第七章 狄克斯特拉算法
7.1使用狄克斯特拉算法
7.2术语
7.3换钢琴
7.4负权边
7.5实现
7.6小结
7.1使用狄克斯特拉算法
从第六章的问题,引入,如果我们不只是算从A到B的最短路径,还要算最快到达,完成其中每一段路径都需要时间,我们给每段路径都加上时间,每条边乘上时间算最后的总和,才知道哪一条路径是最快的----图论里的问题
就是从无全图变为有权图
7.2术语
狄克斯特拉算法不能算有环的图,会进入无限死循环
1.权重,每条边关联数字的图,这些数字称为权重,图称为加权图,没有权重的图称为非加权图
计算加权图的最短路径使用狄克斯特拉算法,计算非加权图的最短路径使用广度优先搜索
2.环
有环的路径不会是最短路径
狄克斯特拉算法只能计算有向无环图
7.3换钢琴
举了例子
最短路径并不一定是指物理距离,可能是某种度量指标
7.4负权边
不能计算负权边(为什么呢?)导致这种算法不管用,计算负权边的算法是贝尔曼福德算法
7.5实现
graph={}
graph["start"]={}
graph["start"]["a"]=6
graph["start"]["b"]=2
graph["a"]={}
graph["a"]["fin"]=1
graph["b"]={}
graph["b"]["a"]=3
graph["b"]["fin"]=5
graph["fin"]={}
infinitely = float("inf")
costs={}
costs["a"]=6
costs["b"]=2
costs["fin"]=infinitely
parents={}
parents["a"]="start"
parents["b"]="start"
parents["fin"]=None
processed=[]
def find_lowest_cost_node(costs):
lowest_cost=float("inf")
lowest_cost_node=None
for node in costs:
cost = costs[node]
if cost<lowest_cost and node not in processed:
lowest_cost=cost
lowest_cost_node=node
return lowest_cost_node
node=find_lowest_cost_node(costs)
print(node)
while node is not None:
cost=costs[node]
neighbors=graph[node]
for n in neighbors.keys():
new_cost = cost + neighbors[n]
if costs[n]>new_cost:
costs[n] = new_cost
parents[n]= node
processed.append(node)
node = find_lowest_cost_node(costs)
print(costs)
graph={}
graph["start"]={}
graph["start"]["a"]=6
graph["start"]["b"]=2
graph["a"]={}
graph["a"]["fin"]=1
graph["b"]={}
graph["b"]["a"]=3
graph["b"]["fin"]=5
graph["fin"]={}
infinitely = float("inf")
costs={}
costs["a"]=6
costs["b"]=2
costs["fin"]=infinitely
parents={}
parents["a"]="start"
parents["b"]="start"
parents["fin"]=None
processed=[]
def find_lowest_cost_node(costs):
lowest_cost=float("inf")
lowest_cost_node=None
for node in costs:
cost = costs[node]
if cost<lowest_cost and node not in processed:
lowest_cost=cost
lowest_cost_node=node
return lowest_cost_node
node=find_lowest_cost_node(costs)
print(node)
while node is not None:
cost=costs[node]
neighbors=graph[node]
for n in neighbors.keys():
new_cost = cost + neighbors[n]
if costs[n]>new_cost:
costs[n] = new_cost
parents[n]= node
processed.append(node)
node = find_lowest_cost_node(costs)
print(costs)
7.6小结
广度优先搜索用于在非加权图中查找最短路径。
狄克斯特拉算法用于在加权图中查找最短路径。
仅当权重为正时狄克斯特拉算法才管用。
如果图中包含负权边,请使用贝尔曼 福德算法。
狄克斯特拉算法用于在加权图中查找最短路径。
仅当权重为正时狄克斯特拉算法才管用。
如果图中包含负权边,请使用贝尔曼 福德算法。