狄克斯特拉算法--基于python
问题:寻找从起点到终点的最短路径。
关系图如下:解决思路:
建立三张散列表。graph 存储关系图;costs 存储各个节点的开销(开销是指从起点到该节点的最小的权重);parents 存储各个节点的父节点是谁。
创建一个数组用来存储已经处理过的节点 processed。
查看所有节点,只要有节点未处理就循环以下过程:
(1) 获取开销最小的节点,就是离起点最近的节点。
(2) 计算经过该节点到达他全部邻居的开销。
(3) 若这个开销小于原本他自己记录中的开销,就更新邻居的开销和邻居的父节点。
(4) 将这个节点添加到已经处理的数组中。
代码(有详细注释):
# -*-coding:utf-8-*-
# 用散列表实现图的关系
graph = {}
graph["start"] = {}
graph["start"]["a"] = 6
graph["start"]["b"] = 2
graph["a"] = {}
graph["a"]["end"] = 1
graph["b"] = {}
graph["b"]["a"] = 3
graph["b"]["end"] = 5
graph["end"] = {}
# 创建节点的开销表,开销是指从start到该节点的权重
# 无穷大
infinity = float("inf")
costs = {}
costs["a"] = 6
costs["b"] = 2
costs["end"] = infinity
# 父节点散列表
parents = {}
parents["a"] = "start"
parents["b"] = "start"
parents["end"] = None
# 已经处理过的节点,需要记录
processed = []
# 找到开销最小的节点
def find_lowest_cost_node(costs):
# 初始化数据
lowest_cost = infinity
lowest_cost_node = None
# 遍历所有节点
for node in costs:
# 该节点没有被处理
if not node in processed:
# 如果当前节点的开销比已经存在的开销小,则更新该节点为开销最小的节点
if costs[node] < lowest_cost:
lowest_cost = costs[node]
lowest_cost_node = node
return lowest_cost_node
# 找到最短路径
def find_shortest_path():
node = "end"
shortest_path = ["end"]
while parents[node] != "start":
shortest_path.append(parents[node])
node = parents[node]
shortest_path.append("start")
return shortest_path
#寻找加权的最短路径
def dijkstra():
# 查询到目前开销最小的节点
node = find_lowest_cost_node(costs)
# 只要有开销最小的节点就循环
while node is not None:
# 获取该节点当前开销
cost = costs[node]
# 获取该节点相邻的节点
neighbors = graph[node]
# 遍历这些相邻节点
for n in neighbors :
# 计算经过当前节点到达相邻结点的开销,即当前节点的开销加上当前节点到相邻节点的开销
new_cost = cost + neighbors[n]
# 如果计算获得的开销比原本该节点的开销小,更新该节点的开销和父节点
if new_cost < costs[n]:
costs[n] = new_cost
parents[n] = node
# 遍历完毕该节点的所有相邻节点,说明该节点已经处理完毕
processed.append(node)
# 去查找下一个开销最小的节点,若存在则继续执行循环,若不存在结束循环
node = find_lowest_cost_node(costs)
# 循环完毕说明所有节点都已经处理完毕
shortest_path = find_shortest_path()
shortest_path.reverse()
print(shortest_path)
# 测试
dijkstra()
注意:狄克斯特拉算法不适用于权值为负的最短路径问题。