dijkstra 算法_图的最短路径Dijkstra算法

图里面有一种经典问题，叫做最短路径问题。现实场景也非常的多，比如，你想从A地到D地，但有很多条路径可以到达，中间要经过多次的中转，每一段路花费的时间都不一样，那么找到一条路径，让从A到D花费的时间最短，就是一个最短路径问题。

抽象一下就是一个有权图中，找到连通两个点权重最小的那条路径。如下图，如果想要知道A点到D点权值最短的路径，就是个最短路径问题。

迪杰斯特拉(Dijkstra)算法就是解决这个问题的经典算法。

他的思路就是通过遍历所有的节点，不停的更新初始节点到每一个节点的最短距离。

这么说有点抽象，那就举个例子。首先选定一个初始点，假设是A，然后开始遍历。A到A的距离是0，开始遍历下一个节点。B节点，那A-B直接最短距离就是10，再遍历和A相邻的另一个节点F，A-F最短距离为11。这样相当于就遍历了A相邻的第一层节点。

然后遍历距离A最近的那个节点周围的节点。从目前来看A-B=10，A-F=11，所以从B开始。B的相邻节点C，A-B-C的距离为(A-B)+(B-C)= 28，同理可以算出来A-B-I = 22，A-B-G = 26。

然后再从距离A最近的节点开始计算，这时候比较的就是F(11)，C(28)，I(22)，G(26)几个节点。发现F最近，于是再从F开始计算。F周围的节点发现又见到了G了，目前A到I的最短路径是A-B-G=26。我们就需要比较一下新的路径有没有更近一些，需不需要更新最短路径。然后发现A-F-G=11+17=28>26，并没有更近。所以A到G的最短路径仍然保持不变是A-B-G。

用相同的方式，每次都遍历距离A最近的那个节点，而距离的远近是根据更新到目前为止到达该节点的最短路径。

熟悉图遍历的话，发现这种遍历方法不是深度优先，也不算是广度优先，可以称之为“距离”优先的遍历。而如果把这里面所有节点之间的距离设置成为1，就变成了一个无权图，Dijkstra就退化成为了广度优先遍历算法。

有了这个认知，其实稍微改造一下广度优先遍历的算法，就可以得到Dijkstra最短路径算法啦。

需要改变的就是要把广度优先遍历中使用的队列，变成一个“优先队列”。原来的队列是先进先出，而“优先队列”是根据权重，也就是Dijkstra算法中的距离，排序，权重小的先出。

具体的代码实现如下

def sp_dijkstra(graph,start_vertex_index):    # 初始化前置结点列表    p = list(None for i in range(len(graph.vertex_list)))    # 初始化最短距离列表    d = list(None for i in range(len(graph.vertex_list)))    # 初始化优先队列    q = queue.PriorityQueue()    # 初始化起始结点，起始结点到本身的距离为0    d[start_vertex_index] = 0    # 初始化起始结点的前置结点，为本身    p[start_vertex_index] = start_vertex_index    # 将初始结点和与初始结点的距离放入优先队列，初始节点距离为0    q.put((0,(graph.vertex_list[start_vertex_index],start_vertex_index)))    # 记录节点是否已经被计算最短路径    v_short = []    # 开始处理    while not q.empty():        v,i = q.get()[1]        if v_short.__contains__(i):            continue        else:            v_short.append(i)        # 遍历v的相邻结点        e = v.firstedge        while e is not None:            # 初始节点通过i节点到达e节点距离            temp_d = d[i] + e.weight            # 更新最短距离            if (d[e.adjvex] is None) or (d[e.adjvex] > temp_d)  :                d[e.adjvex] = temp_d                p[e.adjvex] = i            q.put((d[e.adjvex],(graph.vertex_list[e.adjvex],e.adjvex)))            e = e.nxt    print('最短距离：',d)    print('前置结点：',p)

尝试求一下上面那张图，从A点出发的最短路径。

graph_matrix = np.array([[0, 10, 0, 0, 0, 11, 0, 0, 0],                         [10, 0, 18, 0, 0, 0, 16, 0, 12],                         [0, 18, 0, 22, 0, 0, 0, 0, 8],                         [0, 0, 22, 0, 20, 0, 24, 16, 21],                         [0, 0, 0, 20, 0, 26, 0, 7, 0],                         [11, 0, 0, 0, 26, 0, 17, 0, 0],                         [0, 16, 0, 24, 0, 17, 0, 19, 0],                         [0, 0, 0, 16, 7, 0, 19, 0, 0],                         [0, 12, 8, 21, 0, 0, 0, 0, 0]])vex_list = ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I']g = graph.Adgraph()g.build(vex_list, graph_matrix)sp_dijkstra(g,0)

结果如下

节点: ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I']最短距离：[0, 10, 28, 43, 37, 11, 26, 44, 22]前置结点：[0, 0, 1, 8, 5, 0, 1, 4, 1]

END

作者：锅哥不姓郭

   图片：网络(侵删)