第7章——狄克特斯拉算法

算法比较

1. 相比于第6章的广度优先算法计算的是无权图中的最短路径，狄克特斯拉算法计算的是加权图中的最短路径

算法流程

1. 找出最便宜的节点，即可在最短时间内前往的节点。
2. 对于该节点的邻居，检查是否有前往它们的更短路径，如果有，就更新其开销。
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

注意事项

1. 迪杰斯特拉适用于有向无环图，因为无向或者有环，在该算法中，你会发现它会不断的循环，因为一直有邻居。
2. 该算法不适用于负权边，负权边的意思就是边的权重为负值。原因在于，算法本身考虑的是当前最小的cost的节点A，跳转到A节点进行下一步，如果计算完A节点的所有邻居后，根据cost的表选择另外一个节点B，从B到A权重为负值，也就意味着，A节点在cost中的值可以被更新，但是算法已经将节点A剔除。

代码讲解

 

上图中，左图是我们要解决的问题，首先我们需要用的是构建三个散列表，下面详细看代码

#author：ErenCoder


#构建图
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']={}

#构建cost表
infinity=float('inf')
costs={}
costs['a']=6
costs['b']=2
costs['fin']=infinity

#构建parents表
parents={}
parent['a']='start'
parent['b']='start'
parent['fin']=None

#记录处理过的节点
processed=[]

#在未处理的节点中找出开销最小的节点
node=find_lowest_cost_node(costs)
#这个while循环在所有节点都被处理过后结束
while node is not None:
	cost=costs[node]
	neighbors=graph[node]
	#遍历当前节点的所有邻居
	for n in neighbors.keys():
		#更新节点n的cost值
		new_cost=cost+neighbors[n]
		#如果经当前节点前往该邻居更近，就更新该邻居的开销
		if costs[n]>new_cost:
			costs[n]=new_cost
			#同时将该邻居的父节点设置为当前节点
			parents[n]=node
	#将当前节点标记为处理过
	processed.append(node)
	找出接下来要处理的节点，并循环
	node=find_lowest_cost_node(costs)
def find_lowest_cost_node(costs):
	lowest_cost=float('inf')
	lowest_cost_node=None
	#遍历所有的节点
	for node in costs:
		cost=costs[node]
		#如果当前节点的开销更低且未处理过
		if cost<lowest_cost and node not in processed:
			lowest_cost=cost
			lowest_cost_node=node
	return lowest_cost_node

大家如果有不理解的欢迎随时交流，freestyle