最短路径——Dijkstra算法

本文介绍了Dijkstra算法,一种用于计算单源最短路径的经典算法。文章详细解释了算法原理及其实现过程,并强调该算法不适用于包含负权边的情况。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Dijkstra算法

1.算法概览

Dijkstra(迪杰斯特拉)算法是典型的单源最短路径算法,用于计算一个节点到其他所有节点的最短路径。主要特点是以起始点为中心向外层层扩展,直到扩展到终点为止。

作为Dijkstra老爷子在咖啡店用二十分钟推演出的计算荷兰各个城市之间最短距离的算法,Dijkstra算法充满了简洁的美感。

2.算法描述

输入:在无向图 G=(V, E) 中,假设每条边 E[i] 的长度为 w[i],找到由顶点 V0 到其余各点的最短路径。
输出:对于两顶点 s, t ∈ V ,找到s到t的最短路径;或者找到给定点 s ∈ V 的,到所有其他点的最短路径。

隐藏在Dijkstra算法背后的思想是,如果s到t之间存在最短路径,那么路径上的一个点v,从s到v的的路径也是一条最短路径。这为贪心实现提供了基础。

每次都寻找从s出发的最短的边,更新s到各个点的距离,这样的话其他从s开始的最短路径一定是经过这个点的,不断循环,不断刷新到各个点到距离,就可以找到单源最短路径的集合。

需要注意,Dijkstra算法不能解决带负边的图,因为可能会形成负环,算法将不能够正常结束。

伪代码:

时间复杂度:O(n^2)

3.算法执行过程

https://www.cnblogs.com/nigang/p/3658990.html

离字典,将起始节的距离设为0,其他节的距离设为无穷大 distances = {node: sys.maxsize for node in graph} distances[start] = 0 # 初始化已访问节的集合和未访以下是使用问节D的集ijkstra合 visited = set() unvisited算法求解最短路径的Python = set(graph) while unvisited: # 代码示例: ```python class D选择当前ijkstra距: def __init__(self, graph离最小的节 , start, current goal): self.graph = graph # 邻接表_node = min(unvisited, key=lambda self node: distances[node]) # 更新.start = start当前节的 # 起邻居节 self.goal =的距离 goal # 终 for neighbor in graph self.open[current_node]: _list = {} if neighbor in # open 表 self.closed_list unvisited: new_distance = distances[current_node] + = {} graph[current_node][neighbor # closed 表 self.open_list[start] if new_distance] = < distances[neighbor]: 0.0 # 将 distances[neighbor] = new_distance # 将当前起放入 open_list 中 self.parent = {节标记start:为已访 None} 问,并从未访问集合中移除 visited.add # 存储节的父子关系。键为(current_node) 子节, unvisited值为父.remove(current_node) return节。方便做最 distances def print后_path(dist路径的ances,回 start溯 self.min, end): _dis = None # 根 # 最短路径的长度 def shortest_path据距离字典和终(self): while True: ,逆向 if self打印路径.open_list is path = [end None: ] print('搜索 current_node =失败 end while current_node !=, 结束!') break distance start: , min_node = for neighbor in graph min(zip[current_node]: if(self.open_list distances[current.values(), self_node] ==.open_list.keys distances[neighbor())) #] + graph 取出距[neighbor][current_node]: 离最小的节 self path.open_list.pop.append(min_node)(neighbor) current_node = neighbor break path.reverse() # 将其从 open_list 中去除 self print.closed("_list[minShortest_node] = path from", distance # 将节加入 closed start, "to", end,_list ":", "->".join(path)) # 示例 中 if min_node == self.goal: # 如果节为图的邻接矩阵终 self.min_dis = distance 表示 graph shortest = { _path = [ 'Aself.goal]': {'B': # 5, 'C 记录从': 终1}, 回溯的路径 'B
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