专栏首页章鱼的慢慢技术路《算法图解》第七章笔记_迪杰斯特拉算法

《算法图解》第七章笔记_迪杰斯特拉算法

软件环境:Python 3.7.0b4

一、迪杰斯特拉(dijkstras)算法介绍

算法目标:找出一个图中最快(耗时最短)的路径。

实现步骤:

  1. 找出最短时间内前往的节点;
  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,就更新其开销;
  3. 重复这个过程,直到对图中的每个节点都重复了以上两个步骤;
  4. 计算最终路径。

二、迪杰斯特拉算法术语介绍

迪杰斯特拉算法用于每条边都有关联数字的图,这些数字称为权重(weight)。

带权重的图称为加权图(weighted graph),不带权重的图称为非加权图(unweighted graph)

要计算非加权图中的最短路径,可使用广度优先搜索。要计算加权图中的最短路径,可使用狄克斯特拉算法。

三、算法实现

以下图为例

要解决这个问题,需要先画出三个散列表:

随着算法的进行,我们将不断更新散列表costs和parents。

graph = {}  #首先需要实现这个图

需要同时存储邻居和前往邻居的开销

graph["start"] = {}
graph["start"]["a"] = 6
graph["start"]["b"] = 2

同时还需要用一个散列表来存储每个节点的开销,一个存储父节点的散列表,一个数组。

下面来看看算法的执行过程:

完整代码如下(Python)

# 添加节点和邻居
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"] = {}  # 终点没有邻居

# 存储每个节点开销的散列表
infinity = float("inf")
costs = {}
costs["a"] = 6
costs["b"] = 2
costs["fin"] = infinity

# 存储父节点的散列表
parents = {}
parents["a"] = "start"
parents["b"] = "start"
parents["fin"] = None

processed = []  # 一个数组,用于记录处理过的节点。因为对于同一个节点,不用处理多次。

def find_lowest_cost_node(costs):
    lowest_cost = float("inf")
    lowest_cost_node = None
    # 遍历所有的节点
    for node in costs:
        cost = costs[node]
        # 如果当前节点的开销更低且未处理过
        if cost < lowest_cost and node not in processed:
            # 就将其视为开销最低的节点
            lowest_cost = cost
            lowest_cost_node = node
    return lowest_cost_node

# 在未处理的节点中找出开销最小的节点
node = find_lowest_cost_node(costs)
# 这个while循环在所有节点都被处理过后结束
while node is not None:
    cost = costs[node]
    # 遍历当前节点的所有邻居
    neighbors = graph[node]
    for n in neighbors.keys():
        new_cost = cost + neighbors[n]
        # 如果经当前节点前往该邻居更近
        if costs[n] > new_cost:
            # 就更新该邻居的开销
            costs[n] = new_cost
            # 同时将该邻居的父节点设置为当前节点
            parents[n] = node
    # 将当前节点标记为处理过
    processed.append(node)
    # 找出接下来要处理的节点,并做循环
    node = find_lowest_cost_node(costs)

print ("Cost from the start to each node:")
print (costs)

四、小结

  • 广度有限搜索用于在非加权图中查找最短路径。
  • 迪杰斯特拉算法用于在加权图中查找最短路径。
  • 仅当权重为正时迪杰斯特拉算法才管用。
  • 如果图中包含负权边,考虑使用贝尔曼-福德(Bellman-Ford)算法。

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 《算法图解》第六章笔记_广度优先搜索

    Zoctopus
  • 《算法图解》第六章笔记

    Zoctopus
  • Go指南练习_映射

    Zoctopus
  • 部分常用算法分析总结

    来源:https://book.douban.com/subject/26979890/

    嘘、小点声
  • LintCode 房屋染色题目代码

    这里有n个房子在一列直线上,现在我们需要给房屋染色,分别有红色蓝色和绿色。每个房屋染不同的颜色费用也不同,你需要设计一种染色方案使得相邻的房屋颜色不同,并且费用...

    desperate633
  • 微信社会经济影响力研究报告发布

    image.png   3月21日,《微信社会经济影响力研究报告》(以下简称报告)在京发布,报告对过去一年中微信在行业创新与社会经济贡献方面进行了定性与...

    腾讯研究院
  • 关于对“荐股类欺诈、恶意营销行为”的打击处理公示

    近期,我们接到大量投诉,部分用户发布投资建议或"荐股"类信息时,仍存在包括且不限于以下违法违规行为:

    用户6966869
  • 你关心的不在头条,在这个小程序里

    知晓君
  • 【leetcode刷题】T182-两地调度

    公司计划面试 2N 人。第 i 人飞往 A 市的费用为 costs[i][0],飞往 B 市的费用为 costs[i][1]。

    木又AI帮
  • 【AI TOP 10】北京月底开通国产无人驾驶地铁;吴恩达2017年度报告;百度CES将发布Apollo 2.0

    编辑:刘光明 【新智元导读】吴恩达在这一年经历了很多,从带领机器人“小度”在《最强大脑》上战胜王峰到离职百度创业,再到创立Landing.ai,宣布与富士康合作...

    新智元

扫码关注云+社区

领取腾讯云代金券