图的计算（2）：带权图的最短路径

最新推荐文章于 2024-04-01 11:40:29 发布
最新推荐文章于 2024-04-01 11:40:29 发布
阅读量2.9k 收藏 2
点赞数 1
文章标签： 图论 抽象代数 几何学
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/scienceknight/article/details/112550532
版权

带权图(weighted digraph)

    设G=(V,E)是一简单图。称一元函数 w:E®R+ 为图G 的权函数，使得　对于每一条边eÎE，均有一正实数w(e)ÎR+与之对应，称图G 为带有权w的图，简称为带权图。并记为G=(V,E, w)。

最短路(shortest path)

    设G=(V,E,w)是一带权图。

    (1)设P=(ei1, ei2,¼, eik)是G中的一条路。则路P的路长

定义为： w(P)=；

 

　(2)从结点u到结点v的最短路P0是满足下述条件的路：

             w(P0)=min{ w(P) ê

最低0.47元/天 解锁文章
ScienceKnight
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
有向网络（带权的有向图）的最短路径Dijkstra算法
czsupercar的博客
03-28 1万+
什么是最短路径？ 单源最短路径（所谓单源最短路径就是只指定一个顶点，最短路径是指其他顶点和这个顶点之间的路径的权值的最小值） 什么是最短路径问题？ 给定一带权图，图中每条边的权值是非负的，代表着两顶点之间的距离。指定图中的一顶点为源点，找出源点到其它顶点的最短路径和其长度的问题，即是单源最短路径问题。 什么是Dijkstra算法？ 求解单源最短路径问题的常用方法是Dijkstra(迪杰...
【数据结构与算法】图最短路径算法 ( Floyed 算法 | 图最短路径算法使用场景 | 求解图中任意两个点之间的最短路径 | 邻接矩阵存储图数据 | 弗洛伊德算法总结 )
让 学习 成为一种 习惯 ( 韩曙亮 の 技术博客 )
03-02 3075
一、最短路径 二、图最短路径算法使用场景 三、求解图中任意两个点之间的最短路径 四、邻接矩阵存储图数据 五、只允许经过 1 号点中转得到任意两点之间的最短路径 六、在之前的基础上-只允许经过 1、2 号点中转得到任意两点之间的最短路径 七、在之前的基础上-只允许经过 1、2 、...、n 号点中转得到任意两点之间的最短路径 八、弗洛伊德算法总结
二、图的表示和带权图
最新发布
dragon Fly的博客
04-01 1009
上述使用图的邻接矩阵表示图的时候，当图时一个稀疏图时(图中的边数量较少)，在图的存储时会浪费大量的存储空间，所以需要将图进行压缩存储。邻接表中表的头结点表示图中每一个顶点，邻接表中的每一个节点中有值域和指针域，值域存储图中节点的编号，指针域存储一个指针，指向和当前结点相邻接的其他结点。可以用无向加权图来对TSP建模，则城市是图的顶点，道路是图的边，道路的距离就是该边的长度。将图的所有顶点和所有的边分别构成一个二维矩阵的行列，将顶点之间和边之间的关系表示在构成的矩阵之中，则称这个二维矩阵为图的关联矩阵。
2021/05/29 单源带权图最短路径(Dijkstra算法)
Mark姚
05-29 503
该算法其实就是在无权图最短路径的算法基础上加了一点东西。它们的共同点是都需要一个记录路径长度数组dist[]和一个记录来时走过的路的数组path[];不同的是它多了一个
带权有向图最短路径
woshibendangao的专栏
07-28 7171
1、带权有向图最短路径 1)      适用条件&范围： a)   单源最短路径(从源点s到其它所有顶点v); b)   有向图&无向图(无向图可以看作(u,v),(v,u)同属于边集E的有向图) c)   所有边权非负(任取(i,j)∈E都有Wij≥0); 2)      算法描述： 在带权图中最常遇到的问题就是，寻找两点间的最短路径问题。   解决最短路径问题最著名的算法是Dj
最短路径(加权有向图)
一名小白的博客
08-28 4512
最短路径 1. 最短路径定义以及性质 定义： 在一副加权有向图中，从顶点s到顶点t的最短路径是所有从顶点s到顶点t的路径中总权重最小的那条路径。 性质： 路径具有方向性。 权重不一定等于距离。权重可以是距离、时间、花费等内容，权重最小指的是成本最低。 只考虑连通图。一副图中并不是所有的顶点都是可达的，如果s和t不可达，那么它们之间也就不存在最短路径，所以只考虑连通图。 最短路径不一定是唯一的。从一个顶点到达另外一个顶点的权重最小的路径可能会有很多条，所以只需要找出一条即可。 最短路径树： 给定一副加权
python实现有向图单源最短路径迪杰斯特拉 算法
09-27
用python实现迪杰斯特拉算法，单源最短路径，有向图权值无负值，用邻接矩阵来存储有向图，实现路径存储和路径打印
java实现最短路径算法之Dijkstra算法
08-29
2. 单起点全路径：单起点全路径，就是指在一个图中，从一个起点出发，到所有节点的最短路径。 3. 图论的基本知识：图论的基本知识包括图的定义、图的类型、图的表示方法等。 4. 互补松弛条件：设标量d1,d2,....,dN...
基于Floyd算法的最短路径问题的求解c++实用文档doc.doc
12-01
首先，建立一个图的邻接矩阵，然后使用Floyd算法计算最短路径。最后，输出计算结果。 6. 实现基于MFC的应用程序 使用MFC（Microsoft Foundation Classes）实现基于Floyd算法求最短路径的应用。首先，建立一个图的...
单源最短路径--分支限界法
10-23
现在我们要计算从源到所有其他各顶点的最短路径长度。 输入格式： 第一行为一个整数 n，表示包含源在内的顶点的个数，接下来是一个 n*n 的矩阵，矩阵中-1表示此路不通，否则表示从该顶点到另一顶点的距离。 输出...
Dijkstra算法寻找最短路径的完整源代码
06-22
"Dijkstra算法寻找最短路径的完整源代码" 本资源提供了Dijkstra算法寻找最短路径的完整源代码，同时附带了Kruskal最小生成树算法。该程序提供了输入输出的完整控制台程序，能够帮助用户快速了解和应用Dijkstra算法...
四种不同单源最短路径算法性能比较
lcw_2015的博客
10-22 1万+
四种不同单源最短路径算法性能比较   一、最短路径问题描述 单源最短路径描述：给定带权有向图G=(V,E),其中每条边的权是非负实数。另外，还给定V中的一个顶点，称之为源。现在要计算从源到其他各顶点的最短路径的长度。这里的路径长度指的是到达路径各边权值之和。 二、算法 1  Dijkstra算法介绍 Dijkstra算法是解决单源最短路径问题的贪心算法。Dijkstra算法的基本思想是
【数据结构】图——最短路径
努力进大厂的小码娄
02-23 1963
迪杰斯特拉算法是基于贪心算法设计，解决非负数权值的路径问题。贝尔曼福特算法是暴力求解，能求解出带负权值的路径，能判断负权环路。是一个时间复杂度为o(N^3)的算法。要进行K次松弛调整。费洛伊徳算法是动态规划的思想，将路径分为i->k k->j的思想。同样要进行K轮次的更新。复杂度为0(N^3)。能够求解任意俩顶点的最短路径。
学习笔记： 图的最短路径
张小憨憨的博客
12-25 1336
图的最短路径 带权图的最短路径 从某顶点(源点)出发到另一顶点(目的点)的路径中，有一条各边(或弧)权值之和最小的路径称为最短路径。 从单源点到其余各点的最短路径 迪杰斯特拉算法（Dijkstra） 每一对顶点之间的最短路径 弗洛伊德算法 （Floyd） 迪杰斯特拉(Dijkstra)算法 迪杰斯特拉(Dijkstra)算法： 依最短路径的长度递增的次序求得各条路径。 其中，从源点v0到顶点vi的最短路径是v0到各点路径集合长度中长度最短者。 路径长度最短的最短路径
数据结构——哈夫曼树求最小WPL（树的带权路径长度）
My Struggle
01-11 4514
给出代码与注释 #include<queue> #include<iostream> using namespace std; //代表小堆顶的优先队列 priority_queue<long long, vector<long long>, greater<long long>>q; int main(void) { int ...
Dijkstra算法求无向带权图最短路径——Java
诚朴求食
04-23 1万+
Dijkstra(迪杰斯特拉)算法是典型的最短路径路由算法，用于计算一个节点到其他所有节点的最短路径。主要特点是以起始点为中心向外层层扩展，直到扩展到终点为止。 Dijkstra算法采用的是贪心算法的策略，在整个算法过程中一直要维护两个表，这两个表分别表示尚未遍历的结点和已遍历的结点。大概过程如下： 声明两个集合，open和close，open用于存储未遍历的节点，close用来存储已遍...
带权有向图单源最短路径（Dijkstra算法）
热门推荐
arhaiyun的专栏
09-30 1万+
单源最短路径问题，即在图中求出给定顶点到其它任一顶点的最短路径。在弄清楚如何求算单源最短路径问题之前，必须弄清楚最短路径的最优子结构性质。 一.最短路径的最优子结构性质 该性质描述为：如果P(i,j)={Vi....Vk..Vs...Vj}是从顶点i到j的最短路径，k和s是这条路径上的一个中间顶点，那么P(k,s)必定是从k到s的最短路径。下面证明该性质的正确性。 假设P(i,j)={Vi.
最短带权路径问题的解法::Dijkstra & Floyd
tattarrattat的专栏
03-01 1887
最短带权路径问题的解法::Dijkstra & Floyd　　在一个网络中，如果两个结点之间有直接的因果关系，则这两个结点直接连通，在连接两个结点的弧上标上它的代价或权，值得注意的是这样的代价不一定是对称的，即A到B的代价不一定等于B到A的代价，实际问题中以行船为例，有顺水和逆水的区别。在图Ｇ中，给出两个结点求这样一条最短的路径，使经过这条路径上的代价之和最小，这就是最短路径问题。　　如果所有
哈弗曼树最小带权路径
@~莲坂果贸的博客
02-17 616
哈弗曼树最小带权路径
求解起点和终点不确定的带权图的最短路径的代码
04-22
这是一个比较复杂的问题，需要使用一些图论算法。以下是一种基于Dijkstra算法的实现，可以求解起点和终点不确定的带权图的最短路径，你可以参考一下。 首先，我们需要定义一个图的数据结构。可以使用邻接表来表示图。 ```python class Graph: def __init__(self, vertices): self.V = vertices self.graph = defaultdict(list) def add_edge(self, u, v, w): self.graph[u].append((v, w)) self.graph[v].append((u, w)) ``` 接下来，我们实现Dijkstra算法来求解最短路径。 ```python import heapq def dijkstra(graph, source): distance = [float("inf")]*graph.V distance[source] = 0 heap = [(0, source)] while heap: (dist, current) = heapq.heappop(heap) if dist > distance[current]: continue for neighbor, weight in graph.graph[current]: w = weight + dist if w < distance[neighbor]: distance[neighbor] = w heapq.heappush(heap, (w, neighbor)) return distance ``` 最后，我们可以将这两个函数组合起来，来计算任意两个节点的最短距离。以下是完整的代码。 ```python from collections import defaultdict import heapq class Graph: def __init__(self, vertices): self.V = vertices self.graph = defaultdict(list) def add_edge(self, u, v, w): self.graph[u].append((v, w)) self.graph[v].append((u, w)) def dijkstra(graph, source): distance = [float("inf")]*graph.V distance[source] = 0 heap = [(0, source)] while heap: (dist, current) = heapq.heappop(heap) if dist > distance[current]: continue for neighbor, weight in graph.graph[current]: w = weight + dist if w < distance[neighbor]: distance[neighbor] = w heapq.heappush(heap, (w, neighbor)) return distance def shortest_path(graph): result = [] for i in range(graph.V): dist = dijkstra(graph, i) result.append(dist) return result ``` 注意，这只是其中一种实现方式，并不是唯一的解决方案。你可以根据需求选择适合的算法。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值