用c++中的list帮我实现dijkstra算法

时间: 2024-04-23 20:16:26 浏览: 10
下面是使用C语言中的list实现Dijkstra算法的示例代码: ```c #include <stdio.h> #include <stdlib.h> #include <limits.h> #include <stdbool.h> #include <string.h> #define MAX_VERTICES 1000 #define INF INT_MAX typedef struct Edge { int dest; int weight; struct Edge* next; } Edge; typedef struct Vertex { Edge* head; int dist; bool visited; int prev; } Vertex; typedef struct Graph { Vertex vertices[MAX_VERTICES]; int num_vertices; } Graph; typedef struct List { int value; struct List* next; } List; typedef struct Queue { List* front; List* rear; } Queue; void init_queue(Queue* q) { q->front = q->rear = NULL; } bool is_queue_empty(Queue* q) { return q->front == NULL; } void enqueue(Queue* q, int value) { List* new_node = (List*)malloc(sizeof(List)); new_node->value = value; new_node->next = NULL; if (is_queue_empty(q)) { q->front = q->rear = new_node; } else { q->rear->next = new_node; q->rear = new_node; } } int dequeue(Queue* q) { if (is_queue_empty(q)) { return -1; } List* temp = q->front; int value = temp->value; q->front = q->front->next; if (q->front == NULL) { q->rear = NULL; } free(temp); return value; } void init_graph(Graph* g) { g->num_vertices = 0; for (int i = 0; i < MAX_VERTICES; i++) { g->vertices[i].head = NULL; g->vertices[i].dist = INF; g->vertices[i].visited = false; g->vertices[i].prev = -1; } } void add_edge(Graph* g, int src, int dest, int weight) { Edge* new_edge = (Edge*)malloc(sizeof(Edge)); new_edge->dest = dest; new_edge->weight = weight; new_edge->next = g->vertices[src].head; g->vertices[src].head = new_edge; } void dijkstra(Graph* g, int src) { g->vertices[src].dist = 0; Queue q; init_queue(&q); enqueue(&q, src); while (!is_queue_empty(&q)) { int u = dequeue(&q); g->vertices[u].visited = true; Edge* edge = g->vertices[u].head; while (edge != NULL) { int v = edge->dest; int weight = edge->weight; if (!g->vertices[v].visited && g->vertices[u].dist + weight < g->vertices[v].dist) { g->vertices[v].dist = g->vertices[u].dist + weight; g->vertices[v].prev = u; enqueue(&q, v); } edge = edge->next; } } } void print_shortest_path(Graph* g, int src, int dest) { if (g->vertices[dest].prev == -1) { printf("There is no path from %d to %d\n", src, dest); return; } List* path = NULL; int current = dest; while (current != src) { List* new_node = (List*)malloc(sizeof(List)); new_node->value = current; new_node->next = path; path = new_node; current = g->vertices[current].prev; } printf("Shortest path from %d to %d: %d", src, dest, src); while (path != NULL) { printf(" -> %d", path->value); path = path->next; } printf("\n"); } int main() { Graph g; init_graph(&g); g.num_vertices = 6; add_edge(&g, 0, 1, 5); add_edge(&g, 0, 2, 1); add_edge(&g, 1, 2, 2); add_edge(&g, 1, 3, 3); add_edge(&g, 2, 3, 7); add_edge(&g, 2, 4, 4); add_edge(&g, 3, 4, 3); add_edge(&g, 3, 5, 2); add_edge(&g, 4, 5, 6); dijkstra(&g, 0); print_shortest_path(&g, 0, 5); return 0; } ``` 在上面的代码中,我们使用了一个辅助的List结构体来实现队列,而不是使用标准库中的队列。我们首先定义了一个List结构体,代表队列中的一个节点,其中value字段代表节点的值,next字段代表指向队列中下一个节点的指针。然后我们定义了一个Queue结构体,代表队列本身,其中front字段代表队首节点的指针,rear字段代表队尾节点的指针。 在dijkstra函数中,我们使用了一个Queue来存储待访问的节点。我们首先将源节点的距离设为0,并将其加入队列中。然后每次从队列中取出一个节点u,并将其标记为已访问。然后我们遍历u的所有邻居节点v,如果v未被访问过,并且从源节点到v的距离比当前记录的距离更短,则更新v的距离,并将v加入队列中。最后,当队列为空时,我们已经找到了从源节点到所有其他节点的最短路径。 在print_shortest_path函数中,我们从目标节点开始向前遍历,直到到达源节点。我们使用一个List来存储路径中的所有节点,然后反向输出路径即可。 在main函数中,我们创建了一个6个节点的有向图,并使用add_edge函数添加了边。然后我们调用dijkstra函数来计算从源节点0到所有其他节点的最短路径,并使用print_shortest_path函数输出从0到5的最短路径。

相关推荐

最新推荐

recommend-type

组成原理课程实验:MIPS 流水线CPU、实现36条指令、转发、冒险检测-内含源码和说明书.zip

组成原理课程实验:MIPS 流水线CPU、实现36条指令、转发、冒险检测-内含源码和说明书.zip
recommend-type

setuptools-50.0.2-py3-none-any.whl

Python库是一组预先编写的代码模块,旨在帮助开发者实现特定的编程任务,无需从零开始编写代码。这些库可以包括各种功能,如数学运算、文件操作、数据分析和网络编程等。Python社区提供了大量的第三方库,如NumPy、Pandas和Requests,极大地丰富了Python的应用领域,从数据科学到Web开发。Python库的丰富性是Python成为最受欢迎的编程语言之一的关键原因之一。这些库不仅为初学者提供了快速入门的途径,而且为经验丰富的开发者提供了强大的工具,以高效率、高质量地完成复杂任务。例如,Matplotlib和Seaborn库在数据可视化领域内非常受欢迎,它们提供了广泛的工具和技术,可以创建高度定制化的图表和图形,帮助数据科学家和分析师在数据探索和结果展示中更有效地传达信息。
recommend-type

setuptools-1.1.6.tar.gz

Python库是一组预先编写的代码模块,旨在帮助开发者实现特定的编程任务,无需从零开始编写代码。这些库可以包括各种功能,如数学运算、文件操作、数据分析和网络编程等。Python社区提供了大量的第三方库,如NumPy、Pandas和Requests,极大地丰富了Python的应用领域,从数据科学到Web开发。Python库的丰富性是Python成为最受欢迎的编程语言之一的关键原因之一。这些库不仅为初学者提供了快速入门的途径,而且为经验丰富的开发者提供了强大的工具,以高效率、高质量地完成复杂任务。例如,Matplotlib和Seaborn库在数据可视化领域内非常受欢迎,它们提供了广泛的工具和技术,可以创建高度定制化的图表和图形,帮助数据科学家和分析师在数据探索和结果展示中更有效地传达信息。
recommend-type

CEA二次开发脚本:用于ECSP配比设计

CEA二次开发脚本:用于ECSP配比设计
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

用 Python 画一个可以动的爱心

好的,我可以帮助您使用Python来绘制一个动态的爱心。您可以使用turtle库来实现。以下是实现代码: ```python import turtle import math # 设置画布和画笔 canvas = turtle.Screen() canvas.bgcolor("black") pencil = turtle.Turtle() pencil.speed(0) pencil.color("red", "pink") pencil.pensize(3) # 定义爱心函数 def draw_love(heart_size, x_offset=0, y_offset=0):
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。
recommend-type

"互动学习:行动中的多样性与论文攻读经历"

多样性她- 事实上SCI NCES你的时间表ECOLEDO C Tora SC和NCESPOUR l’Ingén学习互动,互动学习以行动为中心的强化学习学会互动,互动学习,以行动为中心的强化学习计算机科学博士论文于2021年9月28日在Villeneuve d'Asq公开支持马修·瑟林评审团主席法布里斯·勒菲弗尔阿维尼翁大学教授论文指导奥利维尔·皮耶昆谷歌研究教授:智囊团论文联合主任菲利普·普雷教授,大学。里尔/CRISTAL/因里亚报告员奥利维耶·西格德索邦大学报告员卢多维奇·德诺耶教授,Facebook /索邦大学审查员越南圣迈IMT Atlantic高级讲师邀请弗洛里安·斯特鲁布博士,Deepmind对于那些及时看到自己错误的人...3谢谢你首先,我要感谢我的两位博士生导师Olivier和Philippe。奥利维尔,"站在巨人的肩膀上"这句话对你来说完全有意义了。从科学上讲,你知道在这篇论文的(许多)错误中,你是我可以依