标签：index matrix infty Python MAX 路径 算法 dijkstra distance
目录dijkstra算法
一、 简介
1、 概念
Dijkstra(迪杰斯特拉)算法是典型的单源最短路径算法，用于计算一个节点到其他所有节点的最短路径。主要特点是以起始点为中心向外层层扩展，直到扩展到终点为止。Dijkstra算法是很有代表性的最短路径算法，在很多专业课程中都作为基本内容有详细的介绍，如数据结构，图论，运筹学等等。注意该算法要求图中不存在负权边。
问题描述：在无向图 G=(V,E) 中，假设每条边 E[i] 的长度为 w[i]，找到由顶点 V0 到其余各点的最短路径。（单源最短路径）
二、 实现原理
1、 动图演示
2、 思路解析
| S集合 | U集合 |
|---|---|
| 选A为起点，S={A} 此时的最短路径 A->A=0 以A为中心点，从A开始查找 |
U={B, C, D, E, F} A->B=10 A->D=4 A->{E, F, C}=\(\infty\) d(AD)最短 |
| 选入D，此时S={A, D} 此时最短路径 A->A=0 A->D=4 以D为中间点，从A->D这条最短路径进行查找 |
U={B, C, E, F} A->D->B=6 < 10 A->D->E=10 A->D->C=19 A->D->F=\(\infty\) d(ADB)最短 |
| 选入B，此时S={A, D, B} 此时最短路径 A->A=0 A->D=4 A->D->B=6 以B为中间点，从A->D->B这条路径进行查找 |
U={C, E, F} A->D->B->C=14<19 A->D->B->E=12>10 A->D->B->F=\(\infty\) d(ADE)最短 |
| 选入E，此时S={A, D, B, E} 此时最短路径 A->A=0 A->D=4 A->D->B=6 A->D->E=10 以E为中间点，从A->D->E这条路径进行查找 |
U={C, F} A->D->E->C=11<14 A->D->E->F=22 d(ADEC)最短 |
| 选入C，此时S={A, D, B, E, C} 此时最短路径 A->A=0 A->D=4 A->D->B=6 A->D->E=10 A->D->E->C=11 以C为中间点，从A->D->E->C这条路径进行查找 |
U={F} A->D->E->C->F=16 发现最短路径为A->D->E->C->F |
| 选入F，此时S={A, D, B, E, C, F} 此时最短路径 A->A=0 A->D=4 A->D->B=6 A->D->E=10 A->D->E->C=11 A->D->E->C->F=16 以F为中间点，从A->D->E->C->F这条路径进行查找 |
集合为空，查找完毕 |
最后，我们得出
| 路径 | 距离 |
|---|---|
| A->A | 0 |
| A->D | 4 |
| A->D->B | 6 |
| A->D->E | 10 |
| A->D->E->C | 11 |
| A->D->E->C->F | 16 |
三、 代码实现
1、 构建矩阵
我们使得与节点有直接接触的节点的距离为确定值，没有直接接触的节点为无穷大，然后构建一个二维矩阵
| A | B | C | D | E | F | |
|---|---|---|---|---|---|---|
| A | 0 | 10 | \(\infty\) | 4 | \(\infty\) | \(\infty\) |
| B | 10 | 0 | 8 | 2 | 6 | \(\infty\) |
| C | \(\infty\) | 8 | 0 | 15 | 1 | 5 |
| D | 4 | 2 | 15 | 0 | 6 | \(\infty\) |
| E | \(\infty\) | 6 | 1 | 6 | 0 | 12 |
| F | \(\infty\) | \(\infty\) | 5 | \(\infty\) | 12 | 0 |
2、 算法实现
#!/usr/bin/env python
# -*- coding: UTF-8 -*-
__author__ = "A.L.Kun"
__file__ = "demo02.py"
__email__ = "liu.zhong.kun@foxmail.com"
MAX = float('inf')
def dijkstra(matrix, start_node):
matrix_length = len(matrix) # 矩阵一维数组的长度，即节点的个数
used_node = [False] * matrix_length # 访问过的节点数组
distance = [MAX] * matrix_length # 最短路径距离数组
distance[start_node] = 0 # 初始化，将起始节点的最短路径修改成0
# 将访问节点中未访问的个数作为循环值，其实也可以用个点长度代替。
while used_node.count(False):
min_value = MAX
min_value_index = -1
# 在最短路径节点中找到最小值，已经访问过的不在参与循环。
# 得到最小值下标，每循环一次肯定有一个最小值
for index in range(matrix_length):
if not used_node[index] and distance[index] < min_value:
min_value = distance[index]
min_value_index = index
# 将访问节点数组对应的值修改成True，标志其已经访问过了
used_node[min_value_index] = True
# 更新distance数组。
# 以B点为例：distance[x] 起始点达到B点的距离。
# distance[min_value_index] + matrix[min_value_index][index] 是起始点经过某点达到B点的距离，比较两个值，取较小的那个。
for index in range(matrix_length):
distance[index] = min(distance[index], distance[min_value_index] + matrix[min_value_index][index])
return distance
matrix_ = [
[0,10,MAX,4,MAX,MAX],
[10,0,8,2,6,MAX],
[MAX,8,10,15,1,5],
[4,2,15,0,6,MAX],
[MAX,6,1,6,0,12],
[MAX,MAX,5,MAX,12,0]
]
ret = dijkstra(matrix_, 0)
print(ret)
标签：index,matrix,infty,Python,MAX,路径,算法,dijkstra,distance 来源： https://www.cnblogs.com/liuzhongkun/p/16530421.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。