算法图解|狄克斯特拉算法

狄克斯特拉算法用于每条边都有关联数字的图，这些数字称为权重(weight)

过程：

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。

# 创建一个散列表
# 将键映射到值，构建关系网
graph = {}
# 起点
graph["start"] = {}
# 起点的邻居
graph["start"]["a"] = 6
graph["start"]["b"] = 2
# a和b的邻居
graph["a"] = {}
graph["a"]["finish"] = 1
graph["b"] = {}
graph["b"]["finish"] = 5
graph["b"]["a"] = 3
# 终点的邻居
graph["finish"] = {}


# 创建开销的散列表
costs = {}
costs["a"] = 6
costs["b"] = 2
# 假设终点为无穷大
costs["finish"] = float("inf")


# 创建一个存储父节点的散列表 :要计算总权重，父节点起一个过渡阶段，记录之前的权重
parents = {}
parents["a"] = "start"
parents["b"] = "start"
parents["finish"] = None

# 记录处理过的节点
processed = []


# 找出开销表中的最小节点
def find_lowcosts_node(costs):
    # 无穷大
    lowcost = float("inf")
    lowcost_node = None
    # 遍历所有节点
    for node in costs:
        cost = costs[node]
        if cost < lowcost and node not in processed:
            # 给lowcost赋每次的最小值
            lowcost = cost
            # 更新开销最小的节点
            lowcost_node = node
    return lowcost_node


# 在未处理的开销表中找开销（权重）最小的节点
node = find_lowcosts_node(costs)

# 所有节点都被处理过后结束
while node is not None:
    # 找出该节点的权重值
    cost = costs[node]
    # 找到该节点的邻居
    neighbors = graph[node]
    # 遍历该节点的所有邻居
    for n in neighbors.keys():
        # 起点到该节点再到到邻居节点的权重值和
        new_costs = cost + neighbors[n]

        # 如果起点到该邻居的权重值大于起点到该节点再到该邻居的权重值（经当前节点前往该邻居更近）
        if costs[n] > new_costs:
            # 更新该邻居开销
            costs[n] = new_costs

            # 将该邻居的父节点设置为当前节点,（因为经当前节点前往该邻居更近）
            parents[n] = node
        print(new_costs)  # 7  5   6
        print(node)  # b  b   a
    # 将当前节点标记为处理过
    processed.append(node)
    # 递归处理剩下的节点
    node = find_lowcosts_node(costs)