Dijkstra算法求由顶点a到顶点h的最短路径

问题

下图使用Dijkstra算法求由顶点a到顶点h的最短路径,按实验报告模板编写算法。

解析

Dijkstra算法采用的是一种贪心的策略,声明一个数组dis来保存源点到各个顶点的最短距离和一个保存已经找到了最短路径的顶点的集合:T,初始时,原点 s 的路径权重被赋为 0 (dis[s] = 0)。若对于顶点 s 存在能直接到达的边(s,m),则把dis[m]设为w(s, m),同时把所有其他(s不能直接到达的)顶点的路径长度设为无穷大。初始时,集合T只有顶点s。

然后,从dis数组选择最小值,则该值就是源点s到该值对应的顶点的最短路径,并且把该点加入到T中,OK,此时完成一个顶点,

然后,我们需要看看新加入的顶点是否可以到达其他顶点并且看看通过该顶点到达其他点的路径长度是否比源点直接到达短,如果是,那么就替换这些顶点在dis中的值。

然后,又从dis中找出最小值,重复上述动作,直到T中包含了图的所有顶点。

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,对于用Dijkstra算法某一确定顶点到所有其它顶点最短路径,可以按照以下步骤进行: 1. 初始化:将起点设置为已访问,将起点到每个顶点的距离设置为起点到该顶点的边的权值,将起点加入已确定最短路径的集合中。 2. 迭代:在剩余的未访问的顶点中,选择与已知最短路径集合中距离最近的顶点作为当前顶点,将它加入已知最短路径集合中。 3. 更新:对于与当前顶点相邻的未访问的顶点,计算它们到起点的距离,如果通过当前顶点到达这些顶点的距离更短,就更新它们的距离。 4. 重复迭代和更新,直到所有顶点都被加入已知最短路径集合中。 5. 最终得到每个顶点到起点的最短路径。 下面是一个简单的Python实现: ```python import heapq def dijkstra(graph, start): # 初始化距离字典和已知最短路径集合 distance = {vertex: float('inf') for vertex in graph} distance[start] = 0 visited = set() # 堆优化的Dijkstra算法 heap = [(0, start)] while heap: (dist, current_vertex) = heapq.heappop(heap) # 如果当前顶点已经在已知最短路径集合中,跳过 if current_vertex in visited: continue visited.add(current_vertex) # 更新与当前顶点相邻的顶点的距离 for neighbor, weight in graph[current_vertex].items(): if neighbor not in visited: new_distance = dist + weight if new_distance < distance[neighbor]: distance[neighbor] = new_distance heapq.heappush(heap, (new_distance, neighbor)) # 返回距离字典 return distance ``` 其中,graph是邻接表表示的图,start是起点。这个实现中使用了堆优化,可以有效地加速算法。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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