python矩阵/字典实现最短路径算法

Python  /  管理员 发布于 7年前   159

前言：好像感觉各种博客的最短路径python实现都花里胡哨的？输出不明显，唉，可能是因为不想读别人的代码吧（明明自己学过离散）。然后可能有些人是用字典实现的？的确字典的话，比较省空间。改天，也用字典试下。先贴个图吧。

然后再贴代码：

_=inf=999999#inf def Dijkstra_all_minpath(start,matrix): length=len(matrix)#该图的节点数 path_array=[] temp_array=[] path_array.extend(matrix[start])#深复制 temp_array.extend(matrix[start])#深复制 temp_array[start] = inf#临时数组会把处理过的节点的值变成inf，表示不是最小权值的节点了 already_traversal=[start]#start已处理 path_parent=[start]*length#用于画路径，记录此路径中该节点的父节点 while(len(already_traversal)<length):  i= temp_array.index(min(temp_array))#找最小权值的节点的坐标  temp_array[i]=inf  path=[]#用于画路径  path.append(str(i))  k=i  while(path_parent[k]!=start):#找该节点的父节点添加到path，直到父节点是start   path.append(str(path_parent[k]))   k=path_parent[k]  path.append(str(start))  path.reverse()#path反序产生路径  print(str(i)+':','->'.join(path))#打印路径  already_traversal.append(i)#该索引已经处理了  for j in range(length):#这个不用多说了吧   if j not in already_traversal:    if (path_array[i]+matrix[i][j])<path_array[j]:     path_array[j] = temp_array[j] =path_array[i]+matrix[i][j]     path_parent[j]=i#说明父节点是i return path_array #领接矩阵adjacency_matrix=[[0,10,_,30,100],     [10,0,50,_,_],     [_,50,0,20,10],     [30,_,20,0,60],     [100,_,10,60,0]     ]print(Dijkstra_all_minpath(4,adjacency_matrix))

然后输出：

2: 4->2
3: 4->2->3
0: 4->2->3->0
1: 4->2->1
[60, 60, 10, 30, 0]

主要是这样输出的话比较好看，然后这样算是直接算一个点到所有点的最短路径吧。那么写下字典实现吧

def Dijkstra_all_minpath_for_graph(start,graph): inf = 999999 # inf length=len(graph) path_graph={k:inf for k in graph.keys()} already_traversal=set() path_graph[start]=0 min_node=start#初始化最小权值点 already_traversal.add(min_node)#把找到的最小节点添加进去 path_parent={k:start for k in graph.keys()} while(len(already_traversal)<=length):  p = min_node  if p!=start:   path = []   path.append(str(p))   while (path_parent[p] != start):#找该节点的父节点添加到path，直到父节点是start    path.append(str(path_parent[p]))    p=path_parent[p]   path.append(str(start))   path.reverse()#反序   print(str(min_node) + ':', '->'.join(path))#打印  if(len(already_traversal)==length):break  for k in path_graph.keys():#更新距离   if k not in already_traversal:    if k in graph[min_node].keys() and (path_graph[min_node]+graph[min_node][k])<path_graph[k]:     path_graph[k]=path_graph[min_node]+graph[min_node][k]     path_parent[k]=min_node  min_value=inf  for k in path_graph.keys():#找最小节点   if k not in already_traversal:    if path_graph[k]<min_value:     min_node=k     min_value=path_graph[k]  already_traversal.add(min_node)#把找到最小节点添加进去 return path_graphadjacency_graph={0:{1:10,3:30,4:100},     1:{0:10,2:50},     2:{1:50,3:20,4:10},     3:{0:30,2:20,4:60},     4:{0:100,2:10,3:60}}print(Dijkstra_all_minpath_for_graph(4,adjacency_graph))

输出：

2: 4->2
3: 4->2->3
0: 4->2->3->0
1: 4->2->1
{0: 60, 1: 60, 2: 10, 3: 30, 4: 0}

还行吧，有时间再看看networkx这个库怎么说。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。