狄克斯特拉算法

本章内容：

1. 介绍加权图
2. 介绍狄克斯特拉算法：计算加权图的最短路径
3. 介绍“环”

使用狄克斯特拉算法

狄克斯特拉算法包含4个步骤：

1. 找出最短时间内到达的节点
2. 更新该节点的邻点权重
3. 重复1，2直到对所有的节点都采取以上步骤
4. 计算最终路径（找到到每个点的最短耗时）

术语

加权图

环

无向图中，每条边就是一个环。狄克斯特拉算法只适用于有向无环图。（DAG）

换钢琴

第一步：找到最近节点，海报。找出图中最便宜的节点，并确保没有到该节点的更便宜的路径！
第二步：计算该节点前往各个邻居的开销
列出父节点，最后根据父节点倒推路径。

负权边

负权变不能用狄克斯特拉算法。只能用Bellman-Ford算法实现。

实现

依然以该图为例

需要三个散列表来记录：

graph={}#记录权重
costs={}#更新
parents={}#更新
graph['start']={}
graph['start']['A']=6
graph['start']['B']=2
graph['A']={}
graph['A']['end']=1
graph['B']={}
graph['B']['A']=3
graph['B']['end']=5
graph['end']={}
processed=[]#记录处理过的节点

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#更新
            lowest_cost_node=node
    return lowest_cost_node

costs['A']=6
costs['B']=2
costs['end']=float("inf")
node=find_lowest_cost_node(costs)#找出未处理点中最小开销的点
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)

costs
parents