《图解算法》阅读13—狄克斯特拉算法

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，其含义将稍后介绍
3. 重复这个过程，直到对图中的每个节点都这样做了
4. 计算最终路径

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）。带权重的图称为加权图（weighted gragph）,不带权重的图称为非加权图（unweighted graph）。
要计算非加权图中的最短路径，可使用广度优先搜索。要计算加权图中的最短路径，可使用狄克斯特拉算法。
在无向图中，每条边都有一个环。狄克斯特拉算法都适用于有向无环图。
狄克斯特拉算法背后的关键理念：找出图中最便宜的节点，并确保没有到该节点的更便宜路径！
如果有负权边，就不能使用狄克斯特拉算法。
以下面的图为例我们看看如何实现狄克斯特拉算法。

```python
#狄克斯特拉算法的实现

#创建图
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"] = {}

#存储每个节点开销的散列表
infinity = float("inf")
costs = {}
costs["a"] = 6
costs["b"] = 2
costs["fin"] = infinity

#存储父节点的散列表
parents = {}
parents["a"] = "start"
parents["b"] = "start"
parents["fin"] = None

def find_lowest_cost_node(costs,processed) :
	lowest_cost = float("inf")
	find_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

def dij(graph,costs,parents):
	#用一个数组记录处理过的节点
	processed = []

	while  len(processed) < len(parents) :
		#找出开销最低的节点
		node = find_lowest_cost_node(costs,processed)

		#获得该节点的开销和邻居
		cost = costs[node]
		neighbors = graph[node]

		#遍历邻居
		for n in neighbors.keys():
			new_cost = cost + neighbors[n]
			if costs[n] > new_cost:
				costs[n] = new_cost
				parents[n] = node
		#将节点标记为处理过的
		processed.append(node)
	for i in parents.keys():
		print(i + "父节点为" + parents[i])
dij(graph,costs,parents)