最短路径——Dijkstra算法

最短路径:

        从图中的某个顶点出发到达另外一个顶点的所经过的边的权重和最小的一条路径。

算法思路:

        Dijkstra算法是一种用于求解带有非负加权边的图的单源最短路径的经典算法,它可以在所有边权非负的图中求解最短路径。

        Dijkstra算法的基本思路是从起点开始,不断 贪心 地选择当前能够到达的节点中距离最小的节点,并将其加入已访问的集合中,然后更新所有未访问的相邻节点的距离。重复以上步骤,直到终点被加入已访问集合中,或者所有可到达的节点已经被加入已访问集合中。

代码实现:

//边结点
typedef struct ArcNode{
    int adjvex; //所连接顶点的名称
    int cost; //该边的权值
    struct ArcNode* next; 
}ArcNode;

//点结点
typedef struct VNode{
    int data; //顶点存储的数据
    struct ArcNode* firstarc;
}VNode;

//邻接表
typedef struct {
    VNode adjlist[MaxSize]; //顶点列表
    int n , e ; //结点数和边数
}AGraph;

int path[MaxSize],dist[MaxSize],s[MaxSize];  //dist表示路径长度,s表示是否访问    

void DshortestPath(AGraph g , int v){
    for (int i = 0; i< g -> n; i++){
        path[i] = -1;
        dist[i] = INF;  //INF是一个足够大的数
        s[i] = 0;
    }
    dist[v] = 0;
    s[v] = 1;
    int u = v;

    for (int i = 0; i < g->n-1; i++)    //将n-1个结点加入集合s
    {
        ArcNode* p = g -> adjlist[u].firstarc;
        while (p != NULL)
        {
            int k = p -> adjvext;
            if (s[k]!= 1 && dist[k] > dist[u] + p -> cost)
            {
                dist[k] = dist[u] + p -> cost;
            }
            p = p -> next;
        }

        int minDist = INF;
        for (int j = 0;j < g->n; j++)
        {
            if (s[i] != 1 && minDist > dist[j])
            {
                minDist = dist[j];
                u = j;
            }
        }
        s[u] = 1;   //将选出的结点u加入到集合s

    }

}

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
离字典,将起始节点的距离设为0,其他节点的距离设为无穷大 distances = {node: sys.maxsize for node in graph} distances[start] = 0 # 初始化已访问节点的集合和未访以下是使用问节点D的集ijkstra合 visited = set() unvisited算法求解最路径的Python = set(graph) while unvisited: # 代码示例: ```python class D选择当前ijkstra距: def __init__(self, graph离最小的节点 , start, current goal): self.graph = graph # 邻接表_node = min(unvisited, key=lambda self node: distances[node]) # 更新.start = start当前节点的 # 起邻居节点点 self.goal =的距离 goal # 终点 for neighbor in graph self.open[current_node]: _list = {} if neighbor in # open 表 self.closed_list unvisited: new_distance = distances[current_node] + = {} graph[current_node][neighbor # closed 表 self.open_list[start] if new_distance] = < distances[neighbor]: 0.0 # 将 distances[neighbor] = new_distance # 将当前起点放入 open_list 中 self.parent = {节点标记start:为已访 None} 问,并从未访问集合中移除 visited.add # 存储节点的父子关系。键为(current_node) 子节点, unvisited值为父.remove(current_node) return节点。方便做最 distances def print后_path(dist路径的ances,回 start溯 self.min, end): _dis = None # 根 # 最路径的长度 def shortest_path据距离字典和终点节点(self): while True: ,逆向 if self打印路径.open_list is path = [end None: ] print('搜索 current_node =失败 end while current_node !=, 结束!') break distance start: , min_node = for neighbor in graph min(zip[current_node]: if(self.open_list distances[current.values(), self_node] ==.open_list.keys distances[neighbor())) #] + graph 取出距[neighbor][current_node]: 离最小的节点 self path.open_list.pop.append(min_node)(neighbor) current_node = neighbor break path.reverse() # 将其从 open_list 中去除 self print.closed("_list[minShortest_node] = path from", distance # 将节点加入 closed start, "to", end,_list ":", "->".join(path)) # 示例 中 if min_node == self.goal: # 如果节点为图的邻接矩阵终点 self.min_dis = distance 表示 graph shortest = { _path = [ 'Aself.goal]': {'B': # 5, 'C 记录从': 终1}, 点回溯的路径 'B

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

isxhyeah

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值