python写算法求最短路径_python 实现dijkstra算法求解最短路径

​ 重点：dijkstra算法按层计算其余点到源点的最短距离，层层扩展。

1. dijkstra算法

求解目标：找到图中源点到其余点的最短距离，是单源点最短距离算法。

整体思路：每一步都寻找到与源点最近的点，层层扩展，是贪心算法。

具体实现：

输入：给定一个图的邻接表M，源点u。

辅助变量：存储与源点最短距离的字典、存储已访问节点的集合。

算法过程：

初始化：将源点加入已访问集合

对已访问集合中每个点的所有邻接点，计算与源点的最短距离存入字典和已访问集合。

重复2，直至所有顶点被访问

2. 求解两点最短路径

​ 利用dijkstra算法，可以找到图中源点到其余点的最短距离。而求解两点间最短路径，只需找到两点的最短距离和路径。因此只需要在dijkstra算法中增添一个判断语句即可得到两点间最短距离。

def dijkstra(adjoin_map, u, v):

'''给定一个图的邻接表M，两点u和v，该代码能返回两点间的最短路径和距离。

:param adjoin_map: {node: [(node1, weight), (node2, weight2)]}

:param u:

:param v:

:return: 损失

'''

if u == v:

return 0

cost_dct = {u: 0} # 与源点的最短距离

to_visited_set = {u} # 需要访问的集合

find_status = False

while not find_status:

# 每次迭代扩展一层节点

cur = to_visited_set.pop()

for adjoin, cost in adjoin_map[cur]:

# 计算最短距离

cost_after = cost_dct[cur] + cost

if adjoin in cost_dct.keys():

if cost_after < cost_dct[adjoin]: # 情况1：如果已访问且距离更短，则更新距离

cost_dct[adjoin] = cost_after

else: # 情况2：未访问，则加入

cost_dct[adjoin] = cost_after

to_visited_set.add(adjoin)

if adjoin == v: # 找到则跳出

find_status = True

break

if v in cost_dct.keys():

return cost_dct[v]

return None

若需要保存最短路径，则只需要增加一个字典，用来保存每个节点的前驱节点。