Dijkstra算法及可视化

Dijkstra算法步骤

1、初始化：将所有顶点的最短路径估计值设为无穷大（除了源顶点A，设为0）。
2、从未处理的顶点集合中选择一个具有最小最短路径估计值的顶点（首次为A）。
3、更新该顶点的所有未处理相邻顶点的最短路径估计值。
4、将当前顶点标记为已处理。
5、如果还有未处理的顶点，返回到步骤2。

# A - -1 - -B - -2 - -C
# | |
# 3
# 5
# | |
# D - -4 - -E - --F
import matplotlib.pyplot as plt
import networkx as nx

# 定义图的边和权重
edges = [('A', 'B', 1), ('B', 'C', 2), ('A', 'D', 3), ('D', 'E', 4), ('E', 'F', 4), ('C', 'F', 5)]
G = nx.Graph()
G.add_weighted_edges_from(edges)

# 使用Dijkstra算法找到从A到所有其他顶点的最短路径
shortest_paths = nx.single_source_dijkstra_path(G, 'A')

# networkx <=2.5 版本 尝试以下：
# pos = nx.spring_layout(G, seed=42)  # 设置布局
# pos = nx.spring_layout(G)
pos = nx.circular_layout(G)

# networkx >2.5 版本
# pos = nx.spring_layout(G, random_state=42)  # 设置布局

nx.draw(G, pos, with_labels=True, node_size=2000, node_color='lightblue', font_size=15, font_weight='bold', edge_color='gray', width=2, alpha=0.6)
nx.draw_networkx_edge_labels(G, pos, edge_labels={(u, v): f"{w['weight']}" for u, v, w in G.edges(data=True)}, font_color='red')


plt.title('图的可视化')
plt.show()

# 输出最短路径
print(shortest_paths)

---

遍历过程：

当前正在访问的顶点以黄色高亮显示。
已访问的顶点以绿色高亮显示。
当前最短路径以蓝色高亮显示。

首先从顶点A开始，标记为黄色
然后，访问A的邻居B和D，并更新它们的距离。

接下来，从未访问的顶点中选择距离最小的顶点B，并访问它的邻居C。此时B被标记为已访问（绿色）。

然后，从未访问的顶点中选择距离最小的顶点D，并访问它的邻居E。此时D被标记为已访问（绿色）。

继续这个过程，直到所有的顶点都被访问。

---