对于狄克斯特拉算法理解和实现

狄克斯特拉算法是用于在加权图中查找到最短路径的算法，所以你就需要找到从出发点到终止点的路径，比较出最短的一条，这是我们不妨利用逆向思维的方法，要想找到最短的终止节点，那么你就必须要是在它的上一个最短的节点(称为父节点)，用相同的思想找到每个节点的父节点直到出发节点，所以我们要明确一下几点

1.怎么用代码讲图实现出来

2.怎么记录每个节点的开销（也就是节点到开始点的距离）

3.怎么表示父节点是什么

以下我将从这三方面出发，利用代码实现狄克斯特拉算法

# 用散列表实现图的关系
graph = {}
graph['start'] = {}
graph['start']['a']=6
graph['start']['b']=2
graph['a']={}
graph['a']['fin']=1
graph['b']={}
graph['b']['a']=3
graph['b']['fin']=5
graph['fin'] = {}
# 开销
costs={}
costs['a']=6
costs['b']=2
costs['fin']=float('inf')
# 父节点
parents={}
parents['a']='start'
parents['b']='start'
parents['fin']=None
# 处理访问过的节点
processed=[]

# 在未处理的点中找到开销最小的值
def find_lowest_cost_node(costs):
    lowest_cost=float('inf')
    lowest_cost_node = None
    for node in costs:
        cost = costs[node]
        if cost < lowest_cost and node not in processed:
            lowest_cost = cost
            lowest_cost_node = node
    return lowest_cost_node
# 找到最短路径
def find_shortset_path():
    node='fin'
    shortest_path=['end']
    while node != 'start':
        node = parents[node]
        shortest_path.append(node)
    shortest_path.reverse()
    return shortest_path

if __name__ == '__main__':
    node = find_lowest_cost_node(costs)
    while node is not None:
        cost = costs[node]
        neighbors = graph[node]
        for n in neighbors.keys():
            new_cost = cost + neighbors[n]
            if costs[n] > new_cost:
                costs[n] = new_cost
                parents[n] = node
        processed.append(node)
        node = find_lowest_cost_node(costs)
    shortset_path = find_shortset_path()
    print(shortset_path)