Python实现迪杰斯特拉算法

一、迪杰斯特拉算法思想
Dijkstra算法主要针对的是有向图的单元最短路径问题，且不能出现权值为负的情况！Dijkstra算法类似于贪心算法，其应用根本在于最短路径的最优子结构性质。

最短路径的最优子结构性质：
如果P(i,j)={Vi…Vk…Vs…Vj}是从顶点i到j的最短路径，k和s是这条路径上的一个中间顶点，那么P(k,s)必定是从k到s的最短路径。
证明：
假设P(i,j)={Vi…Vk…Vs…Vj}是从顶点i到j的最短路径，则有P(i,j)=P(i,k)+P(k,s)+P(s,j)。而P(k,s)不是从k到s的最短距离，那么必定存在另一条从k到s的最短路径P(k,s)，那么P(i,j)=P(i,k)+P(k,s)+P(s,j)<P(i,j)。则与P(i,j)是从i到j的最短路径相矛盾。因此该性质得证。

因此，Dijkstra算法描述如下：
Dijikstra算法描述如下：
假设存在G=<V,E>，源顶点为V₀，S={V₀},distance[i]记录V₀到i的最短距离，matrix[i][j]记录从i到j的边的权值，即两点之间的距离。
1）从V-S中选择使dist[i]值最小的顶点i，将i加入到U中；
2）更新与i直接相邻顶点的dist值。dist[j]=min{dist[j],dist[i]+matrix[i][j]}
3）直到S=V，所有顶点都包含进来了，算法停止。

二、具体操作步骤
根据其算法思想，确立操作步骤如下：
(1) 初始时，S只包含起点s；U包含除s外的其他顶点，且U中顶点的距离为"起点s到该顶点的距离"[例如，U中顶点v的距离为(s,v)的长度，然后s和v不相邻，则v的距离为∞]。
(2) 从U中选出"距离最短的顶点k"，并将顶点k加入到S中；同时，从U中移除顶点k。
(3) 更新U中各个顶点到起点s的距离。之所以更新U中顶点的距离，是由于上一步中确定了k是求出最短路径的顶点，从而可以利用k来更新其它顶点的距离；例如，(s,v)的距离可能大于(s,k)+(k,v)的距离。
(4) 重复步骤(2)和(3)，直到遍历完所有顶点。
三、 Python源码
图使用邻接矩阵存储，本部分代码改编自巫泽俊《挑战程序设计竞赛第2版》

# _*_ encoding:utf-8 _*_
# 辅助信息
# 图中的顶点数
V = 7
# 标记数组：used[v]值为False说明改顶点还没有访问过，在S中，否则在U中！
used = [False for _ in range(V)]
# 距离数组：distance[i]表示从源点s到ｉ的最短距离，distance[s]=0
distance = [float('inf') for _ in range(V)]
# cost[u][v]表示边e=(u,v)的权值，不存在时设为INF
cost = [[float('inf') for _ in range(V)] for _ in range(V)]def dijkstra(s):distance[s] = 0while True:# v在这里相当于是一个哨兵，对包含起点s做统一处理！v = -1# 从未使用过的顶点中选择一个距离最小的顶点for u in range(V):if not used[u] and (v == -1 or distance[u] < distance[v]):v = uif v == -1:# 说明所有顶点都维护到S中了！break# 将选定的顶点加入到S中, 同时进行距离更新used[v] = True# 更新U中各个顶点到起点s的距离。之所以更新U中顶点的距离，是由于上一步中确定了k是求出最短路径的顶点，从而可以利用k来更新其它顶点的距离；例如，(s,v)的距离可能大于(s,k)+(k,v)的距离。for u in range(V):distance[u] = min(distance[u], distance[v] + cost[v][u])if __name__ == '__main__':for _ in range(12):v, u, w = list(map(int, input().split()))cost[v][u] = ws = int(input('请输入一个起始点：'))dijkstra(s)print(distance)

四、源码分析

数据结构：cost邻接矩阵存储的是图中边的信息；distance距离数组维护的是从源起点s到其他顶点的最短距离，是一个频繁变动的数据结构；used布尔数组标记了顶点有没有使用过，即used数组中值为True的顶点元素加入到了S中，值为False的顶点元素加入到了U中，最后所有顶点加入到S中即used的所有元素值为False。同时初始化是将cost所有边权重初始化为无穷大，float(‘inf’
顶点编号为0,1,2…V-1，为了对包括起点在内的所有顶点统一处理，设置了一个哨兵v（初始化为-1），哨兵v代表每次筛选出来的要加入到S中的距离最小的顶点元素，同时，如果所有顶点都加入到S中后，v的值仍为-1，可以做为循环结束的标记！

Python实现迪杰斯特拉算法相关推荐

python写算法求最短路径,Python实现迪杰斯特拉算法并生成最短路径的示例代码
def Dijkstra(network,s,d):#迪杰斯特拉算法算s-d的最短路径,并返回该路径和代价 print("Start Dijstra Path--") path=[ ...
Python实现迪杰斯特拉算法和贝尔曼福特算法求解最短路径
文章目录 (一).题目 (二).导库 (三).绘制带权无向图 (四).获得最短路径 (四).实现最短路径高亮 (五).完整代码 (六).结果展示关于Python数据分析在数学建模中的更多相关应用:P ...
python做算法分析_Python实现迪杰斯特拉算法过程解析
一. 迪杰斯特拉算法思想 dijkstra算法主要针对的是有向图的单元最短路径问题,且不能出现权值为负的情况!dijkstra算法类似于贪心算法,其应用根本在于最短路径的最优子结构性质. 最短路径的最 ...
迪杰斯特拉算法python实现
回顾下最短路径的地杰斯特拉算法迪杰斯特拉算法是求从某一个起点到其余所有结点的最短路径,是一对多的映射关系,是一种贪婪算法示例: 算法实现流程思路: 迪杰斯特拉算法每次只找离起点最近的一个结点,并将 ...
图的最短路径之（迪杰斯特拉算法）python实现
前面我们已经了解到了无环有向图怎样求关键路径的方法,今天我们来看看无向图怎样求最短路径,这在实际应用过程中的作用很大,不如交通路线图,从出发点到终点,走哪条路用时最短,或者花费最少等问题. 我们先来看 ...
计算机网络课程实验4——编程实现路由算法（迪杰斯特拉算法）
实验目的: 运用各种编程语言实现基于 Dijkstra 算法的路由软件. 实验意义: 通过本实验,使学生能够对路由原理和路由算法有进一步的理解和掌握. 实验步骤: 1, 选择合适的编程语言编程实现基于 ...
迪杰斯特拉算法-西安地铁最短路线问题
文章说明图是一种较线性表和树更为复杂的数据结构,在各个领域都有着广泛的应用,如城市交通.电路网络分析.交通灯的设置等,其中,最短路径问题的求解是日常生活中最为常见的问题.在现实生活和生产实践中,有许 ...
算法系列——迪杰斯特拉算法（Dijkstra）
本系列旨在用简单的人话讲解算法,尽可能避免晦涩的定义,读者可以短时间内理解算法原理及应用细节.我在努力! 本篇文章编程语言为Python,供参考. 迪杰斯特拉算法(Dijkstra) 典型最短路径算法 ...
迪杰斯特拉算法（C语言实现）
迪杰斯特拉算法(C语言实现) 如上图,求以a为源点到个顶点的最短路劲. #include "stdio.h" #include "stdlib.h" //用一个 ...

Python实现迪杰斯特拉算法

Python实现迪杰斯特拉算法相关推荐

最新文章

热门文章