遍历图中两点间所有路径 Python代码

遍历图中两点间所有路径 Python代码

非常暴力,直接搜索
求图中两点间的所有路径(包括最短路径)
求(有向)图中任意两点间所有路径
快速寻找有向图中两点间的所有路径
输入邻接矩阵(Numpy矩阵),起点,终点,
返回包含图中起点和终点间所有路径的list

    def find_all_path(self, graph, start, end):
        p = [[start, ]]
        pd = []
        while len(p):  # 仍有潜在可行路径
            new_p = []
            for path in p:
                node_now = path[-1]  # 取出最后一个点
                if node_now == end:  # 到达终点
                    pd.append(path)  # 存储完成路径
                    p.pop(p.index(path))  # 清理
                else:
                    adjacent_nodes = np.where(graph[node_now, :])
                    adjacent_nodes = adjacent_nodes[0]
                    adjacent_nodes = adjacent_nodes.tolist()
                    for i in range(len(adjacent_nodes) - 1, -1, -1):  # 刨除重复
                        if adjacent_nodes[i] in path:
                            adjacent_nodes.pop(i)

                    if len(adjacent_nodes) == 0:
                        p.pop(p.index(path))  # 清理

                    if len(path) > self.jump_number_max:  # 用于速度优化,节点数少时没用
                        p.pop(p.index(path))  # 清理

                    for node in adjacent_nodes:  # 尝试所有可行可能性
                        temp = copy.deepcopy(path)
                        temp.append(node)
                        new_p.append(temp)
            p = new_p
        return pd

非常暴力,复杂度非常高,节点数多了肯定不行
优势是简单易懂

  • 4
    点赞
  • 26
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
可以使用Dijkstra算法来求解两点的最短路径,以下是Python实现代码: ```python import heapq # 定义类 class Graph: def __init__(self): self.nodes = set() # 存储节点的集合 self.edges = {} # 存储边的字典,键为起点,值为终点和距离的元组列表 self.distances = {} # 存储每个节点到起点的距离 # 添加节点 def add_node(self, value): self.nodes.add(value) # 添加有向边 def add_edge(self, from_node, to_node, distance): if from_node not in self.edges: self.edges[from_node] = [] self.edges[from_node].append((to_node, distance)) # 计算最短路径 def dijkstra(self, initial): # 初始化距离 self.distances = {node: float('inf') for node in self.nodes} self.distances[initial] = 0 # 使用堆来优化寻找下一个节点的过程 heap = [(0, initial)] while heap: # 弹出堆顶元素,即距离起点最近的节点 (distance, current_node) = heapq.heappop(heap) # 如果当前节点已经被处理过,则跳过 if distance > self.distances[current_node]: continue # 遍历当前节点的邻居节点 for (neighbor, edge_weight) in self.edges[current_node]: # 计算新的距离 new_distance = distance + edge_weight # 如果新的距离比之前计算的距离小,则更新距离 if new_distance < self.distances[neighbor]: self.distances[neighbor] = new_distance # 将邻居节点加入堆中 heapq.heappush(heap, (new_distance, neighbor)) # 返回所有节点到起点的最短距离 return self.distances ``` 使用示例: ```python # 创建对象 graph = Graph() # 添加节点 graph.add_node('A') graph.add_node('B') graph.add_node('C') graph.add_node('D') graph.add_node('E') # 添加边 graph.add_edge('A', 'B', 6) graph.add_edge('A', 'D', 1) graph.add_edge('B', 'C', 5) graph.add_edge('B', 'D', 2) graph.add_edge('B', 'E', 2) graph.add_edge('C', 'E', 5) graph.add_edge('D', 'E', 1) # 计算最短路径 distances = graph.dijkstra('A') # 输出结果 print(distances) ``` 输出结果为: ``` {'A': 0, 'B': 3, 'C': 8, 'D': 1, 'E': 2} ``` 其中,键为节点名称,值为到起点的最短距离。
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