4.2《算法图解》笔记——Chapter 7 Dijkastra Algorithm

算法图解笔记——Chapter 7 Dijkastra Algorithm
Author: Seven Zou
Email: zoushiqi0404@gmail.com
Language: Python2.7

---

7 狄克斯特拉算法

在昨天学到的了广度优先搜索，可以很好地解决最短路径问题。但如果加入时间变量问题——寻找最快的路径，就可以引入今天所学的另一种图算法——狄克斯特拉算法(Dijkstra’s Algorithm)。

7.1 算法的使用

这里有如上图关系，数字表示的是时间(min)。找出从起点到终点耗时最短的路径，使用狄克斯特拉算法需要如下步骤。

• 1.找出“最便宜”的节点，即可在最短时间内到达的节点；
• 2.更新该节点的邻居的开销，其含义将稍后叙述；
• 3.重复这个过程，直到对图中的每个节点都这样做；
• 4.计算最终路径。

1.找出“最便宜”的节点。从起点开始，当前状态只能获取两条信息，通往A和B的时间，且通往B的时间更短仅为2分钟。对于终点，假设为$\infty$。

节点	耗时
A	6
B	2
终点	$\infty$

2.计算经节点B通过各个邻居的时间。

节点	耗时
起点->B	2
起点->B->A	2+3=5
起点->B->终点	2+5=7

此时的时间就可以得到更新，因为获得时间出现了更优的值。

• 前往节点A的更短路径(“起点 -> B -> A” 耗时少于 “起点 -> A”)
• 前往终点的更短路径(耗时"$\infty$" -> “7”)

3.重复。刚刚针对B进行了操作，本步骤继续对A节点进行同样操作。结果发现前往终点的时间更新为6分钟。

节点	耗时
起点->A	6
起点->A->终点	6+1=7
起点->B->A->终点	2+3+1=6

此时，对每个节点都运行了狄克斯特拉算法，重新更新前往各节点的耗时数据所以第一个表格数据更新为如下。

节点	耗时
A	5
B	2
终点	6

4.最后，计算最终路径。

对于最短路径的概念，在广度优先搜索中，意义是段数最少。而在狄克斯特拉算法中，相当于你给每段都分配了一个数字(权重)，所以算法最终是找出总权重最小的路径。现在对狄克斯特拉算法应该有了大概的认知，下面来详细介绍其中的细节知识。

---

7.2 术语

狄克斯特拉算法用于每条边都有关联数字的图，这些数字称为权重(weight)。因此有，带权重的图称为加权图(weighted graph)，不带权重的图称为非加权图(unweighted graph)。
针对非加权图，广度优先搜索是适用的，而要计算加权图的最短路径，可使用狄克斯特拉算法。图中可以还存在环，意味着可从一个节点出发，走了一圈后又回到这个节点。对于路径中，存在环，可以选择绕过，也可以选择包含环的路径并且你可以选择绕环多次，但每绕环一次，权重会增加一次。

看了上述的