Python實現最短路徑問題的方法
一、創建圖
在開始之前,我們先創建一個圖,使用鄰接矩陣表示有向網:
class Graph(object): """ 以鄰接矩陣為存儲結構創建有向網 """ def __init__(self, kind): # 圖的類型: 無向圖, 有向圖, 無向網, 有向網 # kind: Undigraph, Digraph, Undinetwork, Dinetwork, self.kind = kind # 頂點表 self.vertexs = [] # 邊表, 即鄰接矩陣, 是個二維的 self.arcs = [] # 當前頂點數 self.vexnum = 0 # 當前邊(弧)數 self.arcnum = 0 def CreateGraph(self, vertex_list, edge_list): """ 創建圖 :param vertex_list: 頂點列表 :param edge_list: 邊列表 :return: """ self.vexnum = len(vertex_list) self.arcnum = len(edge_list) for vertex in vertex_list: vertex = Vertex(vertex) # 頂點列表 self.vertexs.append(vertex) # 鄰接矩陣, 初始化為無窮 self.arcs.append([float('inf')] * self.vexnum) for edge in edge_list: ivertex = self.LocateVertex(edge[0]) jvertex = self.LocateVertex(edge[1]) weight = edge[2] self.InsertArc(ivertex, jvertex, weight) def LocateVertex(self, vertex): """ 定位頂點在鄰接表中的位置 :param vertex: :return: """ index = 0 while index < self.vexnum: if self.vertexs[index].data == vertex: return index else: index += 1 def InsertArc(self, ivertex, jvertex, weight): """ 創建鄰接矩陣 :param ivertex: :param jvertex: :param weight: :return: """ if self.kind == 'Dinetwork': self.arcs[ivertex][jvertex] = weight
有關鄰接矩陣中頂點結點
Vertex()
的定義可以參考這篇博客,這裡就不在貼出相應的代碼瞭。
二、問題來源
假如我從城市 A A A出發坐火車去其他城市旅遊,那麼如何規劃路線使所花費的車票錢最少呢?若將上述圖中的城市看成有向網中的頂點,並將兩城市之間所需要的車票錢看做對應弧的權值,那麼這一問題的本質就是求兩個頂點之間權值最小的路徑,簡稱最短路徑 ( S h o r t e s t (Shortest (Shortest P a t h ) Path) Path)。
三、Dijkstra算法
D i j k s t r a Dijkstra Dijkstra算法,中文名叫迪傑斯特拉算法,它常用於求解源點到其餘頂點的最短路徑。
假設 G = { V , { A } } G=\{V, \{A\}\} G={V,{A}}是含有 n n n個頂點的有向網,以該圖中的頂點 v v v為源點,使用 D i j k s t r a
Dijkstra Dijkstra算法求頂點 v v v到圖中其餘各頂點的最短路徑的基本思路如下:
(1) 使用集合 S S S記錄已求得最短路徑的終點,初始時 S = { v } S=\{v\} S={v};
(2) 選擇一條長度最短的路徑,該路徑的終點 w ∈ V − S w\in V-S w∈V−S,將 w w w並入 S S S,並將該最短路徑的長度記為 D w D_w Dw;
(3) 對於 V − S V-S V−S中任一頂點 s s s,將源點到頂點 s s s的最短路徑長度記為 D s D_s Ds,並將頂點 w w w到頂點 s s s的弧的權值記為 D w s D_{ws} Dws,若 D w + D w s < D s D_w+D_{ws}<D_s Dw+Dws<Ds,則將源點到頂點 s s s的最短路徑的長度修改為 D w + D w s D_w+D_{ws} Dw+Dws;
(4) 重復執行上述操作,直到 S = V S=V S=V。
D i j k s t r a Dijkstra Dijkstra算法有些 P r i m Prim Prim算法的影子,這裡使用一個輔助列表Dist
,用來存儲源點到每一個終點的最短路徑長度,列表Path
來存儲每一條最短路徑中倒數第二個頂點的下標(弧尾下標),除此之外還需要一個列表flag
來記錄頂點是否已求得最短路徑。下面結合著 D i j k s t r a Dijkstra Dijkstra算法來分析一下上面的那個有向網:
(1) 這裡要做的就是更新列表Dist
和列表Path
,假如以頂點 A A A為起始點,先將它加入 S S S中,然後尋找以頂點 A A A為弧尾的最短路徑,這裡找到瞭頂點 B B B,然後繼續找下一個頂點。這個時候就要做一個判斷瞭,即 D w + D w s < D s D_w+D_{ws}<D_s Dw+Dws<Ds是否成立,這裡的頂點 s s s有兩種選擇,要麼是頂點 C C C,要麼是頂點 D D D,因為這兩個頂點都是以頂點 w w w(即頂點 B B B)為弧尾,按照順序,這個時候先選擇瞭頂點 C C C,經判斷: D A B + D B C < D A C D_{AB}+D_{BC}<D_{AC} DAB+DBC<DAC(即 4 + 3 = 7 < 8 4+3=7<8 4+3=7<8)成立,然後更新源點到頂點 s s s(即頂點 C C C)的距離為7。這個時候頂點 s s s又選擇瞭頂點 D D D,經判斷: D A B + D B D < D A D D_{AB}+D_{BD}<D_{AD} DAB+DBD<DAD(即 4 + 8 = 12 < ∞ 4+8=12<\infty 4+8=12<∞)成立,然後更新源點到頂點 s s s(即頂點 D D D)的距離為12。
(2) 然後尋找以頂點 C C C為弧尾的最短路徑,這裡找到瞭頂點 E E E,然後做一個路徑長度判斷,經判斷: D A C + D C E < D A E D_{AC}+D_{CE}<D_{AE} DAC+DCE<DAE(即 7 + 1 = 8 < ∞ 7+1=8<\infty 7+1=8<∞)成立,然後更新源點到頂點 s s s(即頂點 E E E)的距離為8,然後又找到瞭頂點 F F F,然後做一個路徑長度判斷,經判斷: D A C + D C F < D A F D_{AC}+D_{CF}<D_{AF} DAC+DCF<DAF(即 7 + 6 = 13 < ∞ 7+6=13<\infty 7+6=13<∞)成立,然後更新源點到頂點 s s s(即頂點 F F F)的距離為13。
(3) 直至計算出所有源點到其餘頂點的距離。
D i j k s t r a Dijkstra Dijkstra算法代碼實現如下:
def Dijkstra(self, Vertex): """ Dijkstra算法, 計算源點Vertex到其餘各頂點的最短距離 :param Vertex: :return: """ # 源點到每一個終點的最短路徑長度 Dist = [] # 每一條最短路徑中倒數第二個頂點的下標(弧尾下標) Path = [] # 記錄頂點是否已求得最短路徑 flag = [False] * self.vexnum index = 0 while index < self.vexnum: Dist.append(self.arcs[Vertex][index]) if self.arcs[Vertex][index] < float('inf'): # 存放弧尾下標 Path.append(Vertex) else: Path.append(-1) index += 1 # 以頂點Vertex為源點 Dist[Vertex] = 0 Path[Vertex] = 0 flag[Vertex] = True index = 1 while index < self.vexnum: minDist = float('inf') # 尋找源點到下一個頂點wVertex的最短路徑 for i in range(self.vexnum): if not flag[i] and Dist[i] < minDist: wVertex = i minDist = Dist[i] flag[wVertex] = True sVertex = 0 minDist = float('inf') # 更新源點到終點sVertex的最短路徑 while sVertex < self.vexnum: if not flag[sVertex]: if self.arcs[wVertex][sVertex] < minDist and \ Dist[wVertex] + self.arcs[wVertex][sVertex] < Dist[sVertex]: # 距離更新 Dist[sVertex] = Dist[wVertex] + self.arcs[wVertex][sVertex] Path[sVertex] = wVertex sVertex += 1 index += 1 # 輸出信息 self.ShortestPathDijkstra(Vertex, Dist, Path) def ShortestPathDijkstra(self, Vertex, Dist, Path): """ 輸出從頂點Vertex到其餘頂點的最短路徑 :param Vertex: :param Dist: :param Path: :return: """ tPath = [] index = 0 while index < self.vexnum: # index是路徑終點 if index != Vertex: print('頂點' + self.vertexs[Vertex].data + '到達頂點' + self.vertexs[index].data + '的路徑及長度為:') # 從源點Vertex到終點index中間有可能經過瞭多個頂點 tPath.append(index) former = Path[index] while former != Vertex: tPath.append(former) former = Path[former] tPath.append(Vertex) while len(tPath) > 0: print(self.vertexs[tPath.pop()].data, end='') print('\t\t%d' % Dist[index]) index += 1
四、Floyd算法
F l o y d Floyd Floyd算法,中文名叫弗洛伊德算法,它常用於求解求解每一對頂點之間的最短路徑。
假設 G = { V , { A } } G=\{V, \{A\}\} G={V,{A}}是含有 n n n個頂點的有向網,使用 F l o y d Floyd Floyd算法求圖中每一對頂點間的最短路徑的基本思路如下:
(1) 對於圖 G G G中任意兩個頂點 v v v和 w w w,將頂點 v v v和頂點 w w w的最短路徑的長度記為 D v w D_{vw} Dvw,並依次判斷其餘各頂點是否為這兩個頂點間最短路徑上的頂點。對於除瞭頂點 v v v和頂點頂點 w w w的任意頂點 u u u,將頂點 v v v和頂點 u u u的最短路徑的長度記為 D v u D_{vu} Dvu,並頂點 u u u和頂點 w w w的最短路徑的長度記為 D u w D_{uw} Duw,若 D v u + D u w < D v w D_{vu}+D_{uw}<D_{vw} Dvu+Duw<Dvw,則將 D v w D_{vw} Dvw的值修改為 D v u + D u w D_{vu}+D_{uw} Dvu+Duw,即頂點 v v v和頂點 w w w的最短路徑經過頂點 u u u;
(2) 重復上述過程,直至圖中每一頂點間的最短路徑都被求出。
當然瞭,也可以對每個頂點使用 D i j k s t r a Dijkstra Dijkstra算法來求得每對頂點的最短路徑。對於 F l o y d Floyd Floyd算法,這裡使用一個輔助二維數組Dist
,用來存儲源點到每一對頂點間的最短路徑長度,二維數組Path
來存儲每一條最短路徑中倒數第二個頂點的下標(弧尾下標)。下面結合著 F l o y d Floyd Floyd算法來分析一下最上面的那個有向網(由於頂點對較多,這裡選擇 A − I A-I A−I的最短路徑進行說明):
F l o y d Floyd Floyd算法代碼實現如下:
def Floyd(self): """ Floyd算法, 計算每一對頂點間的最短距離 :return: """ Dist = [[0 for _ in range(self.vexnum)] for _ in range(self.vexnum)] Path = [[0 for _ in range(self.vexnum)] for _ in range(self.vexnum)] for row in range(self.vexnum): for column in range(self.vexnum): Dist[row][column] = self.arcs[row][column] if self.arcs[row][column] < float('inf') and row != column: Path[row][column] = row else: Path[row][column] = -1 # 判斷圖中任意兩個頂點的最短路徑是否經過瞭結點uVertex for uVertex in range(self.vexnum): for vVertex in range(self.vexnum): for wVertex in range(self.vexnum): if vVertex != wVertex and \ Dist[vVertex][uVertex] + Dist[uVertex][wVertex] < Dist[vVertex][wVertex]: Dist[vVertex][wVertex] = Dist[vVertex][uVertex] + Dist[uVertex][wVertex] Path[vVertex][wVertex] = Path[uVertex][wVertex] # 輸出每一組頂點間的最短路徑 self.ShortestPathFloyd(Dist, Path) def ShortestPathFloyd(self, Dist, Path): """ 輸出每一組頂點間的最短路徑 :param Dist: :param Path: :return: """ tPath = [] for start in range(self.vexnum): for end in range(self.vexnum): if start != end and Dist[start][end] < float('inf'): print('從頂點' + self.vertexs[start].data + '到頂點' + self.vertexs[end].data + '的路徑及長度為:') tVertex = Path[start][end] tPath.append(end) while tVertex != -1 and tVertex != start: tPath.append(tVertex) tVertex = Path[start][tVertex] tPath.append(start) while len(tPath) > 0: print(self.vertexs[tPath.pop()].data, end='') print('\t\t%d' % Dist[start][end])
五、代碼測試
測試代碼如下:
if __name__ == '__main__': graph = Graph(kind='Dinetwork') graph.CreateGraph(vertex_list=['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I'], edge_list=[('A', 'B', 4), ('A', 'C', 8), ('B', 'C', 3), ('B', 'D', 8), ('C', 'E', 1), ('C', 'F', 6), ('D', 'G', 7), ('D', 'H', 4), ('E', 'D', 2), ('E', 'F', 6), ('F', 'H', 2), ('G', 'I', 9), ('H', 'G', 14), ('H', 'I', 10)]) print('{:*^30}'.format('Dijkstra算法')) # 起始位置的index為0 graph.Dijkstra(0) print('{:*^30}'.format('Floyd算法')) graph.Floyd()
測試結果如下:
這裡隻看瞭一條,就是從頂點 A A A到頂點 I I I的路徑,可以看到 D i j k s t r a Dijkstra Dijkstra算法和 F l o y d Floyd Floyd算法求得的最短路徑都是24。
到此這篇關於Python實現最短路徑問題的方法的文章就介紹到這瞭,更多相關Python最短路徑內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!
推薦閱讀:
- Java利用Dijkstra和Floyd分別求取圖的最短路徑
- 詳解Dijkstra算法之最短路徑問題
- 實現Dijkstra算法最短路徑問題詳解
- 運籌學-Python實現圖論與最短距離
- Java實現Floyd算法的示例代碼