Python学习从离散实验开始(二) 迪杰斯特拉算法(Dijkstra's Algorithm)

---

Python学习从离散实验开始(二）

---

大二的时候接触到的离散实验在考虑使用何种语言完成实验的时候，上机指导老师随口一句，用python的加分，作为铁分奴，就开始了从零开始学习过程

一、实验目的
通过本实验的学习理解Dijkstra算法，并且编码实现最短路径问题。
二、实验内容
Dijkstra算法的理解：
1、 Dijkstra算法一般的表述通常有两种方式，一种用永久和临时标号方式，一种是用OPEN, CLOSE表的方式，这里均采用永久和临时标号的方式这是离散书本上的概念
2、 算法概念：设G=(V,E)是一个带权有向图，把图中顶点集合V分成两组，第一组为已求出最短路径的顶点集合（用S表示，初始时S中只有一个源点，以后每求得一条最短路径 , 就将加入到集合S中，直到全部顶点都加入到S中，算法就结束了），第二组为其余未确定最短路径的顶点集合（用U表示），按最短路径长度的递增次序依次把第二组的顶点加入S中。在加入的过程中，总保持从源点v到S中各顶点的最短路径长度不大于从源点v到U中任何顶点的最短路径长度。此外，每个顶点对应一个距离，S中的顶点的距离就是从v到此顶点的最短路径长度，U中的顶点的距离，是从v到此顶点只包括S中的顶点为中间顶点的当前最短路径长度。
3、 自己理解：
从自己设置的源点开始，比如1（A），从一开始比较与他之间相邻的（矩阵带有1，但是他的数值小于你所设置的无穷（∞）比如这里我设置为100000，
将相邻两点之间的权重记录下来比如AB 6 AC 3 然后将2（B点）与他相邻的C D 比较 得到 A B 之间可以经过C 而且ACB 比AB 的权重小，如此一来 A到C 的权重就被保存了下来，而不是与AB的直接相连 以此类推，就能得到A到其他各点的最短距离
三、实验要求
编码实现下图中顶点A到任一顶点的最短路径：

先实现邻结矩阵
1000000 6 3 1000000 1000000 1000000
6 1000000 2 5 1000000 1000000
3 2 1000000 3 4 1000000
1000000 5 3 1000000 2 3
1000000 1000000 4 2 1000000 5
1000000 1000000 1000000 3 5 1000000
四、实验过程
1、过程分析
由于已经学习了离散数学中的图伦部分，在我所构思的实验源代码中，将图这一概念变成计算机能够理解的概念 在以往的程序设计语言中，都有数组或者矩阵这个概念，在我所使用的python语言中与之对应的则是列表的概念，有了矩阵的概念，就可以令有权重的无向图转化为邻接矩阵：

A B C D E F
A ∞ 6 3
B 6 ∞ 2 5
C 3 2 ∞ 3 4
D 5 3 ∞ 2 3
E 4 2 ∞ 5
F 3 5 ∞
以上就是实验中使用点图点邻接矩阵
1000000 6 3 1000000 1000000 1000000
6 1000000 2 5 1000000 1000000
3 2 1000000 3 4 1000000
1000000 5 3 1000000 2 3
1000000 1000000 4 2 1000000 5
1000000 1000000 1000000 3 5 1000000
测试数据
再用Dijkstra算法设计具体的程序

# 定义不可达距离
_ = float('inf')


# points点个数，edges边个数,graph路径连通图,start七点,end终点
def Dijkstra(points, edges, graph, start, end):
    map = [[_ for i in range(points + 1)] for j in range(points + 1)]
    pre = [0] * (points + 1)  # 记录前驱
    vis = [0] * (points + 1)  # 记录节点遍历状态
    dis =