文章目錄

• dijkstra算法
• • 一、 簡介
  • • 1、 概念
  • 二、 實現原理
  • • 1、 動圖演示
    • 2、 思路解析
  • 三、 代碼實現
  • • 1、 構建矩陣
    • 2、 算法實現

dijkstra算法

一、 簡介

1、 概念

Dijkstra(迪傑斯特拉)算法是典型的單源最短路徑算法，用於計算一個節點到其他所有節點的最短路徑。主要特點是以起始點為中心向外層層擴展，直到擴展到終點為止。Dijkstra算法是很有代表性的最短路徑算法，在很多專業課程中都作為基本內容有詳細的介紹，如數據結構，圖論，運籌學等等。注意該算法要求圖中不存在負權邊。

問題描述：在無向圖 G=(V,E) 中，假設每條邊 E[i] 的長度為 w[i]，找到由頂點 V0 到其余各點的最短路徑。（單源最短路徑）

二、 實現原理

1、 動圖演示

2、 思路解析

S集合U集合選A為起點，S={A}
此時的最短路徑
A->A=0
以A為中心點，從A開始查找U={B, C, D, E, F}
A->B=10
A->D=4
A->{E, F, C}= ∞ \infty ∞
d(AD)最短選入D，此時S={A, D}
此時最短路徑
A->A=0
A->D=4
以D為中間點，從A->D這條最短路徑進行查找U={B, C, E, F}
A->D->B=6 < 10
A->D->E=10
A->D->C=19
A->D->F= ∞ \infty ∞
d(ADB)最短選入B，此時S={A, D, B}
此時最短路徑
A->A=0
A->D=4
A->D->B=6
以B為中間點，從A->D->B這條路徑進行查找U={C, E, F}
A->D->B->C=14<19
A->D->B->E=12>10
A->D->B->F= ∞ \infty ∞
d(ADE)最短選入E，此時S={A, D, B, E}
此時最短路徑
A->A=0
A->D=4
A->D->B=6
A->D->E=10
以E為中間點，從A->D->E這條路徑進行查找U={C, F}
A->D->E->C=11<14
A->D->E->F=22
d(ADEC)最短選入C，此時S={A, D, B, E, C}
此時最短路徑
A->A=0
A->D=4
A->D->B=6
A->D->E=10
A->D->E->C=11
以C為中間點，從A->D->E->C這條路徑進行查找U={F}
A->D->E->C->F=16
發現最短路徑為A->D->E->C->F選入F，此時S={A, D, B, E, C, F}
此時最短路徑
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為中間點，從A->D->E->C->F這條路徑進行查找集合為空，查找完畢

最後，我們得出

路徑距離A->A0A->D4A->D->B6A->D->E10A->D->E->C11A->D->E->C->F16

三、 代碼實現

1、 構建矩陣

我們使得與節點有直接接觸的節點的距離為確定值，沒有直接接觸的節點為無窮大，然後構建一個二維矩陣

ABCDEFA010 ∞ \infty ∞4 ∞ \infty ∞ ∞ \infty ∞B100826 ∞ \infty ∞C ∞ \infty ∞801515D421506 ∞ \infty ∞E ∞ \infty ∞616012F ∞ \infty ∞ ∞ \infty ∞5 ∞ \infty ∞120

2、 算法實現

#!/usr/bin/env python
# -*- coding: UTF-8 -*-
__author__ = "A.L.Kun"
__file__ = "demo02.py"
__email__ = "[email protected]"
MAX = float('inf')
def dijkstra(matrix, start_node):
matrix_length = len(matrix) # 矩陣一維數組的長度，即節點的個數
used_node = [False] * matrix_length # 訪問過的節點數組
distance = [MAX] * matrix_length # 最短路徑距離數組
distance[start_node] = 0 # 初始化，將起始節點的最短路徑修改成0
# 將訪問節點中未訪問的個數作為循環值，其實也可以用個點長度代替。
while used_node.count(False):
min_value = MAX
min_value_index = -1
# 在最短路徑節點中找到最小值，已經訪問過的不在參與循環。
# 得到最小值下標，每循環一次肯定有一個最小值
for index in range(matrix_length):
if not used_node[index] and distance[index] < min_value:
min_value = distance[index]
min_value_index = index
# 將訪問節點數組對應的值修改成True，標志其已經訪問過了
used_node[min_value_index] = True
# 更新distance數組。
# 以B點為例：distance[x] 起始點達到B點的距離。
# distance[min_value_index] + matrix[min_value_index][index] 是起始點經過某點達到B點的距離，比較兩個值，取較小的那個。
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)