最短路径算法

最短路径问题就是寻找从某个节点出发到其它所有节点的最短路径。最近突然又想到这个问题，就写写Dijkstra与Floyd算法的代码，这两种算法都是贪心算法。相比较于有向图，无向图的邻接矩阵是对称的，二者解法相同，为了便于描述，下面全部使用有向图。当存在负边时，Dijkstra失效。

贪心算法：
贪心算法（又称贪婪算法）是指，在对问题求解时，总是做出在当前看来是最好的选择。也就是说，不从整体最优上加以考虑，他所做出的是在某种意义上的局部最优解。
贪心算法不是对所有问题都能得到整体最优解，关键是贪心策略的选择，选择的贪心策略必须具备无后效性，即某个状态以前的过程不会影响以后的状态，只与当前状态有关。

Dijkstra：对于无负边的图，每一步都选择离目标节点的最短路径，便可以实现最短路径的全局最优解。
为了弄清楚这个算法要回答两个问题：

• 为什么每次取最短的路径能够实现全局最优？贪心为什么有效？
• 如何实现每次都取最短路径？

第一个问题：
假设当前已选节点构成集合V1，下一步再次选择了最短的路径Li，Li对应节点vi,v0间距离，vi属于V-V1。那么Li也一定是vi，v0间最短路径。假设Li不是v0,vi间最短路径，那么意味着v0, vi间最短路径小于Li，那这个最短路径应该在之前就被收录到最短的路径集合中，那么vi也应该早就被收录到已选节点集合中。因为每次都是搜索最短的路径，短路径肯定是在之前就被选择掉了。而当前选择了vi，矛盾，说明这个Li就是v0,vi最短路径。这样，我们每一步都选择最短路径Li，这个路径也是v0,vi之间最短距离，搜索完毕所有最短路径，便得到全局最优解。

第二个问题：
当前最短路径选择方法，在V2=V-V1的节点中，选择与v0距离最短的路径作为当前最短路径，并将对应节点加入已选节点集合。也就是我们认为最短路径一定是出现在当前已知边中（除去已经收录的节点对应最短路径，因为这些已经确定下来，不需要再次考虑），而不可能出现在目前“未知”的边上。为什么呢？因为我们已经基于当前“已知”的边得到了部分路径，那么这些“未知”节点的最短路径一定需要通过当前已知的这些节点连接上去，那么路径肯定是要长一些的，所以得到当前最短路径只需要基于当前已知的边即可。但是这里有个问题，“这些“未知”节点的最短路径一定需要通过当前已知的这些节点连接上去，那么路径肯定是要长一些的”，这个成立的前提是这些未知的边需要非负，如果有负边存在那么这句话也就不成立。这就是Dijkstra不能解决有负边的最短路径问题。

分析完了这两个问题再来详细说下如何选择最短路径：

第一步，初始化v0到每个节点距离∞，选择v0放入已选节点集合，并将边v0-v2,v0-v4,v0-v5放入已知边中（更新v0到这些节点的距离）；
第二步，在当前已知边中选最短路径v0-v2=10，并更新v0-v2最短路径为10，将v2放入已选节点集合，并将v2-v3放入已知边中(更新v0到v3距离为60）；
第三步，在当前已知边中（v0-v3=60,v0-v4=30,v0-v5=100）选择最短路径v0-v4=30，将v4放入已选节点集合中，并将v4-v3,v4-v5放入已知边中（更新v0-v3=50,v0-v5=90）；
以此类推，可以看出Dijkstra算法就是选最短路径，加节点，加边并更新距离，直到所有的节点都选完。
代码如下：

MAXVAL=float('inf')
#由于边的数量比较少，直接使用邻接表来存储每个节点的出度
w=[[(2,10),(4,30),(5,100)],[(2,5)],[(3,50)],
  [(5,10)],[(3,20),(5,60