最短路dijkstra算法详解:dijkstra(图解)

本文详细介绍了Dijkstra算法,通过图解方式阐述了算法的基本原理和流程。从源点开始,逐步找到最短路径并更新顶点权重,直至所有顶点都进入最终顶点集合。过程中结合了广度优先搜索和贪心算法,确保找到全局最优解。

最短路DijkStra’s Algorithm算法详解

dijkstra(图解)

在这里插入图片描述
(额外说明一下:上面的图并非我原创,至少十几年前就已经存在了,哪位高人知道首次出现在哪里请告知我,我注明一下.)

概念:

源点:最开始的点,起点

终点:最后的点,目标到达的点

边权重Weight(m,n): 二维数组,代表连接顶点m到顶点n的边的权重值,即图上每条边的权重值.

顶点权重WeightMin(n): 一维数组,代表从起点到顶点n的所有通路上每条边权重之和的最小值.用来存放每一次计算的最小值.

FinalSet:已经确认的最终顶点的集合

图上数据说明: 顶点从左到右从上到下,坐标分别从0开始到8

Weight(m,n)的数据如下:

n0 n1 n2 n3 n4 n5 n6 n7 n8
n0 2 9 6
n1 1
n2 4 6
n3 4
n4 2 9 7
n5 5 1
n6 5
n7 1 5
n8

算法基本原理

基础原理其实很朴素直白,就是从开始顶点(起点/源点)起,暴力穷举出能到达终止顶点(终点)的每一条通路并计算出距离。然后从所有的通路中找寻权重和最小的那一条通路。

不过这种朴素的找法有着明显缺点——随着顶点数增加,计算复杂度会上升得很快,(有多快?)粗略估算一下:

假设在有n个顶点的图内,用暴力方式穷举出从A点到B点之间所有可能的通路的总条数为 T n T_{n} Tn。当新增一个顶点进图后,顶点数从n个变为n+1个,A点到B点所有通路的总条数变为 T n + 1 T_{n+1} Tn+1
如果我们找到了 T n + 1 − T n T_{n+1} - T_{n}

好的,我很乐意为您提供一个Python实现的Dijkstra算法代码。Dijkstra算法是一种用于计算图中单源最短路径的经典算法。以下是Dijkstra算法的Python实现: ```python import heapq def dijkstra(graph, start): # 初始化距离字典,将所有节点的距离设为无穷大 distances = {node: float('inf') for node in graph} # 起始节点到自身的距离为0 distances[start] = 0 # 优先队列,存储(距离,节点)元组 priority_queue = [(0, start)] while priority_queue: # 弹出距离小的节点 current_distance, current_node = heapq.heappop(priority_queue) # 如果弹出的距离大于记录的短距离,跳过 if current_distance > distances[current_node]: continue # 遍历当前节点的所有邻居 for neighbor, weight in graph[current_node].items(): distance = current_distance + weight # 如果找到更短的路径,更新距离并加入优先队列 if distance < distances[neighbor]: distances[neighbor] = distance heapq.heappush(priority_queue, (distance, neighbor)) return distances # 示例用法 graph = { 'A': {'B': 5, 'C': 2}, 'B': {'A': 5, 'C': 1, 'D': 3}, 'C': {'A': 2, 'B': 1, 'D': 1}, 'D': {'B': 3, 'C': 1} } start_node = 'A' shortest_distances = dijkstra(graph, start_node) print(f"从节点 {start_node} 到其他节点的短距离:") for node, distance in shortest_distances.items(): print(f"到节点 {node}: {distance}") ``` 这个实现使用了Python的heapq模块来实现优先队列,这使得算法的时间复杂度为O((V+E)logV),其中V是节点数,E是边数。 算法的主要步骤如下: 1. 初始化所有节点的距离为无穷大,起始节点的距离为0。 2. 使用优先队列来选择当前已知的短距离节点。 3. 对当前节点的所有邻居进行检查,看是否可以通过当前节点找到更短的路径。 4. 如果找到更短的路径,更新距离并将其加入优先队列。 5. 重复步骤2-4,直到优先队列为空。 这个实现不仅计算了短距离,还可以在需要时轻松地修改为记录最短路径
评论 5
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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