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:
-
找出最便宜的节点,即可在最短时间内前往的节点。
-
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。
-
重复这个过程,直到对图中的每个节点都这样做了。
-
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)