=7，小于距离表中的11；从D到F的距离是2，所以从A到F的距离是6+2=8，小于距离表中的10。把这一信息刷新到表中。
同时，顶点E、F的前置顶点都是D，顶点D在邻接表中下标是3，所以把前置顶点表的E、F值更新为3：
第9步，从距离表中找到从A出发距离最短的点，也就是顶点E。
第10步，遍历顶点E，找到顶点E的邻接顶点G。从E到G的距离是7，所以A到G的距离是7+7=14。把这一信息刷新到表中。
同时，顶点G的前置顶点是E，顶点E在邻接表中下标是4，所以把前置顶点表的G值更新为4：
第11步，从距离表中找到从A出发距离最短的点，也就是顶点F。
第12步，遍历顶点F，找到顶点F的邻接顶点G。从F到G的距离是3，所以A到G的距离是8+3=11，小于距离表中的14。把这一信息刷新到表中：
就这样，除终点以外的全部顶点都已经遍历完毕，距离表中存储的是从起点A到所有顶点的最短距离，而前置定点存储的是从起点A到所有顶点最短路径的前置顶点。
如何把前置顶点表“翻译”成图的最短路径呢？我们可以使用回溯法，自后向前回溯：
第1步，找到图的终点G，它是最短路径的终点：
第2步，通过前置定点表找到顶点G对应的前置下标5，在顶点数组中找到下标5对应的顶点F，它是顶点G的前置顶点：
第3步，通过前置定点表找到顶点F对应的前置下标3，在顶点数组中找到下标3对应的顶点D，它是顶点F的前置顶点：
第4步，通过前置定点表找到顶点D对应的前置下标1，在顶点数组中找到下标1对应的顶点B，它是顶点D的前置顶点：
第5步，通过前置定点表找到顶点B对应的前置下标0，在顶点数组中找到下标0对应的顶点A，它是顶点B的前置顶点：
如此一来，我们把前置顶点表（0,0,1,3,3,5）转化成了最短路径（A-B-D-F-G）。
/** * Dijkstra最短路径算法 */public static int[] dijkstra(Graph graph, int startIndex) {
//图的顶点数量 int size = graph.vertexes.length; //创建距离表，存储从起点到每一个顶点的临时距离 int[] distances = new int[size]; //创建前置定点表，存储从起点到每一个顶点的已知最短路径的前置节点 int[] prevs = new int[size]; //记录顶点遍历状态 boolean[] access = new boolean[size];
//初始化最短路径表，到达每个顶点的路径代价默认为无穷大 for(int i=0; i<size; i++){ distances[i] = Integer.MAX_VALUE; } //遍历起点，刷新距离表 access[0] = true; List<Edge> edgesFromStart = graph.adj[startIndex]; for(Edge edge : edgesFromStart) { distances[edge.index] = edge.weight; prevs[edge.index] = 0; } //主循环，重复 遍历最短距离顶点和刷新距离表 的操作 for(int i=1; i<size; i++) { //寻找最短距离顶点 int minDistanceFromStart = Integer.MAX_VALUE; int minDistanceIndex = -1; for(int j=1; j<size; j++) { if(!access[j] && distances[j] < minDistanceFromStart) { minDistanceFromStart = distances[j]; minDistanceIndex = j; } } if(minDistanceIndex == -1){ break; } //遍历顶点，刷新距离表 access[minDistanceIndex] = true; for(Edge edge : graph.adj[minDistanceIndex]) { if(access[edge.index]){ continue; } int weight = edge.weight; int preDistance = distances[edge.index]; if(weight != Integer.MAX_VALUE && (minDistanceFromStart+ weight < preDistance)) { distances[edge.index] = minDistanceFromStart + weight; prevs[edge.index] = minDistanceIndex; } } }
return prevs;}
public static void main(String[] args) { Graph graph = new Graph(7); initGraph(graph); int[] prevs = dijkstra(graph, 0); printPrevs(graph.vertexes, prevs, graph.vertexes.length-1);}
private static void printPrevs(Vertex[] vertexes, int[] prev, int i){ if(i>0){ printPrevs(vertexes, prev, prev[i]); } System.out.println(vertexes[i].data);}
/** * 图的顶点 */private static class Vertex { String data; Vertex(String data) { this.data = data; }}
/** * 图的边 */private static class Edge { int index; int weight; Edge(int index, int weight) { this.index = index; this.weight = weight; }}
/** * 图 */private static class Graph { private Vertex[] vertexes; private LinkedList<Edge> adj[];
Graph(int size){ //初始化顶点和邻接矩阵 vertexes = new Vertex[size]; adj = new LinkedList[size]; for(int i=0; i<adj.length; i++){ adj[i] = new LinkedList<Edge>(); } }}
private static void initGraph(Graph graph){ graph.vertexes[0] = new Vertex("A"); graph.vertexes[1] = new Vertex("B"); graph.vertexes[2] = new Vertex("C"); graph.vertexes[3] = new Vertex("D"); graph.vertexes[4] = new Vertex("E"); graph.vertexes[5] = new Vertex("F"); graph.vertexes[6] = new Vertex("G");
graph.adj[0].add(new Edge(1, 5)); graph.adj[0].add(new Edge(2, 2)); graph.adj[1].add(new Edge(0, 5)); graph.adj[1].add(new Edge(3, 1)); graph.adj[1].add(new Edge(4, 6)); graph.adj[2].add(new Edge(0, 2)); graph.adj[2].add(new Edge(3, 6)); graph.adj[2].add(new Edge(5, 8)); graph.adj[3].add(new Edge(1, 1)); graph.adj[3].add(new Edge(2, 6)); graph.adj[3].add(new Edge(4, 1)); graph.adj[3].add(new Edge(5, 2)); graph.adj[4].add(new Edge(1, 6)); graph.adj[4].add(new Edge(3, 1)); graph.adj[4].add(new Edge(6, 7)); graph.adj[5].add(new Edge(2, 8)); graph.adj[5].add(new Edge(3, 2)); graph.adj[5].add(new Edge(6, 3)); graph.adj[6].add(new Edge(4, 7)); graph.adj[6].add(new Edge(5, 3));}代码中，距离表和前置顶点表都是采用数组存储，这样比较方便。
输出最短路径的时候，代码中采用了递归的方式进行回溯。
—————END—————