版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
1. 简介
广度优先算法可以找出段数最少的路径,但是对于路径上带权重的图,想要找出最快的路径,则需要使用狄克斯特拉算法。
2. 原理
为了说明狄克斯特拉算法的原理,使用换钢琴的的例子来做说明.
假设Rama想拿自己的乐谱换架钢琴:
- Alex说:“这是我最喜欢的乐队Destroyer的海报,我愿意拿它换你的乐谱。
- 如果你再加5美元,还可拿乐谱换我这张稀有的Rick Astley黑胶唱片。”
- Amy说:“哇,我听说这张黑胶唱片里有首非常好听的歌曲,我愿意拿我的吉他或架子鼓换这张海报或黑胶唱片。
- Beethoven惊呼:“我一直想要吉他,我愿意拿我的钢琴换Amy的吉他或架子鼓。”
商品兑换的关系如下:
现在需要确定,Rama如何才能以最少的钱换到他想要的钢琴。
狄克斯特拉算法解决问题的思路主要包括以下四步:
- 找出最便宜的节点,即可用最便宜的价格可前往的节点。
- 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。
- 重复这个过程,直到对图中的每个节点都这样做了。
- 计算最终路径
下面结合狄克斯特拉的算法步骤,对该问题进行推算。
2.1 找出最便宜的节点
对于乐谱而言,可以直接兑换唱片和海报,所需的费用分别为5和0.
为了观察的算法过程中数据的变化情况,使用一个表格来计算兑换的开销以及父节点的情况,对于目前开销的未知的节点用无穷大来表示,经过该步骤后,数据的情况如下:
父节点 | 节点 | 成本 |
---|---|---|
乐谱 | 唱片 | 5 |
乐谱 | 海报 | 0 |
– | 吉他 | ∞ |
– | 架子鼓 | ∞ |
– | 钢琴 | ∞ |
2.2 计算前往该节点的各个邻居的开销
通过步骤1的处理,得知从乐谱->海波的开销是最小的。此时计算从海报到达各邻居节点的开销,如果邻居节点的开销变少了,则更新其开销和父节点。最终的结果如下:
父节点 | 节点 | 成本 |
---|---|---|
乐谱 | 唱片 | 5 |
乐谱 | 海报 | 0 |
海报 | 吉他 | 30 |
海报 | 架子鼓 | 35 |
– | 钢琴 | ∞ |
2.3 重复上面的步骤
接下来还没有被遍历的节点中,最便宜的兑换商品为唱片,此时计算从唱片到达各邻居节点的开销,通过计算,从唱片到达吉他只需20,从唱片到达架子鼓只需25,因此需要更新结果表中吉他和架子鼓的父节点以及成本,最终结果如下:
父节点 | 节点 | 成本 |
---|---|---|
乐谱 | 唱片 | 5 |
乐谱 | 海报 | 0 |
唱片 | 吉他 | 20 |
唱片 | 架子鼓 | 25 |
– | 钢琴 | ∞ |
接下来最便宜的节点是吉他,从吉他这个路径走,到钢琴的价格为40.接z最后是架子鼓,从架子鼓这个路径走,到钢琴的价格为35. 于是最终结果如下:
父节点 | 节点 | 成本 |
---|---|---|
乐谱 | 唱片 | 5 |
乐谱 | 海报 | 0 |
唱片 | 吉他 | 20 |
唱片 | 架子鼓 | 25 |
架子鼓 | 钢琴 | 35 |
通过上述表格反推,花费最小的兑换路径为:乐谱–>唱片–>架子鼓–>钢琴,需要花费35.
实现
代码的实现中,需要维护三个散列表:
- graph:用来描述顶点与边的关系,为了简单演示,可以直接使用字典的形式表示顶点与边。
- costs:用来记录途径顶点的开销
- parents:用来记录各顶点的父顶点情况
代码如下:
# -*- coding:utf-8 -*-
# @Author:sunaihua
'''
使用Dijkstra算法得到带权图的最短路径
'''
#graph 结构
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"] = {}
# 成本数据
infinity = float("inf")
costs = {}
costs["a"] = 6
costs["b"] = 2
costs["fin"] = infinity
# parent数据
parents = {}
parents["a"] = "start"
parents["b"] = "start"
parents["fin"] = None
# 已经处理过的节点
processed = []
def find_lowest_cost_node(costs):
lowest_cost = float("inf")
lowest_cost_node = None
for node in costs:
cost = costs[node]
if cost < lowest_cost and node not in processed:
lowest_cost = cost
lowest_cost_node = node
return lowest_cost_node
def dijkstra():
node = find_lowest_cost_node(costs)
while node is not None:
cost = costs[node]
neighbors = graph[node]
for n in neighbors.keys():
new_cost = cost + neighbors[n]
if costs[n] > new_cost:
costs[n] = new_cost
parents[n] = node
processed.append(node)
node = find_lowest_cost_node(costs)
# 更具parents中的fin,向前反推,就可以得到最终的路径
print parents
if __name__ == '__main__':
dijkstra()
总结
- 广度优先搜索用于在非加权图中查找最短路径。
- 狄克斯特拉算法用于在加权图中查找最短路径。
- 仅当权重为正时狄克斯特拉算法才管用。
- 如果图中包含负权边,请使用贝尔曼-福德算法。