个人心得体会:理解这种或这类算法,可以先从小规模的问题入手,并逐渐推广到问题变复杂的情况,这样理解起来也可以更方便和透彻。——和数学归纳法很相似。
图简介
以使用地图APP为例,假设你想前往某个目的地,此间有很多条线路可以选,如地铁、不同的公交换乘方案。而不同的方案所需换乘的次数不同。那么怎么才能选出换乘次数最少的方案呢?
有向图:节点和节点之间的连接是有方向的。
无向图:节点和节点之间相互联系。
上文提到的最优换乘方案选择,即可以用有向图进行抽象(总不能在同样的两个公交站之间来回换乘吧)。根据这个图,可以做的事:1. 观察是否有从“双子峰”前往“金门大桥”的路径,2. 最短路径是哪条。
此时图是为无权重的,即去每条路线的cost都相同。那么当考虑加权呢,即乘坐不同公交耗费时间不同,怎么来寻找前往目的地的最短时间?就需要适用于加权图的搜索算法出场,接下来介绍Dijkstra算法。
Dijkstra
主要解决的问题是给定起点S和目标点E,如何得出S到E的最短路径。算法主要思想是
带权的有向图
为什么不能处理负权边?
可能出现这样一种情况:因为dijktra算法每次都先寻找前往节点的最小值(正数),并将节点加入已访问集合之中,之后不再对其进行更新。
举个例子,目标:寻找A-C的最短路径。使用Dijkstra算法时,比较从A->B和A->C的开销,显然A->C的更小,于是选择到C的路径,并将C处理成处理过的节点。到这里发现了什么问题呢,A->B->C不是更短吗?就是负权边的情况。
Dijkstra算法实现步骤
- 寻找某点开始,相邻的最短路径;
- 选另一条路径,比较同样前往此节点的,更新开销最小的,并更新路径;
- 重复此步骤,直到最后一个节点;
- 计算最终路径。
示例
使用的数据结构:
- graph:键值对,保存路径的长短信息
- costs:数组,保存到达当前节点的最短路径
- parent:键值对,保存最短路径
# coding: utf-8
# 以《图解算法》7.5中的图为例
def graph_gen():
graph = {}
graph['start'] = {}
graph['start']['a'] = 6
graph['start']['b'] = 2
graph['b'] = {}
graph['b']['a'] = 3
graph['b']['end'] = 5
graph['a'] = {}
graph['a']['end'] = 1
graph['end'] = {}
return graph
def cost_gen():
inifity = float('inf')
costs = {}
costs['a'] = 6
costs['b'] = 2
costs['end'] = inifity
return costs
def parent_gen():
parent = {}
parent['a'] = 'start'
parent['b'] = 'start'
parent['end'] = None
return parent
def find_lowest_cost_node(costs, processed):
lowest_cost = float('inf')
lowest_node = None
for key in costs.keys():
if key not in processed and lowest_cost > costs[key]:
lowest_cost = costs[key]
lowest_node = key
return lowest_node
def Dijkstra(graph, costs, relation):
processed = []
node = find_lowest_cost_node(costs, processed)
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
relation[n] = node
processed.append(node)
node = find_lowest_cost_node(costs, processed)
return relation
def output(realtion):
begin = relation['end']
str_ = 'end--'
while begin is not None:
for key, value in relation.items():
if key == begin:
str_ += begin + '__'
begin = value
break
else:
begin = None
print str_ + 'start'
relation = Dijkstra(graph_gen(), cost_gen(), parent_gen())
# print relation
output(relation)
Node | Parent | ---> | Node | Parent |
a | start | a | b | |
b | 空 | b | start | |
end | 空 | end | a |
结果输出:因Dijkstra算法是从末尾指向头的key value类型,倒着就是最短路径
end--a__b__start