时间:2021-05-22
一心想学习算法,很少去真正静下心来去研究,前几天趁着周末去了解了最短路径的资料,用python写了一个最短路径算法。算法是基于带权无向图去寻找两个点之间的最短路径,数据存储用邻接矩阵记录。首先画出一幅无向图如下,标出各个节点之间的权值。
其中对应索引:
A ——> 0
B——> 1
C——> 2
D——>3
E——> 4
F——> 5
G——> 6
邻接矩阵表示无向图:
算法思想是通过Dijkstra算法结合自身想法实现的。大致思路是:从起始点开始,搜索周围的路径,记录每个点到起始点的权值存到已标记权值节点字典A,将起始点存入已遍历列表B,然后再遍历已标记权值节点字典A,搜索节点周围的路径,如果周围节点存在于表B,比较累加权值,新权值小于已有权值则更新权值和来源节点,否则什么都不做;如果不存在与表B,则添加节点和权值和来源节点到表A,直到搜索到终点则结束。
这时最短路径存在于表A中,得到终点的权值和来源路径,向上递推到起始点,即可得到最短路径,下面是代码:
# -*-coding:utf-8 -*-class DijkstraExtendPath(): def __init__(self, node_map): self.node_map = node_map self.node_length = len(node_map) self.used_node_list = [] self.collected_node_dict = {} def __call__(self, from_node, to_node): self.from_node = from_node self.to_node = to_node self._init_dijkstra() return self._format_path() def _init_dijkstra(self): self.used_node_list.append(self.from_node) self.collected_node_dict[self.from_node] = [0, -1] for index1, node1 in enumerate(self.node_map[self.from_node]): if node1: self.collected_node_dict[index1] = [node1, self.from_node] self._foreach_dijkstra() def _foreach_dijkstra(self): if len(self.used_node_list) == self.node_length - 1: return for key, val in self.collected_node_dict.items(): # 遍历已有权值节点 if key not in self.used_node_list and key != to_node: self.used_node_list.append(key) else: continue for index1, node1 in enumerate(self.node_map[key]): # 对节点进行遍历 # 如果节点在权值节点中并且权值大于新权值 if node1 and index1 in self.collected_node_dict and self.collected_node_dict[index1][0] > node1 + val[0]: self.collected_node_dict[index1][0] = node1 + val[0] # 更新权值 self.collected_node_dict[index1][1] = key elif node1 and index1 not in self.collected_node_dict: self.collected_node_dict[index1] = [node1 + val[0], key] self._foreach_dijkstra() def _format_path(self): node_list = [] temp_node = self.to_node node_list.append((temp_node, self.collected_node_dict[temp_node][0])) while self.collected_node_dict[temp_node][1] != -1: temp_node = self.collected_node_dict[temp_node][1] node_list.append((temp_node, self.collected_node_dict[temp_node][0])) node_list.reverse() return node_listdef set_node_map(node_map, node, node_list): for x, y, val in node_list: node_map[node.index(x)][node.index(y)] = node_map[node.index(y)][node.index(x)] = valif __name__ == "__main__": node = ['A', 'B', 'C', 'D', 'E', 'F', 'G'] node_list = [('A', 'F', 9), ('A', 'B', 10), ('A', 'G', 15), ('B', 'F', 2), ('G', 'F', 3), ('G', 'E', 12), ('G', 'C', 10), ('C', 'E', 1), ('E', 'D', 7)] node_map = [[0 for val in xrange(len(node))] for val in xrange(len(node))] set_node_map(node_map, node, node_list) # A -->; D from_node = node.index('A') to_node = node.index('D') dijkstrapath = DijkstraPath(node_map) path = dijkstrapath(from_node, to_node) print path运行结果:
再来一例:
<!-- lang: python --># -*- coding: utf-8 -*-import itertoolsimport reimport mathdef combination(lst): #全排序 lists=[] liter=itertools.permutations(lst) for lts in list(liter): lt=''.join(lts) lists.append(lt) return listsdef coord(lst): #坐标输入 coordinates=dict() print u'请输入坐标:(格式为A:7 17)' p=re.compile(r"\d+") for char in lst: str=raw_input(char+':') dot=p.findall(str) coordinates[char]=[dot[0],dot[1]] print coordinates return coordinatesdef repeat(lst): #删除重复组合 for ilist in lst: for k in xrange(len(ilist)): st=(ilist[k:],ilist[:k]) strs=''.join(st) for jlist in lst: if(cmp(strs,jlist)==0): lst.remove(jlist) for k in xrange(len(ilist)): st=(ilist[k:],ilist[:k]) strs=''.join(st) for jlist in lst: if(cmp(strs[::-1],jlist)==0): lst.remove(jlist) lst.append(ilist) print lst return lstdef count(lst,coordinates): #计算各路径 way=dict() for str in lst: str=str+str[:1] length=0 for i in range(len(str)-1): x=abs( float(coordinates[str[i]][0]) - float(coordinates[str[i+1]][0]) ) y=abs( float(coordinates[ str[i] ][1]) - float(coordinates[ str[i+1] ][1]) ) length+=math.sqrt(x**2+y**2) way[str[:len(str)-1]]=length return wayif __name__ =="__main__": print u'请输入图节点:' rlist=list(raw_input()) coordinates=coord(rlist) list_directive = combination(rlist)# print "有方向完全图所有路径为:",list_directive# for it in list_directive:# print it print u'有方向完全图所有路径总数:',len(list_directive),"\n"#无方向完全图 list_directive=repeat(list_directive) list_directive=repeat(list_directive)# print "无方向完全图所有路径为:",list_directive print u'无方向完全图所有路径为:' for it in list_directive: print it print u'无方向完全图所有路径总数:',len(list_directive) ways=count(list_directive,coordinates) print u'路径排序如下:' for dstr in sorted(ways.iteritems(), key=lambda d:d[1], reverse = False ): print dstr raw_input()以上就是本文给大家分享的全部内容了,希望大家能够喜欢,能够学习python有所帮助。
请您花一点时间将文章分享给您的朋友或者留下评论。我们将会由衷感谢您的支持!
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
最短路径问题(python实现)解决最短路径问题:(如下三种算法)(1)迪杰斯特拉算法(Dijkstra算法)(2)弗洛伊德算法(Floyd算法)(3)SPFA
本文实例讲述了Python实现的多叉树寻找最短路径算法。分享给大家供大家参考,具体如下:多叉树的最短路径:思想:传入start和end两个目标值1找到从根节点到
摘要:算法导论之FloydWarshall算法求一个图中任意两点之间的最短路径FloydWarshall算法是通过动态规划来计算任意两点之间的最短路径如果普通求
本文实例讲述了Python数据结构与算法之图的最短路径(Dijkstra算法)。分享给大家供大家参考,具体如下:#coding:utf-8#Dijkstra算法
一、Dijkstra算法的思路Dijkstra算法是针对单源点求最短路径的算法。其主要思路如下:1.将顶点分为两部分:已经知道当前最短路径的顶点集合Q和无法到达