迪杰特斯拉算法Python版本

#!/usr/bin/env python3
# -*- coding:utf-8 -*-
# @Time : 2022/1/31 14:14
# @Author : Jin Echo
# @File : Dijkstra.pyimport heapq
import numpy as np
import networkx as nx
import matplotlib.pyplot as pltdef dijkstra(adj, s):""":param adj: n*n的邻接矩阵:param s: 起点下标:return:"""n = adj.shape[0]  # 顶点数pqueue = []heapq.heappush(pqueue, (0, s))  # <距离 起点>二元组visited = set()pre = np.arange(n)  # 起点无父结点# 初始化distance = np.ones((n,)) * np.infdistance[s] = 0while len(pqueue) > 0:pair = heapq.heappop(pqueue)dist = pair[0]vertex = pair[1]# visited.add(s)visited.add(vertex)nodes = np.where((adj[vertex, :] < 1) & (adj[vertex, :] > 0))  # 提取当前点的邻接点nodes = list(nodes[0])for w in nodes:if w not in visited:if dist + adj[vertex][w] < distance[w]:heapq.heappush(pqueue, (dist + adj[vertex][w], w))pre[w] = vertexdistance[w] = dist + adj[vertex][w]return pre, distancedef get_sequence(pre, start, end):"""返回起点到终点的路径:param pre::param start::param end:"""res = [end]while end != start:end = pre[end]res.append(end)   # pre.index(end)res.reverse()return resif __name__ == '__main__':n, m = 5, 2G = nx.barabasi_albert_graph(n, m)  # 生成图结构plt.figure(1)nx.draw(G, with_labels=True, font_weight='bold')edges_idx = np.array(G.edges)# print(edges_idx)num_edges = (n - m) * m  # 图中的边数，也等于edges_idx.shape[0]assert num_edges == edges_idx.shape[0]# 赋值边权adj = np.ones([n] * 2) * np.inf# adj[range(n), range(n)] = 0  # 主对角线为0adj[edges_idx[:, 0], edges_idx[:, 1]] = np.random.rand(num_edges)adj[edges_idx[:, 1], edges_idx[:, 0]] = adj[edges_idx[:, 0], edges_idx[:, 1]]pre, distance = dijkstra(adj, 0)print(pre)print(distance)print(get_sequence(pre, 0, n - 1))plt.show()

参考链接：https://www.cnblogs.com/c-x-a/p/11004242.html

# Dijkstra.狄杰斯特拉
import heapq
import mathdef init_distance(graph, s):distance = {s: 0}for vertex in graph:if vertex != s:distance[vertex] = math.infreturn distancedef dijkstra(graph, s):pqueue = []heapq.heappush(pqueue, (0, s))visited = set()parent = {s: None}  # 起点无父结点distance = init_distance(graph, s)while len(pqueue) > 0:pair = heapq.heappop(pqueue)dist = pair[0]vertex = pair[1]# visited.add(s)visited.add(vertex)nodes = graph[vertex].keys()  # 提取当前点的邻接点for w in nodes:if w not in visited:if dist + graph[vertex][w] < distance[w]:heapq.heappush(pqueue, (dist + graph[vertex][w], w))parent[w] = vertexdistance[w] = dist + graph[vertex][w]return parent, distanceif __name__ == '__main__':graph_dict = {"A": {"B": 5, "C": 1},"B": {"A": 5, "C": 2, "D": 3},"C": {"A": 1, "B": 2, "D": 4, "E": 8},"D": {"B": 3, "C": 4, "E": 3, "F": 6},"E": {"C": 8, "D": 3},"F": {"D": 6},}parent_dict, distance_dict = dijkstra(graph_dict, "A")print(parent_dict)print(distanc

迪杰特斯拉算法Python版本相关推荐

最短路径 [迪杰特斯拉算法] ---图
在网图和非网图中,最短路径的含义是不同的. -网图是两定点经过的边打上权值之和最少的路径. -非网图是两顶点之间经过的边数最少的路径. 我们把路径起始的第一个顶点称为源点,最后一个 ...
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 ...
迪杰特斯拉算法+堆优化
/* O(eloge)堆优化dj算法,在n的数量级>=1e5时必须采用这种堆优化+邻接表方式 */ struct node{int p, w;node(int a, int b):p(a), w ...
最短路径迪杰特斯拉算法
站位 int Dijkstra(const vector<vector<int>> &edge,int start ,int end) { int vertexNum= ...
【爬虫+算法】爬取成都地铁所有站点信息，并基于迪杰特斯拉算法计算最优地铁路线
效果图输入四川师范大学到四川大学试试水: 对比高德地图结果: 一毛一样. 项目地址 https://github.com/AA8j/ChenduMetro 参考文章 https://blog.csd ...
2017年中兴算法大赛迪杰特斯拉派
总结:本人2017年参加的比赛,对于初次参加算法大赛的作者来说,异常激动又有点小窃喜,最后在赛区拿到24名的名次,名次不算高,但是对于一步步解决问题过来的我,经验与经历更为重要,再次做一个小小的总结, ...
图论的灵魂——带你走进迪杰斯特拉算法的世界
你好,我是小黄,一名独角兽企业的Java开发工程师. 感谢茫茫人海中我们能够相遇, 俗话说:当你的才华和能力,不足以支撑你的梦想的时候,请静下心来学习希望优秀的你可以和我一起学习,一起努力,实现属于 ...
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
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 ...
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 ...

迪杰特斯拉算法Python版本

迪杰特斯拉算法Python版本相关推荐

最新文章

热门文章