python Dijkstra算法實(shí)現(xiàn)最短路徑問題的方法
本文借鑒于張廣河教授主編的《數(shù)據(jù)結(jié)構(gòu)》,對(duì)其中的代碼進(jìn)行了完善。
從某源點(diǎn)到其余各頂點(diǎn)的最短路徑
Dijkstra算法可用于求解圖中某源點(diǎn)到其余各頂點(diǎn)的最短路徑。假設(shè)G={V,{E}}是含有n個(gè)頂點(diǎn)的有向圖,以該圖中頂點(diǎn)v為源點(diǎn),使用Dijkstra算法求頂點(diǎn)v到圖中其余各頂點(diǎn)的最短路徑的基本思想如下:
- 使用集合S記錄已求得最短路徑的終點(diǎn),初始時(shí)S={v}。
- 選擇一條長度最小的最短路徑,該路徑的終點(diǎn)w屬于V-S,將w并入S,并將該最短路徑的長度記為Dw。
- 對(duì)于V-S中任一頂點(diǎn)是s,將源點(diǎn)到頂點(diǎn)s的最短路徑長度記為Ds,并將頂點(diǎn)w到頂點(diǎn)s的弧的權(quán)值記為Dws,若Dw+Dws<Ds,
- 則將源點(diǎn)到頂點(diǎn)s的最短路徑長度修改為Dw+Ds=ws。
- 重復(fù)執(zhí)行2和3,知道S=V。
- 為了實(shí)現(xiàn)算法,
- 使用鄰接矩陣Arcs存儲(chǔ)有向網(wǎng),當(dāng)i=j時(shí),Arcs[i][j]=0;當(dāng)i!=j時(shí),若下標(biāo)為i的頂點(diǎn)到下標(biāo)為j的頂點(diǎn)有弧且弧的權(quán)值為w,則Arcs[i][j]=w,否則Arcs[i][j]=float(‘inf')即無窮大。
- 使用Dist存儲(chǔ)源點(diǎn)到每一個(gè)終點(diǎn)的最短路徑長度。
- 使用列表Path存儲(chǔ)每一條最短路徑中倒數(shù)第二個(gè)頂點(diǎn)的下標(biāo)。
- 使用flag記錄每一個(gè)頂點(diǎn)是否已經(jīng)求得最短路徑,在思想中即是判斷頂點(diǎn)是屬于V集合,還是屬于V-S集合。
代碼實(shí)現(xiàn)
#構(gòu)造有向圖Graph
class Graph:
def __init__(self,graph,labels): #labels為標(biāo)點(diǎn)名稱
self.Arcs=graph
self.VertexNum=graph.shape[0]
self.labels=labels
def Dijkstra(self,Vertex,EndNode): #Vertex為源點(diǎn),EndNode為終點(diǎn)
Dist=[[] for i in range(self.VertexNum)] #存儲(chǔ)源點(diǎn)到每一個(gè)終點(diǎn)的最短路徑的長度
Path=[[] for i in range(self.VertexNum)] #存儲(chǔ)每一條最短路徑中倒數(shù)第二個(gè)頂點(diǎn)的下標(biāo)
flag=[[] for i in range(self.VertexNum)] #記錄每一個(gè)頂點(diǎn)是否求得最短路徑
index=0
#初始化
while index<self.VertexNum:
Dist[index]=self.Arcs[Vertex][index]
flag[index]=0
if self.Arcs[Vertex][index]<float('inf'): #正無窮
Path[index]=Vertex
else:
Path[index]=-1 #表示從頂點(diǎn)Vertex到index無路徑
index+=1
flag[Vertex]=1
Path[Vertex]=0
Dist[Vertex]=0
index=1
while index<self.VertexNum:
MinDist=float('inf')
j=0
while j<self.VertexNum:
if flag[j]==0 and Dist[j]<MinDist:
tVertex=j #tVertex為目前從V-S集合中找出的距離源點(diǎn)Vertex最斷路徑的頂點(diǎn)
MinDist=Dist[j]
j+=1
flag[tVertex]=1
EndVertex=0
MinDist=float('inf') #表示無窮大,若兩點(diǎn)間的距離小于MinDist說明兩點(diǎn)間有路徑
#更新Dist列表,符合思想中第三條
while EndVertex<self.VertexNum:
if flag[EndVertex]==0:
if self.Arcs[tVertex][EndVertex]<MinDist and Dist[
tVertex]+self.Arcs[tVertex][EndVertex]<Dist[EndVertex]:
Dist[EndVertex]=Dist[tVertex]+self.Arcs[tVertex][EndVertex]
Path[EndVertex]=tVertex
EndVertex+=1
index+=1
vertex_endnode_path=[] #存儲(chǔ)從源點(diǎn)到終點(diǎn)的最短路徑
return Dist[EndNode],start_end_Path(Path,Vertex,EndNode,vertex_endnode_path)
#根據(jù)本文上述定義的Path遞歸求路徑
def start_end_Path(Path,start,endnode,path):
if start==endnode:
path.append(start)
else:
path.append(endnode)
start_end_Path(Path,start,Path[endnode],path)
return path
if __name__=='__main__':
#float('inf')表示無窮
graph=np.array([[0,6,5,float('inf'),float('inf'),float('inf')],
[float('inf'),0,2,8,float('inf'),float('inf')],
[float('inf'),float('inf'),0,float('inf'),3,float('inf')],
[float('inf'),float('inf'),7,0,float('inf'),9],
[float('inf'),float('inf'),float('inf'),float('inf'),0,9],
[float('inf'),float('inf'),float('inf'),float('inf'),0]])
G=Graph(graph,labels=['a','b','c','d','e','f'])
start=input('請輸入源點(diǎn)')
endnode=input('請輸入終點(diǎn)')
dist,path=Dijkstra(G,G.labels.index(start),G.labels.index(endnode))
Path=[]
for i in range(len(path)):
Path.append(G.labels[path[len(path)-1-i]])
print('從頂點(diǎn){}到頂點(diǎn){}的最短路徑為:\n{}\n最短路徑長度為:{}'.format(start,endnode,Path,dist))
輸出結(jié)果如下:
請輸入源點(diǎn)
a
請輸入終點(diǎn)
f
從頂點(diǎn)a到頂點(diǎn)f的最短路徑為:
['a', 'c', 'e', 'f']
最短路徑長度為:17
以上就是本文的全部內(nèi)容,希望對(duì)大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。
- Python數(shù)據(jù)結(jié)構(gòu)與算法之圖的最短路徑(Dijkstra算法)完整實(shí)例
- Python實(shí)現(xiàn)Dijkstra算法
- Python使用Dijkstra算法實(shí)現(xiàn)求解圖中最短路徑距離問題詳解
- python實(shí)現(xiàn)Dijkstra算法的最短路徑問題
- python實(shí)現(xiàn)dijkstra最短路由算法
- python實(shí)現(xiàn)Dijkstra靜態(tài)尋路算法
- python最短路徑的求解Dijkstra算法示例代碼
- python3實(shí)現(xiàn)Dijkstra算法最短路徑的實(shí)現(xiàn)
- Dijkstra算法詳細(xì)介紹及Python實(shí)現(xiàn)方法
相關(guān)文章
python并發(fā)爬蟲實(shí)用工具tomorrow實(shí)用解析
這篇文章主要介紹了python并發(fā)爬蟲實(shí)用工具tomorrow實(shí)用解析,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-09-09
深入理解Python中的range()函數(shù)用法、原理與實(shí)戰(zhàn)指南
range()函數(shù)是Python中生成數(shù)字序列的基礎(chǔ)工具,支持多種調(diào)用方式和參數(shù)組合,適用于循環(huán)控制、數(shù)據(jù)處理、性能優(yōu)化和高級(jí)應(yīng)用,掌握其用法和特性,可以提高代碼的效率和可讀性,本文給大家介紹Python中的range()函數(shù)用法、原理與實(shí)戰(zhàn)指南,感興趣的朋友跟隨小編一起看看吧2025-12-12
Python結(jié)合PyQt5模擬實(shí)現(xiàn)微信程序聊天功能
這篇文章主要為大家詳細(xì)介紹了Python如何結(jié)合PyQt5模擬實(shí)現(xiàn)微信程序聊天功能,文中的示例代碼講解詳細(xì),感興趣的小伙伴可以跟隨小編一起學(xué)習(xí)一下2025-11-11
selenium 多窗口切換的實(shí)現(xiàn)(windows)
這篇文章主要介紹了selenium 多窗口切換的實(shí)現(xiàn)(windows),文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-01-01
Python機(jī)器學(xué)習(xí)之Kmeans基礎(chǔ)算法
這篇文章主要介紹了Python機(jī)器學(xué)習(xí)之Kmeans基礎(chǔ)算法,文中有非常詳細(xì)的代碼示例,對(duì)正在學(xué)習(xí)python的小伙伴們有非常好的幫助,需要的朋友可以參考下2021-04-04
三種Matplotlib中動(dòng)態(tài)更新繪圖的方法總結(jié)
這篇文章主要為大家詳細(xì)介紹了如何隨著數(shù)據(jù)的變化動(dòng)態(tài)更新Matplotlib(Python的數(shù)據(jù)可視化庫)圖,文中介紹了常用的三種方法,希望對(duì)大家有所幫助2024-04-04

