算法策略
Dijkstra 算法是求一个图中一个点到其他所有点的最短路径的算法,先了解图的数据结构「邻接矩阵」
Dijkstra 算法是一个基于「贪心」、「广度优先搜索」、「动态规划」求一个图中一个点到其他所有点的最短路径的算法,时间复杂度 O(n2)
B站视频:https://www.bilibili.com/video/av38254646/?vd_source=3fa2d314205867b74c99b14fd102f85c
要点
每次从 「未求出最短路径的点」中 取出 距离起点 最小路径的点,以这个点为桥梁 刷新「未求出最短路径的点」的距离。
示例
找到以A点为起点,到各个点的最短距离
设定初始值
算法步骤
def dijkstra(graph, start_index):
length = len(graph)
res = [[x, float('inf'), 1] for x in range(length)] # [索引,初始值最短距离暂定为正无穷,是否封闭(1不封闭,-1为封闭)]
res[start_index][1] = 0 # 起始点的初始值设定
#启动dijkstra算法
for i in range(length-1): # 扣除最后一个点
# 查找路径最小值
min_index = -1 # 设定默认索引为-1
min_distance = float('inf') # 设定默认最短路径结点值为无穷大
for j in range(length):
if res[j][2] != -1: # 如果没有封闭
if min_distance > res[j][1]:
min_distance = res[j][1] # 选取最小的路径值的点的值
min_index = res[j][0] # 选取最小的路径值的点的索引
res[min_index][2] = -1 # 将最小的路径值的点封闭
print(res[min_index])
# 更新最短路径数据
for j in range(length): # 找到邻近的结点
if graph[min_index][j] != -1 and res[j][2] != -1: # 有交集(不为-1) and 未封闭点(不为-1)
if min_distance + graph[min_index][j] < res[j][1]: # 如果最小的路径值+路径值 比原有的小,即更新
res[j][1] = min_distance + graph[min_index][j]
return [x[1] for x in res]
# Test case
# vertices = ['A', 'B', 'C', 'D','E']
graph = [
[0, 6, -1, 1,-1],
[6, 0, 5, 2, 2],
[-1, 5, 0, -1,5],
[1, 2, -1, 0, 1],
[-1,2, 5, 1, 0]
]
graph = [
[0,10,-1,4,-1,-1],
[10, 0, 8, 2, 6,-1],
[-1,8,0,15,1,5],
[4,2,15,0,6,-1],
[-1,6,1,6,0,12],
[-1,-1,5,-1,12,0]
]
print(dijkstra(graph, 0)) # Output: [0, 3, 7, 1, 2]