加权图与狄克斯特拉算法的python实现

加权图与狄克斯特拉算法的python实现

1. 加权图

加权图通过python可以用字典很简单实现， 还是拿这张图举例子（改为了有向图）

每一个点对应着他的邻居们，而他的邻居们也用字典对应所在边的长度

graph = {'s': {'a': 1, 'd': 2},
 'a': {'b': 1, 'c': 2},
 'b': {'t': 10},
 'c': {'t': 1},
 'd': {'c': 10},
 't': {}}

这样， 一条边的长度表示也可以很清晰的表示graph['s']['a'] == 1,同时想得到全部邻居可以list(graph['s'].keys())或者直接 for i in graph['s']

2. 狄克斯特拉算法

狄克斯特拉算法是专门用于有向，无环，无负数值边的加权图的算法， 可以求出某两点之间的最短距离。

算法的思想是: 在当前已知的距离中,如果某距离不是最短距离,那这个距离只能由已知的更短的距离经过几个新邻居得到

现在，我们用这个算法求出s到t的最短距离

代码实现

#首先我们需要三个字典来储存数据
graph = {'s': {'a': 1, 'd': 2}, #储存加权图,<注意终点也要一个空字典>
 'a': {'b': 1, 'c': 2},
 'b': {'t': 10},
 'c': {'t': 1},
 'd': {'c': 10},
 't': {}}
costs = {'a':999,'b':999,'c':999,'d':999,'s':999,'t':999,} #储存起点到某个点的最短距离, <注意每条边都要赋初值>
for i in graph['s']:
    costs[i] = graph['s'][i]
    parents[i] = 's'
parents = {}#记录每个点走最短路径时的父节点， 再求最短路径的时候有用
    
def lowest (costs):#得到除了已经处理过的点以外的离起点最近的点
    Min = 999
    name = None
    for i in costs:
        if Min > costs[i] and i not in processed:
            Min = costs[i]
            name = i
    if name:
        processed[name] = 1
    return name     

processed = {} #处理过的点储存在这个字典里
low = lowest(costs)
while low: #直到每个元素都被处理过了一次
    for i in graph[low]:#对于最近点的所有邻居
        if costs[low] + graph[low][i] < costs[i]:#如果走这条路的距离比已知最短距离更短
            costs[i] = costs[low] + graph[low][i]#更新最短距离
            parents[i] = low#更新父节点
    low = lowest(costs) #直到每个元素都被处理过了一次
print(graph['t'])