python遗传算法最短路径问题_Dijkstra算法的Python实现-最短路径问题-Go语言中文社区...

使用狄克斯特拉算法找出下图中从起点至终点耗时最短的路径，路径上的每个数字表示的都是时间，单位分钟。

狄克斯特拉算法包含的4个步骤：

(1)找出开销/消耗“最便宜”的节点，即在最短时间内到达的节点

(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，更新该节点的邻居的开销

(3)重复上述过程，直到对图中的每个节点都这样做了

(4)计算最终路径

python代码实现：

# 描述各节点、时间开销、父节点信息

# 创建节点信息，start起点，fin终点

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"]={}

# 创建开销/时间表

infinity = float("inf") #无穷大

costs={}

costs["a"]=6

costs["b"]=2

costs["fin"]=infinity #暂时将通往终点的时间，定义为无穷大

# 路径中父节点信息

parents= {}

parents["a"]="start"

parents["b"]="start"

parents["fin"]=None

# 记录处理过的节点的数组

processed = []

# 定义寻找最小节点的函数

def find_lowest_cost_node(costs):

lowest_cost = float("inf")

lowest_cost_node = None

for node in costs: # 遍历所有节点

cost = costs[node]

if cost < lowest_cost and node not in processed: # 如果当前节点的开销更低且未处理过

lowest_cost = cost

lowest_cost_node = node

return lowest_cost_node

# 寻找最短路径

def find_shortest_path():

node = "fin"

shortest_path = ["fin"]

while parents[node] != "start":

shortest_path.append(parents[node])

node = parents[node]

shortest_path.append("start")

shortest_path.reverse() # 将从终点到起点的路径反序表示

return shortest_path

# 狄克斯特拉算法寻找最短路径

def dijkstra():

node = find_lowest_cost_node(costs) #在未处理的节点中找到开销最小的节点

while node is not None: # 所有节点都被处理过，node为None，循环结束

cost = costs[node]

neighbors = graph[node]

for n in neighbors.keys(): # 遍历当前节点的所有邻居

new_cost = cost + neighbors[n]

if costs[n] > new_cost: # 如果经当前节点前往该邻居更近

costs[n] = new_cost # 就更新该邻居的开销

parents[n] = node # 同时将该邻居的父节点设置为当前节点

processed.append(node) # 将当前节点标记为处理过

node = find_lowest_cost_node(costs) # 找出接下来要处理的节点，并循环

shortest_path = find_shortest_path()

print(shortest_path)

# 运行

dijkstra()

运行结果为：

['start', 'b', 'a', 'fin']

运行后，内部各变量的对应信息如下：

costs = {'a': 5, 'b': 2, 'fin': 6}

graph = {'start': {'a': 6, 'b': 2}, 'a': {'fin': 1}, 'b': {'a': 3, 'fin': 5}, 'fin': {}}

parents = {'a': 'b', 'b': 'start', 'fin': 'a'}

precessed = ['b', 'a', 'fin']

辅助说明：

(1)广度优先搜索用于在非加权图中查找最短路径

(2)狄克斯特拉算法用于在加权图中查找最短路径

(3)仅在权重为正时狄克斯特拉算法才管用

(4)如果图中包含了负权边(节点间开销为负值)，请使用贝尔曼-福德算法。